OpenClaw kontra OpenHuman kontra Hermes Agent: három módszer egy személyes AI saját üzemeltetésére

Az OpenClaw-t, az OpenHuman-t és a Hermes Agentet folyamatosan egymással állítják szembe a GitHub Trendingen, a HN-en és a YouTube-összefoglalókban, mintha ugyanannak a dolognak három változata lennének. Nem azok. A különbség köztük nem a funkciólistáikban van. Hanem abban, hogy mikor ismer meg téged mindegyik.

Az OpenHuman modellt épít rólad, mielőtt egyáltalán beírnál egy promptot. Az OpenClaw azt tanulja meg, amit elmondasz neki, munkamenetről munkamenetre, bármelyik chatalkalmazásból is írsz neki. A Hermes középen helyezkedik el: úgy reagál rád, mint az OpenClaw, de tartós memóriát őriz, amely minden használattal növekszik. Ez a tengely dönti el, hogy valójában melyik eszközt szeretnéd, jobban, mint a csillagszámok vagy a csatornalisták.

Íme az összehasonlítás ezen a tengelyen, plusz az a biztonsági dimenzió, amely számít, ha OpenClaw-t fogsz futtatni, és hogy mindegyik hol fut, ha már választottál.

A rövid verzió

• Az eszközök egy tengelyen különböznek: mikor kapja meg az ügynök a kontextust. Az OpenHuman memória-központú (proaktívan gyűjti be az adataidat egy 20 perces cikluson). Az OpenClaw munkamenet-reaktív (azt tudja, amit elmondasz neki). A Hermes reaktív, de tartós, önfejlesztő készséggráfot őriz a munkamenetek között.
• OpenClaw is the multi-channel reach play, with about 30 messaging platforms, the biggest ecosystem (380K+ GitHub stars), and by far the heaviest CVE history. Safe to self-host if you keep it off the public internet and authenticate it; risky if you deploy it the lazy way.
• Az OpenHuman azoknak való, akik azt szeretnék, hogy az ügynök már ismerje őket: proaktív memória 100+ integráción keresztül, egy asztali alkalmazás egy fejgép nélküli szervermaggal párosítva, amelyet VPS-en futtathatsz. Még mindig ez a legfiatalabb a három közül, és GPL-3.0 licenc alatt áll, de máris van legalább egy jelentett CVE-je, így a "fiatal projektet" kezeld a javítások ellenőrzésének okaként, ne pedig tiszta biztonsági előéletként.
• A Hermes Agent a szervernatív választás egy hiteles kutatószervezettől (Nous Research), ütemezett feladatokkal, alügynök-delegálással, beépített tanulási ciklussal és MIT-licenccel. A CVE-lábnyoma kisebb CVE-lábnyom , mint az OpenClaw-é, de nem üres, így a biztonsági keretezésnek "kevesebb ismert problémának" kell lennie, nem pedig "egyet sem találtak"-nak.

A különbség, amely eldönti, melyiket szeretnéd

Tedd fel mindegyik eszköznek ugyanazt a kérdést, "mit tudsz rólam most, mielőtt bármit is mondanék?", és három különböző választ kapsz. Ez az egész összehasonlítás egyetlen kérdésben.

Az OpenHuman azelőtt válaszol, hogy kérdeznél. Egy 20 perces lekérdezési ciklust futtat 100+ OAuth-csatlakoztatott szolgáltatással (Gmail, Notion, GitHub, Slack, Calendar és így tovább) és 5,000+ MCP-szerverrel szemben, behúzva az adataidat és egy pontozott Markdown-struktúrába tömörítve, amelyet Memory Tree-nek nevez, helyi SQLite-ban tárolva és Obsidian vaultként tükrözve. Mire megnyitsz egy beszélgetést, már modellt épített az életedről. A saját szlogenje, "egy agy, amely helyi-központú memóriát épít az életedről", az architektúra, nem a marketing.

