跳轉到

繁體中文 | 简体中文 | English

Agent 5 種型態 — 你的 agent 跑在哪、為誰服務？

← 回主路線 README

📌 這份是 mental model reference。看完之後你會知道：「同樣叫 agent、為什麼 Claude Code、Hermes Agent、OpenClaw 用起來完全不同感受？」 已經知道想用哪個 → resources/cli-agents-guide.md（7 CLI 並排比較）或 resources/cookbook.md（step-by-step 部署）。

「Agent」一詞被用得很泛。Cursor 是 agent、Claude Code 是 agent、Telegram 上跟你聊天的 Hermes 也是 agent、家裡 Jetson 板子跑的 OpenClaw 也是 agent。但這 4 個東西用起來完全不同感受 —— 因為它們屬於不同 paradigm。差別不在 LLM 是哪家、而在 agent 跑在哪、你用什麼介面跟它互動、需不需要連網。

理解 paradigm 之後你才知道：搬一個 use case 從 Type 2 到 Type 4 不是「換工具」、是換思考方式。

一張表先建立認知

Type 代表 Agent 跑在哪 你用什麼介面 LLM 離線 OK？ 月成本（粗估）
1. IDE-coupled Cursor / Cline / Continue 你 IDE 內 IDE sidebar 多 provider ❌ $0-20
2. Terminal pair-programmer Claude Code / Codex / Gemini CLI 你 terminal terminal REPL 綁特定家 ❌ $20 訂閱 或 API 用量
3. BYO-LLM CLI Aider / OpenCode / goose 你 terminal terminal REPL 自帶 API key ❌ API 用量
4. Cloud-deployed Hermes Agent $5 VPS / Modal Telegram / Slack / 任一 chat app 200+ provider routing ❌ $5 server + API
5. Edge-deployed OpenClaw / ClawBox Jetson 板子 / Raspberry Pi local chat / SSH 本機 Ollama（Qwen / Llama / Mistral） ✅ 一次硬體 €549、之後 0

→ 4 跟 5 都是「deployed autonomous agent」（agent 不在你 laptop 前、跑在外面 24×7 serve 你）。4 在 cloud、5 在 edge。剩下的 1-3 是「co-located agent」（agent 跟你一起在 laptop 上、你走它停）。

Type 1: IDE-coupled — 「sidebar pair-programmer」

代表：Cursor / Windsurf / Cline / Continue / Zed

Hero example： 你在 Cursor 寫一個 React component。左邊 editor、右邊 Cursor sidebar 聊天。你選一段 code 按 Cmd+K、Cursor 就地改寫。改完之後你看 inline diff、accept/reject。

為什麼這型存在：寫 code 的時候你眼睛要看 code、不能去 terminal 對話。IDE-coupled agent 把 LLM 放在你視線旁邊、保留視覺 context。

適合：edit 多、explore 少；side-by-side coding；需要 visual diff。 不適合：需要 agent 自己跑多步驟（agent 在 sidebar 不太自由）；non-coding task。

Type 2: Terminal pair-programmer — 「Claude Code paradigm」

代表：Claude Code / Codex / Gemini CLI

Hero example： 你在 terminal 開 Claude Code、輸入「refactor 整個 auth module、把 callback 改成 async/await、跑 tests」。Claude Code 自己讀檔、改檔、跑 pytest、報告結果。整個過程 5-10 分鐘、你看 streaming output。

為什麼這型存在：Claude Code / Codex 把整個 terminal 變成 agent 的 workspace。agent 有 file system / shell / git 完整 access、可以自主完成多步驟 task。比 Type 1 更 autonomous。

特色：訂閱制（$20/月可用整月、不算 token）；綁定特定 LLM 家族（Claude Code = Claude only）。

適合：agentic task；長 refactor；paper writing；任何 1-2 step 之上的工作。 不適合：跨多家 LLM 比較成本；非 coding/writing 場景；offline。

