پرش به محتوای اصلی
پرش به محتوای مقاله

OpenClaw و Hermes؛ رقابت بر سر تسلط بر لایهٔ کنترلی عامل‌ها

·۴ تیر ۱۴۰۵۳ دقیقه مطالعه
دو ربات در حال گفتگو: یکی می‌گوید «عامل مستقل است»، دیگری می‌گوید «تحت کنترل ماست».
دو ربات در حال گفتگو: یکی می‌گوید «عامل مستقل است»، دیگری می‌گوید «تحت کنترل ماست».
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر محور رقابت از «قدرت استنتاج مدل» به «لایه کنترل و حافظه پایدار»؛ جایی که توانایی یادگیری عادت‌های کاربر، جایگزین دسترسی گسترده به APIها برای حفظ کاربر شده است.

لایه‌ای که حافظه، هویت و دسترسی‌ها را مدیریت می‌کند، اکنون به میدان اصلی نبرد برای تسلط بر محیط‌های اجرای عامل‌ها تبدیل شده است. در سال ۲۰۲۶، رقابت از مدل‌های زبانی فاصله گرفته و به جایگاه «لایهٔ کنترلی» منتقل شده است.

این رقابت در واقع جنگی میان دو استراتژی متفاوت برای بقای عامل‌هاست. طبق اعلام تحلیلگران، تفاوت این دو رویکرد شبیه تفاوت میان یک سرویس ابری مدیریت‌شده و یک زیرساخت میزبانی شخصی است؛ یکی یکپارچگی و حصارهای سازمانی را می‌فروشد و دیگری مالکیت کامل داده‌ها و محیط را.

دو ربات در حال گفتگو، نماد توافق بر مفهوم عامل و اختلاف بر کنترل‌کننده آن

OpenClaw استراتژی خود را بر گسترش شبکه و توزیع سازمانی متمرکز کرده است. این پروژه با متصل کردن عامل‌ها به ده‌ها کانال پیام‌رسان، توجه غول‌های سخت‌افزاری و نرم‌افزاری را جلب کرد. به نقل از تحلیل فنی جناکیرام ام.اس.وی (Janakiram MSV)، این مقیاس باعث پذیرش گسترده در بدنه شرکت‌های بزرگ شد:

  • انویدیا (Nvidia) در مارس ۲۰۲۶ در جریان رویداد GTC، این سیستم را در NemoClaw ادغام کرد تا اجرای سیاست‌های خارجی و محیط‌های ایزوله (Sandboxing) را ممکن کند.
  • مایکروسافت (Microsoft) در ژوئن ۲۰۲۶ در رویداد Build، آن را به کانتینرهای اجرای ویندوز منتقل کرد و عامل Scout را معرفی نمود که از طریق هویت Entra به Teams، Outlook و SharePoint متصل است.

در مقابل، Hermes Agent که توسط Nous Research در ۲۵ فوریه ۲۰۲۶ با مجوز MIT منتشر شد، بر «عمق» تمرکز دارد. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، تمرکز بر حریم خصوصی در لایه‌های زیرین حیاتی است. Hermes به‌جای گسترش کانال‌ها، بر یک سیستم حافظه لایه‌ای تأکید می‌کند که کدها و عادت‌های توسعه‌دهنده را در طول زمان می‌آموزد. این رویکرد باعث شده تا این عامل در سناریوهای عملیاتی پیچیده موفق عمل کند؛ برای مثال، برخی گزارش‌ها نشان می‌دهند که Hermes با دسترسی به ترمینال توانسته است خطاهای پیچیده لینوکس و فلاتر را برطرف کند.