Az OpenClaw azzal válaszol, amit ebben a munkamenetben elmondtál neki. Ez egy átjáró: egy daemonfolyamat irányítja a bejövő üzeneteket a chatalkalmazásaidból az ügynökpéldányokhoz, és a kontextus reaktívan halmozódik fel ezeken a munkameneteken és a beépülőmodul-rendszerén keresztül. Azt tudja, mi történt a beszélgetésben és mit hoztak felszínre az eszközei. Nem ül a háttérben, hogy a postaládádat gyűjtse be.

A Hermes azzal válaszol, amit eddig megtanult. Az OpenClaw-hoz hasonlóan reaktív; üzenetekre és ütemezett eseményekre reagál, ahelyett hogy proaktívan lekérné az adataidat. De egy zárt tanulási ciklust futtat: készségeket hoz létre a tapasztalatból, finomítja őket működés közben, és tartós felhasználói modellt tart fenn a munkamenetek között. Így nem ismeri a teljes életedet úgy, mint az OpenHuman, de nem is nulláról indul minden munkamenetben. Architekturálisan a másik kettő között helyezkedik el.

Ha egyszer így látod a felosztást, az összehasonlítás többi része a helyére kerül. Az alábbi eszközönkénti szakaszok valójában csak arról szólnak, "mibe kerül és mit ad neked mindegyik válasz".

OpenClaw: a többcsatornás átjáró

Start with reach, because that's OpenClaw's whole pitch: you message it from WhatsApp, and it answers. Same from Telegram, Slack, Discord, Signal, iMessage, Teams, Matrix, and a dozen more, with about 30 messaging platforms treated as first-class channels. If your mental model of a personal AI is "the thing I text from my phone," OpenClaw is built for exactly that.

A motorháztető alatt ez egy TypeScript/Node átjáró-daemon: egy Gateway-folyamat kezeli a csatornákat, a munkameneteket, az eszközöket és az elszigetelt ügynökpéldányokhoz való irányítást, egy webes irányítópulttal a localhost:18789 címen. Erre épül egy készség-/beépülőmodul-rendszer egy nagy közösségi jegyzékkel, hangmódokkal (ébresztőszó és folyamatos hang mobilon), Docker/SSH/sandbox háttérrendszerekkel és a Live Canvas-szal, egy ügynökvezérelt vizuális munkaterülettel. MIT-licenc alatt áll, és messze a legtöbb csillaggal rendelkezik a három közül, 380K+ a GitHubon, ami a legnagyobb ökoszisztémát és a legtöbb harmadik féltől származó készséget jelenti, jó és rossz értelemben egyaránt (a rosszról egy pillanat múlva bővebben).

Ha olvastad our OpenCode vs OpenClaw comparison, note that OpenCode is a separate project: OpenClaw itself is this always-on personal-agent gateway, not a repo-focused coding CLI.

Az erősség itt könnyen kimondható: ebben az összehasonlításban semmi más nem közelíti meg a csatornaelérésben vagy az ökoszisztéma méretében. A bökkenő az, hogy mindaz a felület (23 csatorna, egy hatalmas harmadik féltől származó készségjegyzék, egy irányítópult, amely elérhető akar lenni) egyben támadási felület is. Aminek saját szakasza van.

Az OpenClaw biztonsági előélete: mit igényel itt valójában a "saját üzemeltetés"

Az OpenClaw közösségi CVE-követője (jgamblin/OpenClawCVEs) most 543 OpenClaw CVE-t jelent egy közvetlen CVE List V5 vizsgálatból, míg az OpenCVE adatbázis lists 500+ entries under the OpenClaw vendor tag. Treat the exact count as moving data, not a fixed scorecard; the important point is that OpenClaw has a much heavier public CVE footprint than OpenHuman or Hermes.

