六类AI Agent全解析：开源智能体部署与选型指南

现在几乎每天都有新的AI智能体冒出来，OpenClaw、Hermes Agent、Agent Zero、OpenHands、Paperclip、Buzz……它们都声称自己是革命性的，做的事看起来完全不同，但底层逻辑又高度相似。本文基于B站UP主的系统梳理，把所有真正重要的AI智能体类型拆解清楚，并给出在服务器上部署运行的选型建议。

AI智能体到底是什么

聊天机器人只是回答问题然后停止，而智能体会被赋予一个目标，然后持续工作直到完成。它会选择步骤、执行、检查结果，再自主决定下一步。这背后的通用架构包含五个部分：模型（大脑，可替换且支持多模型）、工具（手，运行代码、浏览网页、读写文件、通过MCP接入外部能力）、记忆（记录做过什么，不同框架的记忆系统差异很大）、界面（网页仪表盘、终端、Telegram或桌面端）、运行位置（本地、专用硬件或VPS）。

其中运行位置是最关键的决策之一。在个人笔记本上运行智能体免费但缺乏隔离——它能访问整个文件系统，且设备必须一直开着；专用硬件如Mac mini成本高、清退麻烦；而虚拟专用服务器（VPS）成本仅每月6到10美元（不含token费用），能提供干净隔离的环境，出问题可直接销毁。这也是本次演示的所有智能体都部署在VPS上的原因。

MCP（Model Context Protocol） 是由 Anthropic 提出并开源的一套标准协议，用来让模型以统一方式连接外部工具与数据源。在 MCP 出现之前，每个智能体框架都要为每个工具单独写适配代码，工具无法跨框架复用；MCP 把工具、资源、提示模板抽象成标准服务端，任何支持该协议的智能体都能即插即用地调用同一套能力。对自托管用户而言，这意味着你可以自己搭建一个 MCP 服务器（例如连接本地数据库或内部 API），然后让 OpenClaw^广告、Hermes 等不同框架共享，而不必为每个框架重复开发。文中把「通过 MCP 接入外部能力」列为工具层的关键组成，正是因为它决定了智能体能力边界能否低成本扩展。

六类AI智能体逐一拆解

以下六个智能体大致按“最容易获得价值到最专业化”排序，全部开源，均可自托管，不锁定任何模型生态。

OpenClaw：聊天应用优先的个人助理

OpenClaw的定位是全天候个人助理，直接融入你已在用的Telegram、Slack、Discord、Signal等聊天应用。它的理念是聊天应用优先，智能体藏在消息应用背后，你不需要打开任何仪表盘，直接发消息即可。它是最早推出、最受欢迎的框架之一，集成数量和插件生态也最丰富——仪表盘里可安装数百个插件，并支持定时任务。

优点：部署最快、上手最简单，兼容任何模型，社区庞大问题大多已被修复。缺点：它不会自我进化，频道和技能配置多了会变乱，且早期存在安全漏洞、攻击面较大。适合想要一个“像人一样发消息”的助手、或只需几个简单定时任务的用户。

Hermes Agent：会学习工作流的自我改进智能体

如果说OpenClaw是带智能体的消息网关，Hermes则是学习型智能体外加消息网关——前者重界面，后者重智能体本身。它的核心机制是：完成任务后回顾哪些方法有效，并保存为技能（一个可读可编辑的markdown文件），下次执行同类任务时直接复用，节省令牌。

演示中，Hermes完成一次每周YouTube总结后自动创建了对应技能，还维护了长期记忆，把用户偏好自动存储整理。连续运行数月后，技能积累带来的效率提升相当明显。代价是设置更复杂、需要多聊天来培养，且可能学错技能并重复错误，需要人为管理。适合有反复出现的工作流、愿意长期调教的用户。

技能（Skill） 在这类自我改进型智能体中，通常指一段结构化、可读可编辑的 Markdown 文档，记录完成某类任务的步骤、注意事项与可用工具组合。它与模型参数无关，属于外部化记忆的一种形式：智能体在任务结束后把验证有效的流程沉淀为技能文件，下次遇到同类任务时先检索并加载，从而跳过试错过程、减少上下文与 token 消耗。技能可被人工审阅和修改，这也是它相比纯向量记忆更可控的地方——学错了可以直接编辑纠正。文中的 Hermes 正是靠技能积累实现「越用越快」，而代价是需要长期调教并防止错误技能被反复复用。

Agent Zero：拥有自己电脑的通用型智能体

Agent Zero是一个通用型智能体，在Docker中完全独立运行，拥有一台完整的Linux机器。它没有大量预设工具，需要工具时通常自己编写代码并在终端中运行，因此更偏向编程场景，灵活性在清单中名列前茅。

