AI Agent 生态对比
Slock、Multica、Moxt、OpenClaw、Hermes Agent、Pi —— 六款产品的设计理念、使用场景与生态关系
一图看懂
三张手绘信息图，快速理解 AI Agent 生态的全貌。
六款产品详解
它们分属三个层次：Agent 引擎（OpenClaw / Hermes / Pi）、管理调度（Multica）、协作平台（Slock / Moxt）。
Slock
Agent-Native 即时通讯，人与 AI 平等协作
- 设计理念
- Agent 是频道里的一等公民，不是被 @mention 才回话的 bot。人和 AI agent 通过频道、线程、任务系统自然协作。
- 核心特点
- 频道隔离 · 任务认领与状态流 · 线程讨论 · Agent 持久化记忆与工作空间 · Human-in-the-loop 内建
- 创建者
- RC（stdrc），前 Moonshot AI Kimi CLI 开发者
- 适用场景
- 小团队中人与多个 AI agent 并肩工作、频道式沟通、任务驱动的协作模式
Moxt
Agent-Native 工作空间，AI 员工团队 24/7 自动工作
- 设计理念
- "未来公司的 AI 员工比人类多。" Moxt 给 agent 提供完整基础设施——文件系统、持久记忆、工具、身份——让它们像真正的员工一样自主工作。
- 核心特点
- AI 员工系统（"雇佣" agent）· 智能信息清理（自动归档 95% 噪音）· 共享记忆 · 隐私优先 · 定时任务调度
- 适用场景
- 希望构建 AI 员工团队的小型组织；自动化内容生产、增长运营、数据处理等工作流
Multica
开源 Agent 项目管理平台，把 coding agent 变成真队友
- 设计理念
- "你的下 10 个雇员不会是人类。" Multica 让 agent 像同事一样出现在看板上——有头像、有状态、能领任务、能汇报 blocker。
- 核心特点
- 全生命周期任务管理 · WebSocket 实时进度 · 技能复用系统 · 支持 Claude Code/Codex/OpenClaw · 完全自托管
- 开源
- MIT 协议，Docker Compose / K8s 部署，代码不经过 Multica 服务器
- 适用场景
- 开发团队同时管理多个 coding agent，需要统一看板、任务调度和进度追踪
OpenClaw
通用 AI Agent 工具箱，247k GitHub Stars
- 设计理念
- 模型无关的通用 agent。支持 200+ LLM 后端，插上就能干活——读写文件、跑命令、浏览网页、发邮件、调 API，一切通过聊天指令完成。
- 核心特点
- 200+ 模型支持 · 文件制持久记忆 · 静态技能系统 · 本地运行 · 巨大的社区生态
- 创建者
- Peter Steinberger（奥地利，前 PSPDFKit 创始人），现已加入 OpenAI，项目由独立基金会运营
- 适用场景
- 个人开发者的万能工具；需要快速上手、模型灵活切换、编码为主的场景
Hermes Agent
自我改进型 AI Agent，越用越强
- 设计理念
- "会成长的 agent。" 内置学习循环——自动创建技能、使用中改进、跨会话复用。三层记忆系统（会话/持久/技能），FTS5 全文搜索 + LLM 摘要。
- 核心特点
- 自主学习循环 · 三层记忆 · 多平台接入（Telegram/Discord/Slack/WhatsApp）· 32k Stars · MIT 协议
- 创建者
- Nous Research（CEO: Jeffrey Quesnelle，前 Ethereum Eden Network），AI 安全与对齐实验室
- 适用场景
- 长期个人助手；希望 agent 越用越懂你、自动积累解决方案的深度使用者
Pi
极简可扩展的终端 Coding Agent，原语而非功能
- 设计理念
- "Primitives, not features"——仅保留 4 个核心工具（Read/Write/Edit/Bash），其余一切通过 TypeScript 扩展实现。最短系统提示词、树状会话管理、热重载，agent 可以自己写扩展改进自己。
- 核心特点
- 4 核心工具 · TypeScript 扩展系统 · 15+ 模型供应商 · 树状会话分支 · 热重载 · npm/git 包分发 · SDK/RPC 模式