Two are worth naming because they define the risk. CVE-2026-32922 (CVSS 9.9, critical) is a privilege escalation documented by ARMO, where a single API call turns a pairing token into full admin access with remote code execution. CVE-2026-25253 (CVSS 8.8, high) is a cross-site WebSocket hijacking flaw: a malicious webpage can steal your auth token and run code on your host from a single link. It was patched in v2026.1.29 and drew advisories from multiple organizations including Microsoft. There was also a supply-chain event, sometimes called ClawHavoc, where malicious skills were planted in the community skill registry; one audit of 2,857 skills found 341 malicious, and one bad skill reached #1 in the registry while shipping a macOS stealer payload.

Here's the part that reframes all of it, though: the biggest real-world risk isn't the CVEs, it's deployment. A large proportion of the OpenClaw instances found exposed on the public internet were running with no authentication at all, because operators reconfigure port 18789 for remote access without adding authentication (the shipped default binds to loopback and requires auth). Many of the tracked CVEs are patched in current versions. What isn't patched by an update is a wide-open instance sitting on a public IP.

Profi tipp. Erősítsd meg, mielőtt bármit is elérhetővé teszel. Ne kösd az OpenClaw irányítópultját a 0.0.0.0-hoz. Tartsd a 18789-es portot a localhoston, és egy SSH-alagúton keresztül érd el (ssh -L 18789:localhost:18789 you@your-vps), vagy helyezd egy hitelesített fordított proxy mögé. Ellenőrizd ezeket a beállításokat az OpenClaw aktuális dokumentációjához képest, mielőtt élesítenél; az alapértelmezések kiadásonként változnak.

Az én értelmezésem: az OpenClaw CVE-száma ok arra, hogy körültekintően telepítsd, nem ok arra, hogy leírd. Ez a legszélesebb körben telepített a három közül, éppen azért, mert a legképesebb, és a "széles körben telepítik olyan emberek, akik nyitva hagyják az ajtót" az, ami a szalagcím-számokat termeli. Futtasd lezárva és frissítve, és a legtöbb ijesztő statisztika megszűnik a te gépedet leírni.

OpenHuman: memória-központú, asztali plusz szerver

Az OpenHumannel kapcsolatban azt kell megérteni, hogy két részből áll. Az openhuman-core egy fejgép nélküli Rust JSON-RPC szerver, amely önálló Docker konténerként fut egy konfigurálható porton (nézd meg a tárolóban az aktuális alapértelmezést). Az asztali alkalmazás, egy Tauri build (React + Rust), egy különálló kliens, amely azzal a maggal kommunikál. A mag futhat egy VPS-en, míg az asztali kliens távolról csatlakozik hozzá, ami az a saját üzemeltetési modell, amely itt relevánssá teszi: mindig bekapcsolt szerver, vékony kliens a laptopodon.

Amit az a mag csinál, az a korábban leírt memóriamunka: 100+ OAuth-integráció plusz 5,000+ MCP-szerver táplálja a 20 perces automatikus lekérési ciklust, egy token-csökkentési lépésen (TokenJuice, állítólag akár 80%-os csökkentés) keresztül tömörítve a Memory Tree-be és az Obsidian vaultba. A biztonsági helyzet papíron szilárd egy fiatal projekthez képest, AES-256-GCM titkosítással nyugalmi állapotban, Argon2id kulcslevezetéssel, OS kulcstartó-integrációval és eszköz-sandboxinggal Docker/Bubblewrap/Firejail/Landlock révén. Az OpenHumanhez most legalább egy CVE-t jelentettek: CVE-2026-55743, egy shell-eszköz sandbox/engedélyezőlista-megkerülés, amely a 0.54.0-ig terjedő verziókat érinti. Így a helyes értelmezés nem az, hogy "még nincs előélet", hanem "fiatal projekt, gyorsan mozgó biztonsági helyzet, ellenőrizd a javított verziót a telepítés előtt".

Two things to weigh before you pick it. First, the license: OpenHuman is GPL-3.0, where OpenClaw and Hermes are both MIT. If you plan to fork or extend it and ship your changes, GPL's copyleft applies, which matters for a company, less so for a personal deployment. Second, the resources: the project's docs recommend 4 GB+ of RAM, with 16 GB+ for heavier use, notably more than the other two, and more still if you pair it with a local model on the same box.

