最近在看各个 AI 智能体（Agent）的底层架构，从早期的 Codex 类项目，到最近很火的 OpenClaw、Hermes-Agent，再到 Anthropic 官方下场的 Claude Code。

如果你自己用 API 跑过这些 Agent 就会发现一个很有意思的现象：同样是完成一个复杂的本地代码任务，有的 Agent 像个无底洞，疯狂吞噬你的 Token 额度；而有的却极其精打细算，不仅速度快，账单还便宜得离谱。

深挖了一下它们的底层逻辑，我发现这根本不是模型能力的问题，而是架构设计思路有着天壤之别。

今天简单按四种路线给大家复盘一下。

1. Hermes-Agent：自我进化的“精简主义者”

Hermes 给我的最大感觉就是：它把算力全花在“刀刃”上了。

大部分人在写 Agent 的时候，习惯于手写几千字的 System Prompt，恨不得把所有的规则、工具说明全塞进去。但 Hermes 走的是一条完全不同的路——DSPy 提示词变异与压缩。

它在后台就像一个编译器，会自己跑测试用例，利用算法不断“淘汰”冗余的词汇，最后硬生生把庞大的工具描述压缩到 500 个字符以内。最绝的是它的程序化记忆机制：如果它今天费了九牛二虎之力排查出一个环境配置的 Bug，它会把这条成功的“思维链”提取出来，固化成一个十几 KB 的微型技能文件。下次再遇到同样的问题，直接调用“肌肉记忆”，跳过昂贵的推理过程。

再加上它强制在对话中途不改变系统提示词，完美白嫖了底层大模型的 KV Cache，首字响应极快，Token 消耗被压到了极致。

2. Claude Code：大厂教科书级的“系统工程”

如果说 Hermes 是靠算法进化来省 Token，那 Claude Code 就是靠顶级的工程架构教大家做人。它完全把 Token 当成了操作系统的“内存”来管理。

在用其他 Agent 时，最崩溃的就是让它去读报错日志。几十页的 Garbage Log 一塞进去，上下文直接爆炸。Claude Code 怎么解决的？子智能体隔离（Sub-agent Isolation）。

主 Agent 遇到这种脏活累活，会直接拉起一个独立的子进程去读文件、试错。子进程在自己的上下文里摸爬滚打，最后只给主进程返回一句纯净的最终结论（比如：“XX 文件第 50 行少了个分号”）。所有的试错噪音都被完美隔离了。

而且它自带“内存垃圾回收”：当上下文占用过半，它会自动暂停，生成一个极度浓缩的历史摘要替换掉前面的长篇大论。配合原生的 Prompt Caching，既保持了长线作战的能力，又把损耗降到了最低。

3. OpenClaw 🦞：自带“全家桶”的解释器

相比之下，OpenClaw 的思路就显得非常狂野。它的设计哲学是：把完整的环境认知毫无保留地交给大模型。

这意味着极高的灵活性。但代价是什么？每次交互，它都会去本地工作区把 AGENTS.md（角色设定）、SOUL.md（性格）、TOOLS.md（工具说明）等文件全量动态拼接，然后一股脑丢给模型。

这就好比你让一个员工去复印个文件，他非要把公司的员工手册、企业文化、消防指南全背一遍才去干活。这种架构不仅基础 Token 载荷非常高，而且随着对话拉长，模型极其容易在冗长的设定中分散注意力。从安全审计的角度来看，这种大量读取本地文件作为 Prompt 的机制，也大大增加了被恶意注入的风险。

4. 传统智能体（如早期的 Codex 类）：大力出奇迹

至于更早期的那些 Agent，思路就更加简单粗暴了——纯靠模型不断增长的上下文窗口硬扛。

不管是 128k 还是 200k，遇到问题就是重度 RAG（检索增强），或者直接把整个代码库的目录树、完整的 AST 塞进去。这本质上是把大模型当搜索引擎用，用 Token 换能力。不仅贵得让人肉疼，还极其容易触发长文本的“Lost in the middle（中间遗忘）”现象。

总结一下

回头看这几个项目的底层逻辑，其实可以打个很贴切的比方：

• Hermes 像个编译器：平时疯狂优化自身指令，执行时只跑最优解。
• Claude Code 像个操作系统：通过进程隔离和内存回收，优雅地控制状态。
• OpenClaw 像个解释器：每次干活都要重新加载一遍全局环境变量。
• 传统 Agent 则像个搜索引擎：全文检索，大力出奇迹。

随着大模型能力逐渐逼近天花板，接下来的 Agent 赛道，拼的绝不仅仅是底座模型有多聪明，而是谁的架构设计能把 Token 用得更优雅、更高效。毕竟，能干活是一回事，不把老板（或者我们自己的钱包）搞破产是另一回事。