演示中让它以团队方式研究Hacker News过去30天关于AI的讨论，它自动启动写作、分析、数据三个子智能体分工收集和撰写报告。优点是透明度高，能清楚看到每个子代理在做什么，且完全沙盒化，碰不到服务器其他部分。缺点是在模糊任务上容易跑偏、消耗大量token（几乎什么都写代码），且不注重界面。

OpenHands：开源的AI软件工程师

OpenHands（前身OpenDevin）是清单中唯一专为编程打造的智能体。它在你现有的GitHub仓库中工作：给一个工单或issue，它返回一个完成的Pull Request。演示中给它一个待办事项API仓库，要求迁移到类SQL数据库、加标签和搜索、加删除接口并写测试，它独立完成了代码修改、规划和终端执行，全程在沙盒中并行运行。

优点是端到端编码性能在所有代理中最强，除模型调用外数据不离开服务器，兼容任何模型。缺点是只适用于编码、资源占用较重（至少需要KVM级配置），且主要面向现有代码库，不是从零构建的工具。

Pull Request（PR） 是 GitHub 等代码托管平台上的合并请求机制：开发者在一个独立分支上修改代码后，向主分支发起 PR，附带改动差异、说明和测试结果，由维护者审阅后决定是否合并。把「工单到 PR」作为智能体的交付形态很有讲究——它天然具备隔离性（改动在分支上进行，不影响主分支）、可审计性（差异逐行可见）和可回退性（不合并即不生效）。因此 OpenHands 的输出不是直接改库，而是一份等待人工审核的 PR，既保留了自动化效率，又把最终决策权留在人手里，这与它在沙盒中运行的设计相辅相成。

Paperclip：管理其他智能体的“公司框架”

Paperclip本身不干活，它管理其他智能体，像一家公司。演示中创建了一个“Agent Builders Agency”，设定目标为拉新1000名社区成员，下设CEO、创始工程师、研究员等角色，每个可单独指定模型（如轻量任务用Gemini Flash，复杂任务用Claude Sonnet）、设置消费上限。智能体按心跳（每30分钟或每小时）自动开工，把总目标拆成子任务并形成依赖关系图，甚至能雇佣新代理。

这是清单中最自主的框架，但配置复杂度极高，小规模演示很难体现其价值，且token消耗大。适合预算充足、想搭建完整多智能体组织长期运转的用户。

多智能体编排（Multi-Agent Orchestration） 与单个智能体的区别在于，它解决的是「谁来做、按什么顺序做、花多少预算」的问题。常见模式包括层级式（一个管理者拆解目标并委派给下属）、流水线式和去中心化协商式。Paperclip 采用偏层级式的组织架构：角色对应岗位、心跳驱动周期性开工、任务被拆成带依赖关系的子任务图，并可对每个角色单独设模型与消费上限。这类框架的复杂度主要来自协调开销——任务拆分不当会导致重复劳动或死锁，因此在小规模场景中很难体现价值，只有在目标长期、任务量大时才可能摊薄其配置成本。

Buzz：人类与智能体协作的工作区

Buzz来自Block（Jack Dorsey的公司），本质是自托管的Slack，智能体作为队友加入。它本身不是智能体，而是为智能体之间、人与智能体之间协作提供基础设施：可配置多个不同性格、角色、提供商的智能体（Claude、Codex、OpenClaw均可），在不同频道中像Slack一样互动、互相委派任务。

缺点是太新、仍在内测，且脱离团队场景价值有限——单干用户不太值得用。

选型建议与部署要点

一个贯穿始终的原则是只选开源、可自托管的方案，避免被锁进单一公司生态。部署方面，UP主使用Hostinger的一键部署在VPS上快速拉起智能体，单台KVM套餐可同时运行多个代理，成本远低于自购硬件。

• 要最快上手、简单定时任务：选OpenClaw
• 有反复工作流、愿意长期调教：选Hermes
• 需要灵活通用、能自己写代码：选Agent Zero
• 专注代码仓库工单处理：选OpenHands
• 想要多智能体自主组织：选Paperclip
• 团队与智能体协作：选Buzz

安全不可忽视：这些智能体会接触API密钥和开放互联网，运行前应参考专门的安全配置方案。

常见问题

开源AI智能体和ChatGPT智能体有什么区别？ 开源方案允许你自选模型、自选运行位置、控制框架，不被锁定在某个公司的定价和生态中；闭源智能体则通常绑定特定平台。

个人用户应该把智能体部署在哪里？ 推荐VPS。成本每月约6到10美元（不含token），环境隔离干净，出问题可直接销毁，比在个人笔记本上运行更安全稳定。

Hermes和OpenClaw怎么选？ 想要零配置快速聊天和简单定时任务选OpenClaw；有反复出现的工作流、希望智能体越用越聪明选Hermes。