Type 3: BYO-LLM CLI — 「multi-provider 同 mental model」

代表：Aider / OpenCode / goose / Hermes Agent*

Hero example： 你想用 DeepSeek-V4-Pro（2026-04 preview、開源 MIT、前身 R1 reasoning lineage 已併入主線）寫 code（比 Claude Opus 便宜 10×）。Aider 設 --model deepseek/deepseek-reasoner + OPENROUTER_API_KEY 就能跑、git-aware、commit message 自動寫。

跟 Type 2 的差別：Type 2 綁特定家、Type 3 你帶 API key、任何 OpenAI-compatible endpoint 都行。

特色：cost-sensitive；多 provider 比較；自架 LLM（Ollama / vLLM）也能用。

適合：實驗多家 LLM；省 cost；本機 LLM；不想被一家綁。 不適合：怕 setup 複雜（要管 API key、provider config）。

*Hermes Agent 既屬於 Type 3（CLI mode）也屬於 Type 4（cloud mode）—— 取決於你怎麼部署。下面細講。

Type 4: Cloud-deployed — 例：Hermes Agent

代表：Hermes Agent（Nous Research、★ 156k+、MIT）

Hero example： 你坐在地鐵、手機開 Telegram、對 Hermes bot 說「整理今天 arXiv ML 新 paper、給我 3 個 highlights、傳回 Telegram」。Hermes agent 在你 $5 DigitalOcean VPS 上跑、收訊息、決定該用 GPT-5（找 paper）+ Claude Opus（寫 summary）+ Gemini Flash（壓縮成 3 條）、執行完傳結果回 Telegram。整個過程你沒碰 laptop。

5 個 distinctive feature：

  1. Multi-platform chat interface：Telegram / Discord / Slack / WhatsApp / Signal 都能當入口。你在哪個平台 ping、agent 就在哪回。
  2. Multi-LLM routing（200+ model neutral）：OpenRouter + NVIDIA NIM + 智譜 GLM + Kimi + 小米 MiMo + MiniMax + HF + OpenAI + Anthropic + Google。同一 conversation 內可跨 LLM。
  3. 24/7 在線：agent 不依賴你 laptop、cloud VPS host、任何時刻可用。
  4. Built-in cron：「每天 9am 抓 X 給我 Y」這種 routine 直接內建。
  5. Self-improving skill loop（frontier feature）：agent 跟你互動久了會 generalize 出 skill、跨 session 演化。

為什麼這型存在：當 agent 是「個人助理」而不是「pair programmer」時、它不該綁你 laptop。Type 4 把 agent 變成 24×7 service。

特色：deployment cost ~$5/月 VPS + API；中國圈 LLM 支援（GLM / Kimi）—— 對外服務不穩時是 fallback gateway。

Trade-off： - ⚠️ Skill loop 是 frontier feature、缺獨立 audit、production critical task 慎用 - 失去 IDE / terminal 的 file system 直接讀寫便利、變成 chat-first workflow - 需要會 self-host VPS（Linux / docker / systemd 基礎）

適合：跨平台通知；24/7 routine（每天抓 paper / 看股票 / 提醒）；中國圈 LLM；多 LLM cost optimization；非 laptop-bound 工作流。 不適合：純寫 code（Type 2 native）；不想 self-host；對 production reliability 要求高。

Type 5: Edge-deployed — 例：OpenClaw / ClawBox

代表：OpenClaw（社群、Jetson 生態） / ClawBox（€549 預裝 Jetson 套件、67 TOPS）

Hero example： 你是法律事務所、要 AI 幫你整理當事人病歷 + 醫療記錄 + 醫師證詞、產出時序表。但這些資料絕對不能上 cloud。你買一台 ClawBox（NVIDIA Jetson Orin Nano + 預裝 OpenClaw + Ollama + Qwen 3.5 7B）、放在事務所網路內、SSH 進去跟它工作。所有資料只在這台 €549 的盒子裡、無 telemetry、無 API call、完全可審計。

