OpenClaw vs OpenHuman vs Hermes Agent: สามวิธีในการ Self-Host AI ส่วนตัว

OpenClaw, OpenHuman และ Hermes Agent มักถูกนำมาเทียบกันอยู่เรื่อย ๆ บน GitHub Trending, HN และคลิปสรุปบน YouTube ราวกับว่าเป็นสิ่งเดียวกันสามแบบ แต่มันไม่ใช่ ความแตกต่างระหว่างพวกมันไม่ได้อยู่ที่รายการฟีเจอร์ แต่อยู่ที่ว่าแต่ละตัวเริ่มรู้จักคุณเมื่อไหร่

OpenHuman ประกอบแบบจำลองของคุณขึ้นมาก่อนที่คุณจะพิมพ์ prompt เสียอีก OpenClaw เรียนรู้จากสิ่งที่คุณบอกมัน ทีละเซสชัน ผ่านแอปแชตใดก็ตามที่คุณส่งข้อความหามัน Hermes อยู่ตรงกลาง: มันตอบสนองคุณเหมือน OpenClaw แต่เก็บความทรงจำถาวรที่เติบโตขึ้นทุกครั้งที่คุณใช้งาน แกนนี้ต่างหาก ยิ่งกว่าจำนวนดาวหรือรายการช่องทาง ที่เป็นตัวตัดสินว่าคุณต้องการเครื่องมือตัวไหนจริง ๆ

นี่คือการเปรียบเทียบบนแกนนั้น บวกกับมิติด้านความปลอดภัยที่สำคัญหากคุณจะรัน OpenClaw และแต่ละตัวรันที่ไหนได้บ้างเมื่อคุณเลือกแล้ว

เวอร์ชันสั้น

• เครื่องมือเหล่านี้แตกต่างกันบนแกนหนึ่ง: agent ได้รับบริบทของมันเมื่อไหร่ OpenHuman เน้นความทรงจำเป็นหลัก (มันดึงข้อมูลของคุณเข้ามาเชิงรุกทุก ๆ 20 นาที) OpenClaw ตอบสนองตามเซสชัน (มันรู้เฉพาะสิ่งที่คุณบอก) Hermes ตอบสนองแต่เก็บกราฟทักษะที่คงอยู่และพัฒนาตัวเองข้ามเซสชัน
• 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.
• OpenHuman เหมาะกับคนที่ต้องการให้ agent รู้จักตัวเองอยู่แล้ว: ความทรงจำเชิงรุกผ่านการเชื่อมต่อกว่า 100 รายการ แอปเดสก์ท็อปที่จับคู่กับคอร์เซิร์ฟเวอร์แบบ headless ที่คุณรันบน VPS ได้ มันยังเป็นตัวที่อ่อนอายุที่สุดในสามตัวและใช้สัญญาอนุญาต GPL-3.0 แต่มันก็มีแล้ว อย่างน้อยหนึ่ง CVE ที่รายงานไว้ดังนั้นให้ถือว่า "โปรเจกต์ที่ยังใหม่" เป็นเหตุผลให้ตรวจสอบแพตช์ ไม่ใช่หลักฐานว่ามีประวัติความปลอดภัยที่สะอาด
• Hermes Agent คือตัวเลือกที่เป็น server-native จากองค์กรวิจัยที่น่าเชื่อถือ (Nous Research) พร้อมงานตามกำหนดเวลา การมอบหมายงานให้ subagent วงจรการเรียนรู้ที่มีอยู่ในตัว และสัญญาอนุญาต MIT มันมี รอยเท้า CVE ที่เล็กกว่า เมื่อเทียบกับ OpenClaw แต่ก็ไม่ได้ว่างเปล่า ดังนั้นการมองด้านความปลอดภัยควรเป็น "ปัญหาที่รู้จักน้อยกว่า" ไม่ใช่ "ไม่พบเลย"

ความแตกต่างที่ตัดสินว่าคุณต้องการตัวไหน

ถามเครื่องมือแต่ละตัวด้วยคำถามเดียวกันว่า "ตอนนี้คุณรู้อะไรเกี่ยวกับฉันบ้าง ก่อนที่ฉันจะพูดอะไร?" แล้วคุณจะได้คำตอบสามแบบที่ต่างกัน นั่นคือการเปรียบเทียบทั้งหมดในคำถามเดียว

