OpenClaw五天连更五个版本，最后两次更新间隔不到24小时。Hermes Agent冲上GitHub 40.4K Star，有人直接喊“龙虾不用养了，养爱马仕吧”。DCloud的uni-agent正式发布，把数字员工的概念又往前推了一步。

如果你觉得这只是凑巧，我再补一个数据：Claude Code单日最高提交了全球4%的公开GitHub代码，Anthropic超过90%的新代码是AI自己写的。Codex周活超过160万。

2026年第一季度，AI Agent赛道不是在增长，是在爆炸。

一、先搞清楚Agent到底是什么

很多人还是把Agent和聊天机器人搞混。区别在哪？ChatGPT是你问它答，它不会自己动。Agent是你给它一个目标，它自己规划步骤、自己调用工具、自己执行、自己检查结果。

打个比方：聊天机器人是你问路，它告诉你怎么走。Agent是你给它一个地址，它自己开车过去，路上遇到封路还会绕道。

2026年之前的Agent大多停留在分钟级演示，跑个demo看看效果，真正干活就露馅。现在不一样了。OpenClaw的单任务运行时长能到48小时，Claude Code能持续跑36小时。你去睡觉，它自己干活，第二天起来验收。这件事半年前还做不到。

二、OpenClaw点火：从玩具变成工具

OpenClaw是怎么起来的？奥地利开发者Peter Steinberger用一个周末写了个原型，1月发布，60天GitHub Star从9K涨到247K。React花了十年才攒够23万Star。

为什么这么快？因为它第一次让普通人感受到了AI替自己操作电脑是什么体验。不是对话建议，是真的打开浏览器、点击按钮、填写表单、读取结果。Computer Use Agent是它的核心技术。

第一季度末的更新是个分水岭。超时时间延长到48小时，新增可插拔沙盒后端，最关键是requireApproval机制从什么都问你变成默认自己做，危险操作才问你。这个设计哲学的转变，标志着它从极客玩具走向了生产工具。

Skill市场半年内积累了13700多个技能包，热门Skill单个安装量18万次。有人把行业经验做成结构化的知识包，Agent可以直接继承，一次编写，无限复用。这比让AI从零摸索靠谱得多。

但OpenClaw有几个被人反复吐槽的点：只支持OpenAI的模型，部分核心代码不开源，Skill质量参差不齐，安全问题上曾爆出11.3%的Skill含恶意代码。它打开了局面，但留下了空当。

三、Hermes Agent杀入：专门解决OpenClaw的问题

Hermes Agent的切入点很聪明。它没有重新造轮子，而是对着OpenClaw的短板逐个打。

第一个短板是模型锁定。OpenClaw只能用OpenAI。Hermes支持200多个模型，OpenRouter、GLM、Kimi、MiniMax、OpenAI随便切，一条命令搞定。它把这个叫模型无关架构，不绑定任何供应商。

第二个短板是记忆有限。OpenClaw的跨会话记忆比较弱，新开一个对话就什么都不记得了。Hermes用了FTS5全文搜索加LLM摘要的记忆系统，能记住之前的任务、犯过的错、积累的经验。它号称越用越强。

第三个短板是Skill要手动创建。Hermes会自动从任务轨迹中提取经验，生成可复用的Skills，后续使用时还会自我优化。它甚至能把执行轨迹导出为训练数据，让用户微调自己的模型。用得越多，数据越多，模型越好。

第四个短板是只有命令行界面。Hermes支持Telegram、Discord、Slack、WhatsApp、Signal、Email六个消息平台，你可以在微信群里给它下指令。

还有一个很厉害的招：hermes claw migrate，一键从OpenClaw迁移配置、记忆、Skills和API Keys，零成本挖墙脚。

到4月初，Hermes已经40.4K Star，5.2K Fork。不过它还在v0.7.0版本，有780个未关的issue，稳定性还需要时间验证。

四、垂直领域入场：uni-agent和它的同类

OpenClaw和Hermes都是通用型Agent，什么都能干但什么都不专精。DCloud的uni-agent走了另一条路：我只服务uni-app开发者，但在这个领域里我比谁都强。

它的核心卖点是三个通用Agent做不到的事：能读取App运行日志、能截取手机屏幕对比UI、能自动在全平台跑测试。它还直连DCloud的issues系统和论坛，自动查Bug找方案。