5 個 distinctive feature：

  1. Hardware-specific：NVIDIA Jetson 系列（Orin Nano 8 GB、Thor 128 GB）或 Raspberry Pi。GPU 加速、邊緣推論。
  2. 本機 LLM only：Ollama backend、跑 Qwen 3.5 2B-7B / Llama / Mistral / Gemma 等 open-weight。沒有任何 cloud API call。
  3. 零雲端依賴 / 完全可審計：localhost-bound、network-isolated 可用、無 telemetry。
  4. Edge-optimized memory：semantic search memory file < 10 MB、跨 session 記憶（例：openclaw-memory-enhancer）。
  5. Physical AI bridge：可控物理 device（robot / sensor / smart home）—— agent 跨 physical + digital 環境。

為什麼這型存在：當資料不能離開本機時（醫療 / 法律 / 軍工 / 隱私敏感）、cloud-deployed 不是選項。Type 5 把 agent 完全 on-device、用 €549 換 0 cloud cost + 0 data exposure。

特色：一次硬體投資、之後 API 0 元；對應 NVIDIA 邊緣硬體生態；Jetson Thor 跑 30B model 也 OK。

Trade-off： - 模型受邊緣 hardware 限制（Orin Nano 跑 7B 上限、Thor 才到 30B） - Setup 比 cloud 複雜（要會 NVIDIA Jetson 環境、JetPack、Docker、Ollama） - 沒有 cloud-deployed 的 24/7 跨平台便利

適合：隱私敏感資料；offline-first；家用 AI box（smart home）；physical AI（robot）；長期持有、不想付 API recurring cost。 不適合：不會 Linux / NVIDIA 環境；需要前沿 model（GPT-5 / Claude Opus）；不想花 €549。

Subagent — 「在 agent runtime 裡再 spawn agent」

上面 5 個 type 講的是 agent 跑在哪裡（IDE / Terminal / 任意 CLI / Cloud / Edge）。Subagent 是另一個維度：一個 agent 在執行任務時、spawn 出另一個 agent 跑子任務。

主要兩種實作路徑：

路徑 怎麼啟動 代表
Framework-based（Stage 4） pip install langgraph / crewai / autogen + Python orchestration code LangGraph / CrewAI / AutoGen / Swarm / Strands
Claude Code 原生（Stage 5.5） 寫 .claude/agents/<name>.md、主 session 用 Task tool invoke Claude Code subagent + Claude Agent SDK

差別在 runtime ownership： - Framework path：你自己的 Python process 跑 orchestrator、各 sub-agent 是程式內的物件 - Claude path：Claude Code 自己 spawn 新 agent instance、parent / child 共用 Claude runtime、parent 只看到 child 的最終 result（context 自動隔離）

選哪個：要跨 LLM provider（GPT + Claude + Gemini 混用）或要把 multi-agent 包進別的應用程式 → framework path。已 commit Claude Code、只在 Claude 生態 → subagent path（少很多 boilerplate）。

完整對照表見 Stage 5.5 開頭；想直接看 15 個 daily dispatch recipe → subagent-cookbook.md（每個含情境 + 用哪個 subagent + 複製即用的 prompt 範本）。

跨型態組合（power user pattern）

真實 user 常常同時用 2-3 個 type、各做擅長的事：

個人 power-user 多 type workflow

為什麼這樣搭： - Type 2 處理 code（terminal 介面最自然） - Type 4 處理 routine + 跨平台（laptop 沒開時也工作） - Type 5 處理隱私（不可上 cloud）

Decision tree（簡化文字版）

選哪個 agent type 決策樹

跟既有 stage / branch 的連結

我自己怎麼用

  • 每天主開發：Type 2（Claude Code、訂閱制）
  • paper monitoring：暫時手動（每週手動掃 arXiv）—— 之後想試 Type 4 Hermes 自動化
  • research vault：Claude Code 在 laptop 內呼叫 research-hub pipeline（Type 2 模式）
  • 沒接觸 Type 5：目前資料沒到「不能上 cloud」的敏感程度

Type 4 / Type 5 你之後玩了、可以再回來補這份 reference 自己的 use case。

References