OpenHuman ตอบก่อนที่คุณจะถาม มันรันวง polling ทุก 20 นาทีกับบริการที่เชื่อมต่อผ่าน OAuth กว่า 100 รายการ (Gmail, Notion, GitHub, Slack, Calendar และอื่น ๆ) และเซิร์ฟเวอร์ MCP กว่า 5,000 ตัว โดยดึงข้อมูลของคุณเข้ามาและบีบอัดลงในโครงสร้าง Markdown ที่มีคะแนนซึ่งมันเรียกว่า Memory Tree เก็บไว้ใน SQLite ในเครื่องและสะท้อนเป็น Obsidian vault เมื่อถึงเวลาที่คุณเปิดบทสนทนา มันก็สร้างแบบจำลองชีวิตของคุณไว้แล้ว สโลแกนของมันเองที่ว่า "สมองที่สร้างความทรงจำแบบ local-first เกี่ยวกับชีวิตของคุณ" คือสถาปัตยกรรม ไม่ใช่การตลาด

OpenClaw ตอบด้วยสิ่งที่คุณบอกมันในเซสชันนี้ มันเป็น gateway: กระบวนการ daemon หนึ่งตัวจะกำหนดเส้นทางข้อความขาเข้าจากแอปแชตของคุณไปยังอินสแตนซ์ของ agent และบริบทจะสะสมแบบตอบสนองผ่านเซสชันเหล่านั้นและระบบปลั๊กอินของมัน มันรู้ว่าเกิดอะไรขึ้นในบทสนทนาและเครื่องมือของมันเปิดเผยอะไรออกมา มันไม่ได้นั่งอยู่เบื้องหลังคอยดึงข้อมูลจากกล่องจดหมายของคุณ

Hermes ตอบด้วยสิ่งที่มันเรียนรู้มาจนถึงตอนนี้ เช่นเดียวกับ OpenClaw มันเป็นแบบตอบสนอง; มันตอบสนองต่อข้อความและเหตุการณ์ตามกำหนดเวลามากกว่าจะดึงข้อมูลของคุณเชิงรุก แต่มันรันวงจรการเรียนรู้แบบปิด: มันสร้างทักษะจากประสบการณ์ ปรับปรุงทักษะเหล่านั้นขณะทำงาน และรักษาแบบจำลองผู้ใช้ที่คงอยู่ข้ามเซสชัน ดังนั้นมันจึงไม่รู้จักชีวิตทั้งหมดของคุณแบบที่ OpenHuman รู้ แต่ก็ไม่ได้เริ่มจากศูนย์ทุกเซสชันเช่นกัน ในเชิงสถาปัตยกรรมมันอยู่ตรงกลางระหว่างอีกสองตัว

เมื่อคุณมองเห็นการแบ่งแบบนี้แล้ว ส่วนที่เหลือของการเปรียบเทียบก็เข้าที่ ส่วนของแต่ละเครื่องมือด้านล่างจริง ๆ แล้วก็คือ "แต่ละคำตอบทำให้คุณต้องจ่ายอะไรและได้อะไรกลับมา"

OpenClaw: Gateway หลายช่องทาง

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.

เบื้องหลังมันคือ gateway daemon แบบ TypeScript/Node: กระบวนการ Gateway หนึ่งตัวจัดการช่องทาง เซสชัน เครื่องมือ และการกำหนดเส้นทางไปยังอินสแตนซ์ของ agent ที่แยกกัน พร้อมแดชบอร์ดเว็บที่ localhost:18789 บนนั้นมีระบบทักษะ/ปลั๊กอินพร้อมรีจิสทรีชุมชนขนาดใหญ่ โหมดเสียง (wake word และเสียงต่อเนื่องบนมือถือ) แบ็กเอนด์ Docker/SSH/sandbox และ Live Canvas พื้นที่ทำงานแบบภาพที่ขับเคลื่อนด้วย agent มันใช้สัญญาอนุญาต MIT และมีดาวมากที่สุดในสามตัวแบบทิ้งห่าง ที่กว่า 380K บน GitHub ซึ่งหมายถึงระบบนิเวศที่ใหญ่ที่สุดและทักษะจากบุคคลที่สามมากที่สุด ทั้งในแง่ดีและแง่ร้าย (จะพูดถึงแง่ร้ายในอีกสักครู่)

หากคุณได้อ่าน 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.