Egy kikötés a forrásokkal kapcsolatban: az OpenHuman külső dokumentációs oldala elérhetetlen volt, amikor ellenőriztem, így a fenti specifikációk a GitHub README-jéből, a hibakövetőjéből és a tárolójából származnak, nem pedig egy kifinomult dokumentációs portálról. Ezek egységesek ezekben a forrásokban, de ha egy konkrét számra támaszkodsz, ellenőrizd újra a tárolóval szemben, mielőtt elköteleződnél.

Hermes Agent: szervernatív tanulási ciklussal

A Hermes lényegében továbbra is szervernatív, de már nem illik tisztán a "nincs asztali alkalmazás" kategóriába. A hivatalos dokumentáció most kínál Hermes Desktop lehetőséget a parancssori telepítés mellett, míg maga az ügynök továbbra is futhat VPS-en, felhős VM-en vagy más szerverkörnyezetben. Kapcsolatba léphetsz vele üzenetküldő platformokon, az asztali alkalmazáson vagy egy valódi terminálfelületen keresztül többsoros szerkesztéssel és perjeles parancsok automatikus kiegészítésével. Ha az OpenHuman "asztali szervermaggal" és az OpenClaw "átjáró, amelynek írsz", akkor a Hermes közelebb áll ahhoz, hogy "egy szerverelsődleges ügynök opcionális asztali hozzáféréssel".

It's built by Nous Research, which carries weight with the open-source LLM crowd and is a credibility signal for anyone evaluating longevity. Feature-wise it leans into automation: a built-in cron scheduler for scheduled jobs, subagent delegation that parallelizes work across isolated agents, 60+ built-in tools with MCP, and 300+ models including local runners. It's MIT-licensed, currently past the v0.18 "Judgment Release" line, with v0.18.2 on GitHub (July 8, 2026; v0.19.0 followed on July 20) and sits at roughly 211K GitHub stars.

A tanulási ciklus az, ami megkülönbözteti egy egyszerű reaktív ügynöktől: készségeket épít a tapasztalatból, és munkameneteken átívelő felhasználói modellt tart fenn, így idővel halmozza a hasznosságot anélkül, hogy OpenHuman-stílusú proaktív adatbegyűjtést végezne. Ami a biztonságot illeti, a Hermes nem CVE-mentes. Az OpenCVE több tucat CVE-t sorol fel a NousResearch/hermes-agent számára, köztük a hitelesítéssel, a WebSocket/DNS újrakötéssel, az injektálással, az útvonalbejárással és az átjáró-/webhook-kezeléssel kapcsolatos problémákat. Ez még mindig könnyebb nyilvános előélet, mint az OpenClaw-é, de a helyes következtetés a "kisebb ismert kitettség", nem pedig "egyet sem jelentettek".

Szemtől szemben: architektúra, biztonság, telepítés, költség

Íme az egész egy képernyőn. A csillagszámok és a verziók 2026. július eleji állapotot tükröznek, és gyorsan változnak, így ellenőrizz újra mindent, amit idézni fogsz.

A cellák lefedik a specifikációkat; két kompromisszum, amelyet a táblázat nem ragad meg, egy-egy mondatot érdemel. A biztonság kontra ökoszisztéma feszültség ellentétes irányba húz: az OpenClaw CVE-története annak az ára, hogy a kategória legtöbbet telepített, legjobban bővített eszköze. Az OpenHuman és a Hermes sokkal kisebb nyilvános CVE-előélettel rendelkezik, de egyiket sem szabad többé tisztaként vagy tesztelettlenként keretezni; fiatalabbként és kevésbé vizsgáltként kell keretezni őket. A asztali kontra szerver felosztás pedig valódi elágazás: az OpenHuman továbbra is a leginkább asztali plusz memóriamag-orientált a három közül, de a Hermes most már szintén kínál asztali telepítőt, így a tisztább felosztás nem "asztali kontra nincs asztali"; hanem "memória-központú asztali/mag modell kontra szerverelsődleges ügynök opcionális asztali hozzáféréssel".