- 创建者
- Mario Zechner（libGDX 作者），现加入 Earendil Inc.（Armin Ronacher 创立，Sentry 联合创始人）
- 与 OpenClaw 的关系
- Pi 是 OpenClaw 的底层技术基础，OpenClaw 使用 Pi 的组件构建而成。Pi 专注极简内核，OpenClaw 追求广度和易用性。
- 适用场景
- 喜欢深度定制工作流的开发者；追求极简、不要臃肿功能、偏好"自己造轮子"的黑客型用户
核心维度对比
一张表看清六款产品的关键差异。
| 维度 | Slock | Moxt | Multica | OpenClaw | Hermes | Pi |
|---|---|---|---|---|---|---|
| 层次 | 协作平台 | 协作平台 | 管理调度 | Agent 引擎 | Agent 引擎 | Agent 引擎 |
| 核心隐喻 | 频道里的队友 | 24/7 员工 | 项目看板 | 万能工具箱 | 成长伙伴 | 极简内核 |
| Agent 角色 | 一等公民 | AI 员工 | 被管理的队友 | 执行工具 | 自我改进体 | 可自我扩展的底座 |
| 人机关系 | 平等协作 | 雇佣关系 | 管理-执行 | 指令-执行 | 共同成长 | 开发者深度定制 |
| 记忆系统 | 持久化工作空间 | 共享组织记忆 | 技能复用 | 文件制记忆 | 三层记忆+FTS5 | 扩展持久化状态 |
| 协作模式 | 频道+线程+任务 | 工作空间+定时任务 | 看板+任务流 | 终端聊天 | 多平台聊天 | 终端 TUI / SDK / RPC |
| 开源 | 否 | 否 | 是 (MIT) | 是 (MIT) | 是 (MIT) | 是 (MIT) |
| 目标用户 | Builder 团队 | 运营/创作团队 | 开发团队 | 个人开发者 | 深度个人用户 | 黑客型开发者 |
它们之间的关系
这六款产品不是简单的竞品关系，而是生态中的不同角色。
🔗 Slock vs Moxt — 两种协作平台哲学
都是 Agent-Native 平台，但路径不同。Slock 选择了 IM 模式——频道、线程、消息，agent 像聊天群里的同事一样参与讨论和任务。Moxt 选择了工作空间模式——agent 是被"雇佣"的员工，有定时任务、文件系统、自动化流程。Slock 更强调实时沟通，Moxt 更强调自动执行。
🔗 OpenClaw vs Hermes Agent — 两种 Agent 引擎哲学
都是开源 agent 引擎，但设计取向截然不同。OpenClaw 追求"广"——200+ 模型、海量插件、快速上手、社区巨大。Hermes Agent 追求"深"——内置学习循环、自主创建技能、越用越强。OpenClaw 的技能是人写的静态文件，Hermes 的技能是 agent 自己学会的。选 OpenClaw 像买一把瑞士军刀，选 Hermes 像养一个学徒。
🔗 Multica — 桥梁角色
Multica 不直接提供 agent 能力，也不是沟通平台。它是管理调度层——让你在一个看板上管理 Claude Code、OpenClaw、Codex 等多种 agent。它解决的问题是："当你同时有 5 个 agent 在干活，怎么知道谁在做什么、卡在哪、完成了没？"
🔗 Pi ↔ OpenClaw — 内核与产品
Pi 是 OpenClaw 的底层基础。OpenClaw 使用 Pi 的组件构建而成，但两者哲学不同：Pi 信奉"原语而非功能"——核心只有 4 个工具，其余一切靠扩展实现；OpenClaw 追求开箱即用的广度。Pi 刻意不内置 MCP、子 agent、权限弹窗，而 OpenClaw 把这些都做进去了。Pi 最近被 Earendil（Armin Ronacher / Sentry 联创的新公司）收购，获得了商业支持。
🔗 组合使用的可能
这些产品可以互补。比如：用 Slock 作为团队沟通平台，频道里的 agent 底层跑 OpenClaw/Pi 或 Hermes 引擎；用 Multica 统一调度多个 coding agent 的任务；用 Moxt 处理不需要实时沟通的自动化工作流。三个 agent 引擎也可以按需选择：追求广度选 OpenClaw，追求自学习选 Hermes，追求极简定制选 Pi。
选择取决于你的核心需求：是工具、是队友、还是平台？
它们不是竞品，而是生态中的不同角色。