จุดแข็งตรงนี้พูดได้ง่าย: ไม่มีอะไรอื่นในการเปรียบเทียบนี้เข้าใกล้ในด้านการเข้าถึงช่องทางหรือขนาดระบบนิเวศ ข้อที่ต้องระวังคือพื้นที่ผิวทั้งหมดนั้น (23 ช่องทาง รีจิสทรีทักษะจากบุคคลที่สามขนาดใหญ่ แดชบอร์ดที่อยากให้เข้าถึงได้) ก็เป็นพื้นที่โจมตีด้วย ซึ่งเป็นหัวข้อของมันเอง

ประวัติความปลอดภัยของ OpenClaw: จริง ๆ แล้ว "Self-Hosted" ต้องการอะไรบ้างในกรณีนี้

ตัวติดตาม CVE ของชุมชนสำหรับ OpenClaw (jgamblin/OpenClawCVEs) ตอนนี้รายงาน 543 CVE ของ OpenClaw จากการสแกน CVE List V5 โดยตรง ในขณะที่ ฐานข้อมูล OpenCVE 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.

เคล็ดลับ จงเสริมความปลอดภัยก่อนที่จะเปิดเผยอะไรก็ตาม อย่าผูกแดชบอร์ดของ OpenClaw ไว้กับ 0.0.0.0 เก็บ port 18789 ไว้บน localhost และเข้าถึงมันผ่าน SSH tunnel (ssh -L 18789:localhost:18789 you@your-vps) หรือวางมันไว้หลัง reverse proxy ที่มีการยืนยันตัวตน ตรวจสอบการตั้งค่าเหล่านี้กับเอกสารปัจจุบันของ OpenClaw ก่อนเปิดใช้งานจริง ค่าเริ่มต้นเปลี่ยนไปในแต่ละรุ่น

มุมมองของผม: จำนวน CVE ของ OpenClaw เป็นเหตุผลให้ติดตั้งมันอย่างระมัดระวัง ไม่ใช่เหตุผลที่จะตัดมันทิ้ง มันถูกติดตั้งใช้งานอย่างแพร่หลายที่สุดในสามตัวก็เพราะมันมีความสามารถมากที่สุดนี่แหละ และ "ถูกติดตั้งอย่างแพร่หลายโดยคนที่ปล่อยประตูเปิดทิ้งไว้" คือสิ่งที่ทำให้เกิดตัวเลขพาดหัว รันมันแบบล็อกแน่นและอัปเดตอยู่เสมอ แล้วสถิติน่ากลัวส่วนใหญ่ก็จะเลิกอธิบายเครื่องของคุณ

OpenHuman: เน้นความทรงจำเป็นหลัก เดสก์ท็อปบวกเซิร์ฟเวอร์

สิ่งที่ต้องเข้าใจเกี่ยวกับ OpenHuman คือมันมีสองส่วน openhuman-core เป็นเซิร์ฟเวอร์ Rust JSON-RPC แบบ headless ที่รันเป็นคอนเทนเนอร์ Docker แบบสแตนด์อโลนบนพอร์ตที่กำหนดค่าได้ (ตรวจสอบค่าเริ่มต้นปัจจุบันในรีโพ) แอปเดสก์ท็อปซึ่งเป็นบิลด์ Tauri (React + Rust) เป็นไคลเอนต์แยกที่สื่อสารกับคอร์นั้น คอร์สามารถอยู่บน VPS ในขณะที่ไคลเอนต์เดสก์ท็อปเชื่อมต่อกับมันจากระยะไกล ซึ่งเป็นโมเดล self-host ที่ทำให้มันเกี่ยวข้องในที่นี้: เซิร์ฟเวอร์ที่เปิดตลอดเวลา ไคลเอนต์บาง ๆ บนแล็ปท็อปของคุณ

