Почему Hermes, а не OpenClaw 🦾

В начале года я начал выбирать основу для своей системы агентов. OpenClaw к тому моменту уже был — и за первые месяцы превратился в самый быстрорастущий проект в истории GitHub. Потом в поле зрения появился Hermes — более свежая система, и меня в ней зацепили две вещи: обучаемость и гибкость настройки.

Если сильно упростить, разница тогда для меня выглядела так.

🔌 OpenClaw — сильная инфраструктура для агентов.

Много каналов, интеграций, автоматизаций, возможность разводить нескольких агентов и связывать всё это через единый gateway.

🧠 Hermes сильнее зацепил идеей персонального агента, который постепенно учится работать именно с тобой.

Он может сохранять удачные способы выполнения задач в skills — по сути, рабочие инструкции — и дальше использовать и дорабатывать их.

Например, не только помнить мои предыдущие встречи, но и постепенно усвоить, как именно меня к ним готовить: какие материалы поднять, какие договорённости проверить, что вынести наверх, в каком формате дать результат.

Именно это тогда и стало для меня важным аргументом в пользу Hermes.

При этом сейчас граница между системами стала гораздо тоньше. OpenClaw тоже умеет работать с памятью, skills, несколькими агентами и автоматизациями. Поэтому тезис «Hermes обучается, а OpenClaw нет» сегодня уже просто неверен.

Скорее это две близкие по возможностям системы с разными историческими акцентами.

🔧 И является ли Hermes сейчас идеальным решением? Нет.

Он довольно сырой. Нужно действительно хотеть во всём этом разбираться: настраивать агентов и персонажей, разводить контексты, подключать инструменты, следить за приватностью данных.

И желательно получать некоторое удовольствие от ситуаций, когда полчаса обновляется сервер, проверяются и скачиваются нужные плагины — или ты внезапно упираешься в техническое ограничение и вместо своей задачи сначала идёшь разбираться, как его обойти.

Тот самый блеск и нищета open source: почти всё можно переделать под себя, но иногда выясняется, что переделывать под себя придётся действительно почти всё 😎

Поэтому Hermes и OpenClaw я бы прежде всего рассматривал как системы для персональных и относительно гибких агентов.

А когда речь идёт о более серьёзных бизнес-процессах, начинается другой класс инструментов.

⚙️ n8n — когда нужен устойчивый workflow между разными системами.

Например:

заявка → проверка данных → CRM → анализ AI → подготовка документа → согласование человеком → следующее действие.

Там уже можно жёстко определить этапы, условия, ошибки, повторные попытки и точки человеческого контроля.

Dify — если нужно собирать внутренние AI-сервисы и приложения на данных компании: корпоративного помощника, работу с базой знаний, отдельные AI-workflow.

LangGraph и CrewAI — ещё дальше в сторону разработки собственной агентной архитектуры: состояние процессов, несколько специализированных агентов, сложная логика взаимодействия, human-in-the-loop.

То есть вопрос постепенно становится не «какой агент лучше?», а «какой уровень свободы мы хотим оставить AI, а какую часть процесса хотим зафиксировать правилами?»

Для личного помощника мне важна способность адаптироваться ко мне.

Для критичного бизнес-процесса — предсказуемость, контроль и возможность понять, что произошло на каждом шаге.

А мне теперь интересно собрать опыт других.

Кто уже использует что-то поверх обычных ChatGPT, Claude или Codex — OpenClaw, Hermes, n8n, Dify, CrewAI или какие-то свои сборки?

Расскажите, что реально прижилось и для каких задач 👇