DSH vs Hermes vs Claude Code vs Codex vs OpenCode
这五个都能做 Agent，但优化目标完全不同。本页把官方可核验事实和基于架构得出的实际取舍分开，重点回答：各自适合谁、优点是什么、缺点在哪里。
本页内容
核验日期：2026 年 8 月 25 日
这不是跑分榜，也不是“谁绝对最好”的宣传页。功能事实来自各项目官方仓库与官方文档；“优点 / 缺点”是基于这些公开架构和产品定位做出的实际取舍判断。
快速结论
选 DSH
你最在意的是 插件化 Harness，想自己组合运行时，而且喜欢本地 Web UI。
选 Hermes
你想要的是 长期个人 Agent：记忆、自学习 Skills、Cron、远程运行，以及 Telegram / Discord 等消息入口。
选 Claude Code
你主要做开发，并且偏好 Claude 模型 + 成熟编程工作流。
选 Codex
你要的是 OpenAI 编程生态，希望 CLI、IDE、Desktop、Cloud 都能接起来。
选 OpenCode
你最看重 开源 + 多模型自由度，包括大量 Provider 和本地模型。
核心功能对比
| 维度 | DeepSeek Harness | Hermes Agent | Claude Code | OpenAI Codex | OpenCode |
|---|---|---|---|---|---|
| 核心定位 | 插件优先的 Agent Harness | 长期运行的个人 / 自主 Agent | 以 Claude 为中心的编程 Agent | 覆盖本地与云端的 OpenAI 编程 Agent | 开源、多模型编程 Agent |
| 主要界面 | 本地 Web UI、CLI / Headless | TUI、Desktop、20+ 消息平台 | 终端、IDE、GitHub | CLI、IDE、桌面端、Codex Cloud | TUI、Desktop Beta、Client/Server 生态 |
| 模型策略 | DeepSeek + Provider Catalog + 自定义 Provider | 模型无绑定：Nous Portal、OpenRouter、OpenAI、自定义 Endpoint | 以 Claude 模型为核心 | 以 OpenAI / ChatGPT 模型为核心 | 75+ Provider + 本地模型 |
| 扩展方式 | Everything-is-a-plugin；MCP、Skills、Subagents、Workflow | 内置 Toolsets、Skills、MCP、Memory Provider、各类集成 | Plugins、MCP、Hooks、Subagents | Skills、Plugins、Hooks、MCP、Subagents、SDK / App Server | Plugins、自定义 Tools、MCP、Agents/Subagents、LSP |
| 长期记忆 | 有 Session 和可扩展能力；官方暂未把 Hermes 式自学习长期记忆循环作为核心定位 | 核心功能：长期记忆、跨会话召回、自我改进 Skills | 以项目指令和 Claude Code 定制为主，不以长期个人记忆 Agent 为核心 | 有项目指令、Skills 与产品级记忆能力，但核心仍是编程工作流 | 以项目 / 配置驱动为主，不以持久个人记忆为核心定位 |
| 自动化 / 远程 | Headless、Workflow、Schedule、SSH / 本地 Web | 内置 Cron、远程执行 Backend、消息平台投递都是核心能力 | 通过 Hooks、Plugins、GitHub 工作流做自动化 | 本地非交互模式 + Cloud + GitHub Action + Remote 产品能力 | Client/Server 架构、生态客户端、可配置 Agent |
| 许可证 | MIT | MIT | All rights reserved；受 Anthropic Commercial Terms 约束 | Apache-2.0 | MIT |
| 成熟度提示 | Developer Preview，官方明确会有破坏兼容性的更新 | 功能范围很广、持续快速迭代 | 成熟商业编程产品 | 成熟的 OpenAI 编程产品，CLI 开源 | 快速迭代的开源项目；Desktop 与新插件接口仍在演进 |
各自优点和缺点
DeepSeek Harness (DSH)
DeepSeek · 适合想自己改造 Harness、偏好本地 Web UI、重视插件级组合能力的人。
优点
- 插件架构非常明确，几乎所有能力都可组合
- MIT 开源
- 原生本地 Web UI
- MCP、Skills、Subagents、Workflow 能放在同一运行时里
缺点 / 取舍
- 仍处于 Developer Preview
- 官方明确提示会出现破坏兼容性的变更
- 社区插件增长很快，第三方插件质量与安全性需要单独判断
Hermes Agent
Nous Research · 适合想要真正长期运行的个人 Agent：跨会话记忆、自动学习 Skills、定时任务、远程执行和消息平台接入。
优点
- 长期记忆与跨会话召回是核心能力
- 内置 Cron 和消息平台 Gateway
- 模型 Provider 非常灵活
- 浏览器、媒体、Delegation、MCP 工具面很广
缺点 / 取舍
- 系统面比纯编程 Agent 更复杂
- 需要管理更多状态、集成和凭证
- 长期记忆和自学习很有价值，但也意味着要更关注它保存和重复使用了什么
Claude Code
Anthropic · 适合主要做软件开发，而且本身就偏好 Claude 模型生态的人。
优点
- 终端 / IDE 编程体验聚焦
- Plugins、MCP、Hooks、Subagents 定制能力强
- 与 Claude 模型和 Anthropic 产品栈结合紧密
- 项目型开发工作流相对直接
缺点 / 取舍
- 不是宽松开源许可证
- 模型选择以 Claude 为中心，不是通用多 Provider 路由器
- 如果目标是长期个人自动化 Agent，Hermes 的定位更直接
OpenAI Codex
OpenAI · 适合想用 OpenAI 的整套编程工作流，同时需要 CLI、IDE、桌面和 Cloud 的人。
优点
- CLI 使用 Apache-2.0 开源
- 本地 CLI + IDE + Desktop + Cloud
- Skills、MCP、Hooks、Subagents 与自动化能力完整
- Sandbox / Approval 模型清晰，并与 ChatGPT 账户体系结合
缺点 / 取舍
- OpenAI / ChatGPT 生态是中心
- 产品横跨多个端，理解成本比单一本地 Harness 更高
- Provider 自由度不如 Hermes 或 OpenCode
OpenCode
Anomaly · 适合想要开源、终端优先，并且希望自由切换大量云端模型或本地模型的人。
优点
- MIT 开源
- 75+ Provider，并支持本地模型
- TUI 与 Client/Server 架构很强
- 内置 LSP、MCP、Agents/Subagents 和 Plugin 支持
缺点 / 取舍
- 部分新版 Plugin API 仍是 Beta
- Desktop 目前仍标注 Beta
- 不像 Hermes 那样把长期个人记忆和跨平台自动化放在产品核心
到底怎么选
| 你的核心需求 | 优先看 | 原因 |
|---|---|---|
| 自己搭一个高度可定制的 Agent Runtime | DSH | 它明确把“Everything is a Plugin”作为核心架构。 |
| 长期记忆 + 定时任务 + 消息平台自动化 | Hermes | Memory、Cron、远程 Backend 和 20+ 消息平台就是其核心产品能力。 |
| 以 Claude 为主的软件开发 | Claude Code | 进入 Anthropic Claude 编程工作流最直接。 |
| OpenAI / ChatGPT 本地 + 云端编程 | Codex | CLI、IDE、Desktop、Cloud、Skills 和 OpenAI 账户体系都在同一产品族里。 |
| 大量 Provider / 本地模型自由切换 | OpenCode | 多 Provider 和 Local Model 是它最明确的差异点之一。 |