สิ่งที่คอร์นั้นทำคืองานด้านความทรงจำที่อธิบายไว้ก่อนหน้านี้: การเชื่อมต่อ OAuth กว่า 100 รายการบวกกับเซิร์ฟเวอร์ MCP กว่า 5,000 ตัวป้อนเข้าสู่วงดึงข้อมูลอัตโนมัติทุก 20 นาที บีบอัดผ่านขั้นตอนลดโทเคน (TokenJuice ซึ่งอ้างว่าลดได้ถึง 80%) ลงใน Memory Tree และ Obsidian vault สถานะความปลอดภัยดูมั่นคงบนกระดาษสำหรับโปรเจกต์ที่ยังใหม่ ด้วยการเข้ารหัส AES-256-GCM ขณะพัก การสร้างคีย์ด้วย Argon2id การผสานรวม keychain ของ OS และการ sandbox เครื่องมือผ่าน Docker/Bubblewrap/Firejail/Landlock ตอนนี้มีการรายงาน CVE อย่างน้อยหนึ่งรายการสำหรับ OpenHuman: CVE-2026-55743ซึ่งเป็นการหลบเลี่ยง sandbox/allowlist ของเครื่องมือ shell ที่ส่งผลกระทบต่อเวอร์ชันจนถึง 0.54.0 ดังนั้นการตีความที่ถูกต้องไม่ใช่ "ยังไม่มีประวัติ" แต่เป็น "โปรเจกต์ที่ยังใหม่ สถานะความปลอดภัยเปลี่ยนแปลงเร็ว ตรวจสอบเวอร์ชันที่แก้ไขแล้วก่อนติดตั้ง"

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.

ข้อควรระวังหนึ่งเรื่องแหล่งข้อมูล: เว็บไซต์เอกสารภายนอกของ OpenHuman เข้าไม่ได้ตอนที่ผมตรวจสอบ ดังนั้นข้อมูลจำเพาะข้างต้นจึงมาจาก README บน GitHub ตัวติดตามปัญหา และรีโพ ไม่ใช่พอร์ทัลเอกสารที่ขัดเกลาแล้ว ข้อมูลเหล่านั้นสอดคล้องกันในทุกแหล่ง แต่หากคุณจะพึ่งพาตัวเลขใดตัวเลขหนึ่ง ให้ตรวจสอบกับรีโพอีกครั้งก่อนตัดสินใจ

Hermes Agent: Server-Native พร้อมวงจรการเรียนรู้

โดยพื้นฐานแล้ว Hermes ยังคงเป็น server-native แต่มันไม่ได้เข้ากลุ่ม "ไม่มีแอปเดสก์ท็อป" อย่างชัดเจนอีกต่อไป เอกสารทางการตอนนี้มี Hermes Desktop ควบคู่ไปกับการติดตั้งแบบ command-line ในขณะที่ตัว agent เองยังคงรันบน VPS, cloud VM หรือสภาพแวดล้อมเซิร์ฟเวอร์อื่นได้ คุณสามารถโต้ตอบกับมันผ่านแพลตฟอร์มการส่งข้อความ แอปเดสก์ท็อป หรืออินเทอร์เฟซเทอร์มินัลจริงที่มีการแก้ไขหลายบรรทัดและการเติมคำสั่งแบบ slash อัตโนมัติ หาก OpenHuman คือ "เดสก์ท็อปที่มีคอร์เซิร์ฟเวอร์" และ OpenClaw คือ "gateway ที่คุณพิมพ์คุยด้วย" Hermes ก็ใกล้เคียงกับ "agent ที่เน้นเซิร์ฟเวอร์เป็นหลักโดยมีการเข้าถึงเดสก์ท็อปเป็นทางเลือก"

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.

วงจรการเรียนรู้คือสิ่งที่แยกมันออกจาก agent ที่ตอบสนองแบบธรรมดา: มันสร้างทักษะจากประสบการณ์และเก็บแบบจำลองผู้ใช้ข้ามเซสชัน ดังนั้นมันจึงสะสมความมีประโยชน์เมื่อเวลาผ่านไปโดยไม่ต้องดึงข้อมูลเชิงรุกแบบ OpenHuman ในด้านความปลอดภัย Hermes ไม่ได้ปลอด CVE OpenCVE แสดงรายการ CVE หลายสิบรายการสำหรับ NousResearch/hermes-agentรวมถึงปัญหาเกี่ยวกับการยืนยันตัวตน WebSocket/DNS rebinding การ injection การ traversal พาธ และการจัดการ gateway/webhook นั่นยังเป็นประวัติสาธารณะที่เบากว่าของ OpenClaw แต่ข้อสรุปที่ถูกต้องคือ "ความเสี่ยงที่รู้จักน้อยกว่า" ไม่ใช่ "ไม่มีรายงานเลย"