Melyiket válaszd?

Illeszd az architektúrát ahhoz a mondathoz, amely a leginkább hasonlít rád:

• "Azt akarom, hogy az ügynök már ismerjen, mielőtt bármit kérdeznék." Válaszd az OpenHumant. A proaktív memóriamodell az egyetlen itt, amely a háttérben állítja össze a kontextust, és semmi más nem másolja le a 100 integrációs begyűjtési ciklust. RAM-ban (4 GB minimum), beállítási erőfeszítésben és egy kisebb, fiatalabb közösségben fizetsz érte.
• "Az AI-mat WhatsAppból, Telegramból vagy bármelyik alkalmazásból el akarom érni, amelyben már benne vagyok." Válaszd az OpenClaw-t. A 23 csatornája verhetetlen, és az ökoszisztéma a legmélyebb. Cserébe elvállalod a biztonsági megerősítés házi feladatát.
• "Ütemezett szerveroldali feladatokat és egy hiteles kutatószervezetet akarok a projekt mögött." Válaszd a Hermes Agentet. Szervernatív, beépített cron, Nous Research származás, és egy tanulási ciklus, amely halmozódik, kevesebb nyilvános CVE-teherrel, mint az OpenClaw, de még mindig elég jelentett problémával ahhoz, hogy normál frissítési fegyelmet igényeljen.

Gyors ítélet. Nincs egyetlen győztes; ez azon múlik, milyennek szeretnéd az ügynököt. Ha egysoros választásokat kellene adnom: OpenHuman a memóriamániásnak, aki olyan AI-t szeretne, amely elsőként olvassa őt, OpenClaw a maximális eléréshez, ha felelősségteljesen telepíted, Hermes annak, aki egy tiszta, szervernatív automatizálási daemont szeretne dráma nélkül. Bárki, aki azt mondja, hogy ezek egyike objektíven a legjobb, nem vette észre, hogy három különböző problémát oldanak meg.

Két további tényező, amelynek döntetlent kell eldöntenie. Licencelés: a GPL-3.0 (OpenHuman) számít, ha forkolni és továbbterjeszteni szándékozol; az MIT (OpenClaw, Hermes) a szabadabb út erre. És a biztonsági tűrés: ha az a gondolat, hogy az OpenClaw CVE-előéletével rendelkező eszközt futtatsz, még lezárva is ébren tart éjszaka, az jogos ok arra, hogy a másik kettő egyikét válaszd; csak ne tévezd össze a kisebb CVE-előéletet annak bizonyítékával, hogy egy fiatalabb projekt automatikusan biztonságosabb.

Hol futtasd mindegyiket

Mindhárom mindig bekapcsolt daemon; működniük kell, amikor nem vagy az asztalodnál, ami kizárja a laptopon való futtatásukat és egy VPS felé mutat. (A megosztott tárhely mindhárom számára esélytelen: Dockert, rootot és hosszan futó folyamatokat igényelnek.) Egyik sem igényel GPU-t, hacsak nem döntesz úgy, hogy teljesen helyi modellel párosítod őket, így egy szabványos Linux VPS elvégzi a feladatot.

Méretezés, általános specifikációkban: az OpenClaw és a Hermes kényelmesen elvan 2 GB RAM-mal alapszinten, 4 GB-ra lépve, ha sok beépülőmodult vagy cron-nehéz terheléseket futtatsz. Az OpenHuman 4 GB minimumot és 8 GB ajánlottat szeretne, különösen ha egy helyi modellt is a mag mellett fogsz futtatni. Adj a memóriaigényes lehetőségnek több lemezterületet is; az a SQLite Memory Tree az előzményeiddel együtt növekszik.