بر اساس گزارش‌های آماری، Hermes تا اواخر ژوئن ۲۰۲۶ توانست ۲۲ تریلیون توکن (Token) را در رتبه‌بندی اپلیکیشن‌های OpenRouter ثبت کند و جایگاه نخست میزان استفاده را به‌دست آورد. این پروژه حتی دستور hermes claw migrate را معرفی کرد تا کاربران بتوانند تنظیمات و حافظه‌های خود را از OpenClaw وارد کنند؛ حرکتی که تحلیلگران آن را یک «تصاحب استراتژیک» می‌نامند. همچنین، معرفی دستور /learn در Hermes فرآیند خلق مهارت‌های جدید را برای کاربر به شکلی خودکار تبدیل کرده است که این امرC-قابلیت‌های یادگیری آن را تقویت می‌کند.

این چرخش نشان می‌دهد که حافظه، بیش از دسترسی به APIها، به ابزار اصلی «قفل‌شدگی کاربر» (Lock-in) تبدیل شده است. عاملی که یک سال است قراردادهای خاص یک برنامه‌نویس را می‌شناسد، بسیار ماندگارتر از عاملی است که صرفاً به اپلیکیشن‌های زیادی متصل است. با این حال، توزیع بدون نظارت ریسک‌های امنیتی دارد؛ چنان‌که یک حسابرسی امنیتی در سال جاری، ۳۴۱ مهارت مخرب را در بازار ClawHub شناسایی کرد.

برای تیم‌های فنی، انتخاب بر اساس هدف است. کسانی که به حفاظ‌ها (Guardrails) تحت مدیریت سازمانی و یکپارچگی شرکتی نیاز دارند، باید به اکوسیستم OpenClaw و Scout مراجعه کنند. اما کسانی که به دنبال استقلال از مدل خاص و داشتن یک بستر خصوصی و بلندمدت هستند، ارزش بیشتری در Hermes خواهند یافت.

مهندسان پلتفرم باید بدانند که لایهٔ زمان اجرا (Runtime) جایی است که وابستگی دائمی به فروشنده تثبیت می‌شود. برنده نهایی کسی خواهد بود که بتواند حافظه و حاکمیت داده را به‌طور هم‌زمان مقیاس‌بندی کند.

گام بعدی شما

  • اگر در محیط سازمانی فعالیت می‌کنید، بررسی کنید آیا Scout با استانداردهای هویت Entra در سازمان شما سازگار است.
  • توسعه‌دهندگان مستقل برای آزمایش مدیریت حافظه لایه‌ای، داکیومنت‌های Nous Research را مطالعه کنند.
  • در پروژه‌های حساس، پیش از استفاده از مهارت‌های ClawHub، یک لایهٔ بررسی امنیتی (Security Audit) تعریف کنید.

اما تأثیر این رقابت بر هزینه استنتاج در مقیاس میلیونی چه خواهد بود؟ به تحلیل ما درباره‌ی بهینه‌سازی‌های لایه استنتاج مراجعه کنید.

چرا این موضوع مهم است؟

این رقابت تعیین می‌کند که آیا کنترل عامل‌ها در دست پلتفرم‌های متمرکز (مانند مایکروسافت) خواهد بود یا در دست سیستم‌های باز با حافظه خصوصی. این تغییر، تعریف «مالکیت دیجیتال» را از داده‌ها به سمت «الگوهای رفتاری» مدل‌ها می‌برد.

تأثیر برای ایران

به دلیل ماهیت بازمتن و مجوز MIT پروژه Hermes، توسعه‌دهندگان ایرانی می‌توانند از این معماری برای ساخت عامل‌های خصوصی بدون وابستگی به زیرساخت‌های تحریمی مایکروسافت استفاده کنند.

·نگاه ما
تحریریه دات‌هوش

جایگزینی مدل-محوری با ران‌تایم-محوری در استراتژی‌های AI، نشان‌دهنده بلوغ بازار است. اکنون لایهٔ حافظه و مدیریت هویت، موانع خروج (Switching Costs) بسیار بالاتری نسبت به خودِ مدل ایجاد می‌کنند. در واقع، برندینگ مدل‌ها جای خود را به برندینگ «تجربه و شناخت کاربر» می‌دهد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.