เทียบกันตรง ๆ: สถาปัตยกรรม ความปลอดภัย การติดตั้ง ต้นทุน

นี่คือทั้งหมดในหน้าจอเดียว จำนวนดาวและเวอร์ชันเป็นข้อมูล ณ ต้นเดือนกรกฎาคม 2026 และเปลี่ยนแปลงเร็ว ดังนั้นให้ตรวจสอบอีกครั้งสำหรับสิ่งที่คุณจะนำไปอ้างอิง

เซลล์เหล่านี้ครอบคลุมข้อมูลจำเพาะ; ข้อแลกเปลี่ยนสองอย่างที่ตารางจับไม่ได้ควรได้รับการอธิบายอย่างละหนึ่งประโยค ความตึงเครียดระหว่างความปลอดภัยกับระบบนิเวศดึงไปคนละทาง: ประวัติ CVE ของ OpenClaw คือราคาของการเป็นเครื่องมือที่ถูกติดตั้งและต่อยอดมากที่สุดในหมวดหมู่ OpenHuman และ Hermes มีประวัติ CVE สาธารณะที่เล็กกว่ามาก แต่ก็ไม่ควรมองว่าตัวใดตัวหนึ่งสะอาดหรือยังไม่ผ่านการทดสอบอีกต่อไป ควรมองว่าพวกมันอ่อนอายุกว่าและถูกศึกษาน้อยกว่า และการแบ่งระหว่างเดสก์ท็อปกับเซิร์ฟเวอร์เป็นทางแยกที่แท้จริง: OpenHuman ยังคงเน้นเดสก์ท็อปบวกคอร์ความทรงจำมากที่สุดในสามตัว แต่ตอนนี้ Hermes ก็มีตัวติดตั้งเดสก์ท็อปด้วย ดังนั้นการแบ่งที่ชัดเจนกว่าไม่ใช่ "เดสก์ท็อปกับไม่มีเดสก์ท็อป" แต่เป็น "โมเดลเดสก์ท็อป/คอร์ที่เน้นความทรงจำเป็นหลัก กับ agent ที่เน้นเซิร์ฟเวอร์เป็นหลักโดยมีการเข้าถึงเดสก์ท็อปเป็นทางเลือก"

คุณควรเลือกตัวไหน?

จับคู่สถาปัตยกรรมเข้ากับประโยคที่ฟังดูเหมือนตัวคุณมากที่สุด:

• "ฉันอยากให้ agent รู้จักฉันอยู่แล้วก่อนที่ฉันจะถามอะไร" เลือก OpenHuman โมเดลความทรงจำเชิงรุกเป็นตัวเดียวในที่นี้ที่ประกอบบริบทขึ้นเบื้องหลัง และไม่มีอะไรอื่นเลียนแบบวงดึงข้อมูลจากการเชื่อมต่อ 100 รายการได้ คุณต้องจ่ายมันด้วย RAM (ขั้นต่ำ 4 GB) ความพยายามในการตั้งค่า และชุมชนที่เล็กกว่าและอ่อนอายุกว่า
• "ฉันอยากเข้าถึง AI ของฉันจาก WhatsApp, Telegram หรือแอปอะไรก็ตามที่ฉันใช้อยู่แล้ว" เลือก OpenClaw 23 ช่องทางของมันไม่มีใครสู้ได้ และระบบนิเวศก็ลึกที่สุด สิ่งที่คุณต้องแลกคือการบ้านด้านการเสริมความปลอดภัย
• "ฉันอยากได้งานฝั่งเซิร์ฟเวอร์ตามกำหนดเวลาและองค์กรวิจัยที่น่าเชื่อถืออยู่เบื้องหลังโปรเจกต์" เลือก Hermes Agent เป็น server-native มี cron อยู่ในตัว มีเครดิตจาก Nous Research และวงจรการเรียนรู้ที่สะสมผล โดยมีภาระ CVE สาธารณะน้อยกว่า OpenClaw แต่ก็ยังมีปัญหาที่รายงานไว้มากพอที่จะต้องมีวินัยในการอัปเดตตามปกติ