这种垂直打法在Agent生态里会越来越多。通用Agent解决80%的问题，剩下20%的领域经验由专用Agent补上。就像手机App生态一样，系统自带应用覆盖基本需求，专业场景靠第三方。

还有一类玩家走的是企业接入路线。Hermes已经支持飞书、企业微信的消息网关，OpenClaw也有人做了第三方飞书插件。对企业来说，Agent能不能接入内部通讯工具、能不能对接现有系统，比它多聪明更重要。

五、Claude Code在背后推着所有人跑

聊开源Agent生态，绕不开Claude Code。它不是开源的，但它是这个赛道的天花板。

几个数字：52天连发74次更新；Computer Use在OSWorld基准上追平人类水平（72.5%对72.4%）；Dario Amodei确认Anthropic超过90%的新代码是AI自己写的。

Claude Code证明了Agent可以做到什么程度，开源项目们则在争相追赶。Hermes直接把自己定位成Claude Code的开源替代品。OpenClaw每次更新都在缩短跟Claude Code的能力差距。uni-agent在uni-app领域做到了Claude Code做不到的事。

这就是天花板拉动地板效应。闭源产品把能力上限推高，开源社区用更低的成本把类似能力普及开来。

六、为什么偏偏是现在

三个因素凑到了一起。

大模型够用了。2026年的主流模型在推理、工具调用、代码生成上已经过了勉强能用的临界点。GPT-4时代Agent经常犯低级错误，现在少多了。这不只是模型变聪明了，而是模型加约束工程的组合让可靠性上了一个台阶。

基础设施成熟了。MCP协议统一了工具调用接口，Skill市场解决了经验复用问题，沙盒和Docker让Agent可以安全执行代码。半年前你想让Agent接入Slack，得自己写一整套消息网关。现在Hermes开箱即用。

需求真的来了。企业每1美元软件支出对应6美元服务支出。外包服务是第一个被Agent大规模替代的领域。不是可能，是正在发生。

七、这条赛道的问题比你想的多

别光看Star数。AI Agent生态有几个还没解决的问题。

成本高。单次长任务可能花掉几百甚至上千美元。OpenClaw的重度用户月费不低，Claude Code的API调用费用也不是小数目。Agent省了人力，但把成本转嫁到了算力上。

安全是个大坑。11.3%的Skill含恶意代码，这个数字来自实际审计。Agent有权限操作你的电脑、读写你的文件、访问你的API，这些权限一旦被滥用，后果比传统软件漏洞严重得多。Hermes的requireApproval机制和OpenClaw的沙盒隔离都在试图解决，但目前都没有完美方案。

组织治理是空白。Agent犯了错谁负责？它做的决策怎么审计？这些问题在企业场景里会被放大。责任归属和审计标准，目前都是空白。

还有一个更深层的问题：人类在执行层被替代后，角色到底是什么？有人说是变成指挥AI、验收AI，但知道AI哪里写错了这件事本身就需要很高的水平。门槛没有消失，只是换了个位置。

八、总结

2026年第一季度的Agent生态，可以用一句话概括：从Copilot（副驾驶）走向Autopilot（自动驾驶）。

Copilot时代，AI是你的助手，你做主它打下手。Autopilot时代，AI是执行者，你定目标它完成。这个转变正在发生，而且速度比多数人预想的快。

OpenClaw证明了自主Agent可以被大规模使用，Hermes证明了开源社区可以快速跟进，uni-agent证明了垂直领域的专用Agent有存在价值，Claude Code证明了天花板还在往上走。

竞争才刚开始。40K Star的项目还在v0.7.0版本，247K Star的项目还有一堆issue没关，新玩家每天都在入场。到今年年底回头看，现在的格局大概率会被重新洗牌。

本文内容仅供个人学习、研究或参考使用，不构成任何形式的决策建议、专业指导或法律依据。未经授权，禁止任何单位或个人以商业售卖、虚假宣传、侵权传播等非学习研究目的使用本文内容。如需分享或转载，请保留原文来源信息，不得篡改、删减内容或侵犯相关权益。感谢您的理解与支持！

链接: https://fly63.com/article/detial/13699