Ha már választottál, a telepítés a marketplace vonala mentén válik ketté. Az OpenClaw és a Hermes Agent egyaránt egykattintásos telepítés a Cloudzy marketplace-en, így egy előre konfigurált Ubuntu gépet kapsz beállított daemonnal, és az idődet a megerősítéssel és a csatornák csatlakoztatásával töltöd a telepítési szerelés helyett: OpenClaw és Hermes Ügynök. Az OpenHuman nem egykattintásos alkalmazás, de tisztán illik egy Cloudzy Linux VPS: állíts be egy gépet legalább 4 GB RAM-mal, futtasd az openhuman-core Docker konténert, helyezd TLS mögé egy fordított proxyval, és irányítsd rá az asztali klienst. A teljes root hozzáférés és az NVMe tárhely fedezi, amire a memóriafának és a mindig bekapcsolt ciklusnak szüksége van. Bármelyikre esik a választásod, a telepítés története ugyanúgy végződik: egy kis Linux VPS, amelyet te irányítasz, és amelyen az általad választott ügynök fut.

Gyakran ismételt kérdések

Biztonságos az OpenClaw saját üzemeltetése?

Yes, with caveats. OpenClaw has a heavy security history, with 500+ public CVE records listed across OpenCVE and the community CVE tracker, including critical/high-severity issues, and a large proportion of publicly exposed instances run with no authentication because misconfigured deployments expose port 18789 to the internet. Many CVEs are patched in current releases, so the practical risk is mostly about how you deploy: keep it off the public internet, require authentication, reach the dashboard over an SSH tunnel, and stay updated.

Mi a különbség az OpenHuman és a Hermes Agent között?

Az OpenHuman memória-központú: proaktívan gyűjti be az adataidat 100+ csatlakoztatott szolgáltatásból egy 20 perces cikluson, és modellt épít rólad, mielőtt promptolnád, valamint egy asztali alkalmazást szállít egy fejgép nélküli szervermaggal párosítva. A Hermes Agent szervernatív és reaktív; üzenetekre és ütemezett feladatokra reagál, ahelyett hogy előre lekérné az adataidat, de tartós készséggráfot épít a munkamenetek között egy tanulási cikluson keresztül. Röviden: az OpenHuman előre ismer téged; a Hermes idővel ismer meg.

Mennyi RAM-ra van szükségem ezeknek az ügynököknek a saját üzemeltetéséhez?

Az OpenClaw és a Hermes Agent alapszinten körülbelül 2 GB RAM-on fut, vagy 4 GB-on, ha sok beépülőmodult vagy nehéz ütemezett terheléseket futtatsz. Az OpenHuman 4 GB minimumot és 8 GB ajánlottat igényel. Egyik sem igényel GPU-t, hacsak nem párosítod az ügynököt egy helyben üzemeltetett modellel egy API helyett.

Melyik saját üzemeltetésű AI-ügynöknek van a legtöbb üzenetküldő integrációja?

Az OpenClaw, 23 üzenetküldő csatornával, köztük a WhatsApp, a Telegram, a Slack, a Discord, a Signal és az iMessage. A Hermes Agent 20+ platformot támogat, köztük a Telegram, a Discord, a Slack, a WhatsApp, a Signal, a Matrix, a Mattermost, az e-mail, az SMS, a Microsoft Teams és a Google Chat. Az OpenHuman egyáltalán nem chat-útválasztó; memória-központú, így adatot gyűjt, nem üzeneteket irányít.

Futhatnak ezek az ügynökök teljesen helyben, API-kulcs nélkül?

Mindhárom hív egy LLM-et, de azt az LLM-et egy helyi modellre is irányíthatod egy üzemeltetett API helyett. A Hermes Agent 300+ szolgáltatóval érkezik, köztük helyi futtatókkal; az OpenClaw és az OpenHuman párosítható egy helyi modellfuttatóval, például az Ollamával. A teljesen helyi futtatás általában több RAM-ot jelent, és egy GPU-t, ha ésszerű sebességet szeretnél a nagyobb modelleken.