คำตัดสินอย่างรวดเร็ว ไม่มีผู้ชนะเพียงหนึ่งเดียว มันขึ้นอยู่กับว่าคุณอยากให้ agent เป็นอะไร ถ้าให้ผมเลือกแบบบรรทัดเดียว: OpenHuman สำหรับคนที่หมกมุ่นเรื่องความทรงจำและอยากได้ AI ที่อ่านใจพวกเขาก่อน OpenClaw สำหรับการเข้าถึงสูงสุดหากคุณจะติดตั้งอย่างมีความรับผิดชอบ Hermes สำหรับคนที่ต้องการ daemon งานอัตโนมัติแบบ server-native ที่สะอาดและไม่มีเรื่องดราม่า ใครก็ตามที่บอกคุณว่าตัวใดตัวหนึ่งดีที่สุดอย่างเป็นกลาง ยังไม่เข้าใจว่าพวกมันกำลังแก้ปัญหาสามอย่างที่ต่างกัน

อีกสองปัจจัยที่ควรใช้ตัดสินเมื่อยังตัดสินใจไม่ได้ สัญญาอนุญาต: GPL-3.0 (OpenHuman) สำคัญหากคุณตั้งใจจะ fork และแจกจ่ายซ้ำ; MIT (OpenClaw, Hermes) เป็นเส้นทางที่อิสระกว่าสำหรับเรื่องนั้น และความอดทนต่อความเสี่ยงด้านความปลอดภัย: หากความคิดที่จะรันเครื่องมือที่มีประวัติ CVE แบบ OpenClaw ทำให้คุณนอนไม่หลับแม้จะล็อกแน่นแล้ว นั่นเป็นเหตุผลอันชอบธรรมที่จะเลือกอีกสองตัว เพียงแต่อย่าเข้าใจผิดว่าประวัติ CVE ที่เล็กกว่าเป็นหลักฐานว่าโปรเจกต์ที่อ่อนอายุกว่าปลอดภัยกว่าโดยอัตโนมัติ

จะรันแต่ละตัวที่ไหน

ทั้งสามตัวเป็น daemon ที่เปิดทำงานตลอดเวลา; พวกมันต้องทำงานอยู่ตอนที่คุณไม่ได้อยู่หน้าโต๊ะ ซึ่งตัดตัวเลือกการรันจากแล็ปท็อปออกไปและชี้ไปที่ VPS (โฮสติ้งแบบแชร์ใช้ไม่ได้กับทั้งสามตัว: พวกมันต้องการ Docker, สิทธิ์ root และกระบวนการที่รันยาวนาน) ไม่มีตัวใดต้องใช้ GPU เว้นแต่คุณตัดสินใจจับคู่มันกับโมเดลในเครื่องแบบเต็มรูปแบบ ดังนั้น Linux VPS มาตรฐานก็ทำงานนี้ได้

การกำหนดขนาดในเชิงข้อมูลจำเพาะทั่วไป: OpenClaw และ Hermes ทำงานสบายบน RAM 2 GB เป็นเกณฑ์พื้นฐาน ขยับไปที่ 4 GB หากคุณรันปลั๊กอินจำนวนมากหรืองานที่ใช้ cron หนัก OpenHuman ต้องการขั้นต่ำ 4 GB และแนะนำ 8 GB โดยเฉพาะหากคุณจะโฮสต์โมเดลในเครื่องควบคู่ไปกับคอร์ ให้เผื่อพื้นที่ดิสก์แก่ตัวเลือกที่ใช้ความทรงจำหนักมากขึ้นด้วย เพราะ SQLite Memory Tree นั้นจะโตขึ้นตามประวัติของคุณ

