Hermes Agent vs 主流 CLI Agent 横向对比（15 维度）
Summary
一张横向对比表（来源"小白分享圈"）系统比较了 Hermes Agent / Claude Code / Codex CLI / Gemini CLI / Goose 五个主流 CLI Agent。在 15 个对比维度上，Hermes 是唯一全部维度都有覆盖的——尤其在**闭环学习（Auto Memory + 自我改进 + 技能自创建）、五层记忆系统、12 个消息平台、6 种沙箱后端、RL 训练（Atropos）**这些维度上是独有的。模型锁定方面分两阵营：Provider 中立（Hermes 18+ / Goose 30+）vs 旗舰绑定（Claude Code / Gemini CLI）。MCP 深度方面 Hermes 标注"深度原生"——可能是协议级整合而非 API 层调用。Skills 互操作上 Hermes 与 Claude Code 都已接入 agentskills.io。
Key Concepts
- Hermes 闭环学习 — Auto Memory + 自我改进 + 技能自创建三件套，是与其他 Agent 最显著的差异
- 五层记忆系统 — Hermes 的 FTS5 全文索引 + 向量检索 + Honcho + 技能 + Auto Memory；其他工具仅为单一文件型记忆
- Provider 中立路线 — Hermes (18+) / Goose (30+) vs Claude Code (锁 Claude) / Gemini CLI (锁 Gemini)
- MCP 深度原生 — Hermes 标注的差异化定位，区别于其他工具的 Client + Server 模式
- agentskills.io — Skills 互操作标准，Hermes 与 Claude Code 都接入（11+ 工具采纳）
- 多消息平台 Agent — Hermes 12 个平台（Telegram/Discord/Slack/钉钉/飞书等），Claude Code 仅有 Channels 插件
- 多沙箱后端 — Hermes 6 种（Local/Docker/SSH/Modal/Daytona/Singularity）vs Claude Code (macOS Seatbelt + Worktree) / Codex (Dev Container + Docker)
Tags
hermes-agent, agent-comparison, claude-code, codex-cli, gemini-cli, goose, memory-architecture, mcp, agentskills, multi-agent
Detailed Content
完整对比表
| 维度 | Hermes Agent | Claude Code | Codex CLI | Gemini CLI | Goose |
|---|---|---|---|---|---|
| Agent 循环 | ReAct（Gather→Act→Verify） | ReAct | ReAct | ReAct | ReAct |
| 闭环学习 | Auto Memory + 自我改进 + 技能自创建 | 仅被动记忆 | — | — | — |
| 记忆系统 | 五层（FTS5+向量+Honcho+技能+Auto Memory） | CLAUDE.md + Chat Recall | AGENTS.md + memories | GEMINI.md + Checkpoint | Memory + MEMORY.md + Todo |
| 模型锁定 | 无锁定（18+ Provider） | 锁定（Claude 家族） | 偏向 OpenAI | 锁定（Gemini） | 无锁定（30+ Provider） |
| 本地推理 | Ollama/vLLM/llama.cpp/LM Studio | — | — | 有限 | Ollama |
| 消息平台 | 12 个（TG/Discord/Slack/钉钉/飞书等） | Channels 插件 | — | — | — |
| MCP 支持 | 深度原生 | Client + Server | Client + Server | Client | Client + Server |
| 子 Agent / 并行 | Agent Teams + Summon + delegate_tool/batch | Subagents + 隔离上下文 | — | — | — |
| Cron 调度 | 原生 + 云端定时 | 内置 | — | — | — |
| 沙箱执行 | 6 种后端 | macOS Seatbelt + Worktree | Dev Container + Docker | 基础 | — |
| 上下文管理 | 四阶段压缩 + 智能路由 | 自动压缩 + 按需加载 + 1M token | 取决于模型 | 1M token | 取决于模型 |
| 扩展机制 | Skills + MCP + Hooks + Plugins（4 层） | 工具 + 技能 + MCP + 钩子 | MCP + AGENTS.md | MCP + GEMINI.md | MCP 原生 + 扩展 |
| UI 形态 | CLI + 12 消息平台 | CLI + Desktop + IDE + Web | CLI | CLI | CLI + Desktop |
| 技能可移植 | agentskills.io | agentskills.io（11+ 采纳） | — | — | — |
| RL 训练 | Atropos + 轨迹压缩 | — | — | — | — |
三个观察
1. Hermes 的"全栈"定位
15 项维度全部覆盖。其他工具都有大量空缺：
- Codex CLI：闭环学习、子 Agent、Cron、本地推理、消息平台、UI 形态都为空
- Gemini CLI：闭环学习、子 Agent、Cron、消息平台都为空
- Goose：闭环学习、消息平台、Cron、沙箱、子 Agent 都为空
- Claude Code：闭环学习仅"被动记忆"，没有 RL 训练，消息平台靠插件
2. 闭环学习是分水岭
| Agent | 学习能力 |
|---|---|
| Hermes | Auto Memory + 自我改进 + 技能自创建（自己写新 Skill） |
| Claude Code | 被动记忆（写 CLAUDE.md 但不会自我演化） |
| 其他 | 无 |
技能自创建意味着 Agent 能在使用过程中沉淀可复用能力，是从"工具"向"自我演化系统"的关键跨越。
3. 两条路线的世界观
Provider 中立（Hermes / Goose）：押注没有单一模型会赢，做适配层
- Hermes 18+ Provider，Goose 30+ Provider
- 优势：随模型生态变化保持灵活
- 劣势：与厂商深度集成会延迟
旗舰绑定（Claude Code / Gemini CLI / Codex CLI）：跟厂商一起进步
- 优势：可以用厂商内部 API、提前接入新能力
- 劣势：被锁定
与已有 Wiki 的呼应
之前的 Hermes Agent万字系统提示词深度解析 揭示了 Hermes 系统提示的 9 层结构 + 50% token 节省，本表则补充了外部能力维度的横向对比——两者结合可以完整理解 Hermes：内部 prompt 工程精炼 + 外部生态能力全栈。
Related Topics
- Hermes Agent万字系统提示词深度解析 — Hermes 系统提示 9 层结构与 token 优化
- Claude Code架构拆解：Agent Harness的四层蓝图 — Claude Code 4 层框架架构
- Claude Agent SDK 技术规范 v1.0.0 — Claude Agent SDK 技术规格
- Claude Code Best Practices - 14 Key Practices — Claude Code 最佳实践
- AI记忆工具两大阵营：Memory Backends vs Context Substrates — Memory Backends vs Context Substrates 两大阵营
- Uber内部500+个Skills企业级实战 — Skills 互操作的企业实践参考