Published on

Hermes Agent vs OpenClaw：一个量化交易员的AI框架选型实录

Authors

两个都深度用过，直说结论。

先说背景

我跑A股量化选股系统，每天35个定时任务：6:05龙头筛选、7:30五大大师SOS扫描、8:30章盟主推演、9:25另类指标更新、14:45买入扫描、15:05选股涨跌幅更新、20:00预选股、23:30通宵进化……从早盘到深夜，机器不能停。

同时需要在微信实时推送结果，用问财做技术初筛，用章盟主擒龙框架做二次过滤，用威科夫操盘法做信号确认。模型要在GLM、Claude、GPT之间切换——不同任务用不同模型，成本和效果差别很大。

这套需求，OpenClaw撑了两个月，Hermes撑到现在。

核心对比

1. 多平台网关

Hermes：微信、Telegram、Discord、Slack、Signal、Matrix等15+平台，同一个agent实例同时服务所有平台。我主要用微信推送，Telegram做备用通道。切换成本为零——改个环境变量的事。

OpenClaw：平台覆盖少得多。如果你只用微信，可能感受不到差距。但一旦需要多平台冗余（比如微信限流时切Telegram），差距就出来了。

2. Cron调度引擎

这可能是最关键的区别。

Hermes：内置cron引擎，每个任务可以独立配置模型、skill、toolset、交付目标。35个任务各自跑各自的，互不干扰。凌晨通宵进化用GLM-5.1重模型，天气播报用GLM-5-Turbo省钱。有的推微信，有的存本地文件，有的两边都推。

OpenClaw：有定时功能，但灵活度差一截。不能给每个任务单独配模型和工具集。

3. Skill自学习体系

Hermes：技能(skill)是核心概念。解决了一个复杂问题？保存为skill。下次遇到类似场景，skill自动加载，不需要重新摸索。我现在积累了41个Hermes原生skill + 80个问财skill，包括：

  • 章盟主擒龙1号选股框架
  • 威科夫操盘法自动选股系统
  • 三维选股定价模型（估值+股东+情绪）
  • 大资金暴量抄底信号（金标准）
  • 五大投资大师SOS联合分析

这些skill会在合适的时机自动加载，相当于AI有了肌肉记忆。

OpenClaw：问财SkillHub是亮点，A股场景开箱即用。但skill不能自学习，也不能跨session积累。

4. 跨session记忆

Hermes：持久记忆 + 用户画像。它记得你用什么时区、偏好语音+文字、天气预报必须TTS、实盘持仓不能发blog。每次新对话自动注入上下文，不需要重复交代。

OpenClaw：每次对话都是全新的。你得反复告诉它"我不喜欢废话"、"用中文回复"。

5. 模型自由度

Hermes：20+ provider，随时切换。我的配置：

  • 主力：GLM-5.1（智谱Coding端点，国内延迟低）
  • 辅助：GLM-5-Turbo（轻量任务省钱）
  • 本地模型金融幻觉严重，必须用云端
  • 不同cron任务用不同模型，精细控制成本

OpenClaw：模型选择相对固定，切换成本高。

6. 子agent并行

Hermes：delegate_task可以同时跑3个子agent，每个独立terminal和上下文。比如同时跑"风电龙头筛选"+"特高压板块扫描"+"六氟化硫概念股"，三个任务并行，结果一起回来。

还能spawn完全独立的Hermes进程做长时间任务，比如通宵回测。

OpenClaw：单agent架构，任务得排队。

OpenClaw不是不行

客观说，OpenClaw有自己的优势：

  1. 问财深度集成——A股数据查询开箱即用，不需要折腾API
  2. 国内生态——文档和社区对中文用户更友好
  3. 上手简单——不折腾的用户5分钟就能跑起来

如果你只是偶尔查查股票、看看研报，OpenClaw够用。

我的选型逻辑

选框架看的是天花板，不是下限。

我的需求组合——35个定时任务 + 多平台推送 + 多模型切换 + 自进化skill + 跨session记忆 + 子agent并行——这套架构只有Hermes能撑住。不是OpenClaw不好，是它没被设计来扛这种负载。

就像选车：OpenClaw是家用轿车，日常代步没问题。Hermes是卡车平台，能挂各种挂件。当你需要同时拖35个挂件的时候，只有卡车能干这活。

技术栈一览

┌─────────────────────────────────────────────┐
│           Hermes Agent (Gateway)             │
├──────────┬──────────┬───────────┬────────────┤
│ 微信推送  │ Cron引擎  │ 记忆系统   │ Skill引擎  │
├──────────┴──────────┴───────────┴────────────┤
│              模型层 (Provider Pool)            │
│  GLM-5.1 │ GLM-5-Turbo │ Claude │ GPT       │
├──────────────────────────────────────────────┤
│              工具层 (Toolsets)                 │
│  terminal │ web │ browser │ file │ vision    │
├──────────────────────────────────────────────┤
│              数据源                            │
│  thsdk │ 问财 │ 腾讯API │ 东财 │ mootdx      │
└──────────────────────────────────────────────┘

本文基于2个月OpenClaw + 持续使用Hermes的实战经验。不代表任何商业立场，纯个人工具选型记录。

Discuss on Twitter • View on GitHub