เมื่อคุณเลือกแล้ว การติดตั้งจะแยกตามเส้นของ marketplace OpenClaw และ Hermes Agent ต่างก็ติดตั้งได้แบบคลิกเดียวบน marketplace ของ Cloudzy ดังนั้นคุณจะได้เครื่อง Ubuntu ที่ตั้งค่าไว้ล่วงหน้าพร้อม daemon ที่ตั้งค่าเรียบร้อย และใช้เวลาไปกับการเสริมความปลอดภัยและเชื่อมต่อช่องทางแทนที่จะเสียเวลากับงานติดตั้งจุกจิก: OpenClaw และ ตัวแทน HermesOpenHuman ไม่ใช่แอปแบบคลิกเดียว แต่มันเข้ากันได้ดีกับ Cloudzy Linux VPS: จัดสรรเครื่องที่มี RAM อย่างน้อย 4 GB รันคอนเทนเนอร์ Docker ของ openhuman-core วางมันไว้หลัง TLS ด้วย reverse proxy และชี้ไคลเอนต์เดสก์ท็อปของคุณมาที่มัน สิทธิ์ root เต็มรูปแบบและพื้นที่จัดเก็บ NVMe ครอบคลุมสิ่งที่ memory tree และวงที่เปิดตลอดเวลาต้องการ ไม่ว่าคุณจะเลือกตัวไหน เรื่องราวการติดตั้งก็จบลงแบบเดียวกัน: Linux VPS ขนาดเล็กที่คุณควบคุมเอง รัน agent ที่คุณเลือก

คำถามที่พบบ่อย

OpenClaw ปลอดภัยที่จะ Self-Host หรือไม่?

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.

OpenHuman กับ Hermes Agent ต่างกันอย่างไร?

OpenHuman เน้นความทรงจำเป็นหลัก: มันดึงข้อมูลของคุณเชิงรุกจากบริการที่เชื่อมต่อกว่า 100 รายการในวงทุก 20 นาที และสร้างแบบจำลองของคุณก่อนที่คุณจะสั่งมัน และมันมาพร้อมแอปเดสก์ท็อปที่จับคู่กับคอร์เซิร์ฟเวอร์แบบ headless Hermes Agent เป็น server-native และตอบสนอง; มันตอบสนองต่อข้อความและงานตามกำหนดเวลามากกว่าจะดึงข้อมูลของคุณล่วงหน้า แต่มันสร้างกราฟทักษะที่คงอยู่ข้ามเซสชันผ่านวงจรการเรียนรู้ กล่าวสั้น ๆ: OpenHuman รู้จักคุณตั้งแต่แรก; Hermes ค่อย ๆ รู้จักคุณเมื่อเวลาผ่านไป

ฉันต้องใช้ RAM เท่าไรในการ Self-Host agent เหล่านี้?

OpenClaw และ Hermes Agent รันบน RAM ประมาณ 2 GB เป็นเกณฑ์พื้นฐาน หรือ 4 GB หากคุณรันปลั๊กอินจำนวนมากหรืองานตามกำหนดเวลาที่หนัก OpenHuman ต้องการขั้นต่ำ 4 GB และแนะนำ 8 GB ไม่มีตัวใดต้องใช้ GPU เว้นแต่คุณจับคู่ agent กับโมเดลที่โฮสต์ในเครื่องแทนการใช้ API

AI Agent แบบ Self-Hosted ตัวใดมีการเชื่อมต่อการส่งข้อความมากที่สุด?

OpenClaw ด้วยช่องทางการส่งข้อความ 23 ช่องทาง รวมถึง WhatsApp, Telegram, Slack, Discord, Signal และ iMessage Hermes Agent รองรับกว่า 20 แพลตฟอร์ม รวมถึง Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, อีเมล, SMS, Microsoft Teams และ Google Chat OpenHuman ไม่ใช่ตัวจัดเส้นทางแชตเลย; มันเน้นความทรงจำเป็นหลัก ดังนั้นมันจึงดึงข้อมูลเข้ามาแทนที่จะจัดเส้นทางข้อความ

agent เหล่านี้รันในเครื่องแบบเต็มรูปแบบโดยไม่ต้องใช้ API Key ได้หรือไม่?

ทั้งสามตัวเรียกใช้ LLM แต่คุณสามารถชี้ LLM นั้นไปยังโมเดลในเครื่องแทน API ที่โฮสต์ไว้ได้ Hermes Agent มาพร้อมผู้ให้บริการกว่า 300 รายรวมถึงตัวรันในเครื่อง; OpenClaw และ OpenHuman สามารถจับคู่กับตัวรันโมเดลในเครื่องอย่าง Ollama ได้ การรันในเครื่องแบบเต็มรูปแบบมักหมายถึงต้องใช้ RAM มากขึ้น และ GPU หากคุณต้องการความเร็วที่เหมาะสมกับโมเดลขนาดใหญ่