跳转至

繁體中文 | 简体中文 | English

Agent 5 种型态 — 你的 agent 跑在哪、为谁服务？

← 回主路线 README

📌 这份是 mental model reference。看完之后你会知道：“同样叫 agent、为什么 Claude Code、Hermes Agent、OpenClaw 用起来完全不同感受？” 已经知道想用哪个 → resources/cli-agents-guide.zh-Hans.md（7 CLI 并排比较）或 resources/cookbook.zh-Hans.md（step-by-step 部署）。

“Agent”一词被用得很泛。Cursor 是 agent、Claude Code 是 agent、Telegram 上跟你聊天的 Hermes 也是 agent、家里 Jetson 板子跑的 OpenClaw 也是 agent。但这 4 个东西用起来完全不同感受 —— 因为它们属于不同 paradigm。差别不在 LLM 是哪家、而在 agent 跑在哪、你用什么界面跟它互动、需不需要联网。

理解 paradigm 之后你才知道:搬一个 use case 从 Type 2 到 Type 4 不是“换工具”、是换思考方式。

一张表先建立认知

Type 代表 Agent 跑在哪 你用什么界面 LLM 离线 OK? 月成本（粗估）
1. IDE-coupled Cursor / Cline / Continue 你 IDE 内 IDE sidebar 多 provider ❌ $0-20
2. Terminal pair-programmer Claude Code / Codex / Gemini CLI 你 terminal terminal REPL 绑特定家 ❌ $20 订阅 或 API 用量
3. BYO-LLM CLI Aider / OpenCode / goose 你 terminal terminal REPL 自带 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 本机 Ollama（Qwen / Llama / Mistral） ✅ 一次硬件 €549、之后 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 写一个 React component。左边 editor、右边 Cursor sidebar 聊天。你选一段 code 按 Cmd+K、Cursor 就地改写。改完之后你看 inline diff、accept/reject。

为什么这型存在:写 code 的时候你眼睛要看 code、不能去 terminal 对话。IDE-coupled agent 把 LLM 放在你视线旁边、保留视觉 context。

适合:edit 多、explore 少;side-by-side coding;需要 visual diff。 不适合:需要 agent 自己跑多步骤（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 开 Claude Code、输入“refactor 整个 auth module、把 callback 改成 async/await、跑 tests”。Claude Code 自己读档、改档、跑 pytest、报告结果。整个过程 5-10 分钟、你看 streaming output。

为什么这型存在:Claude Code / Codex 把整个 terminal 变成 agent 的 workspace。agent 有 file system / shell / git 完整 access、可以自主完成多步骤 task。比 Type 1 更 autonomous。

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

适合:agentic task;长 refactor;paper writing;任何 1-2 step 之上的工作。 不适合:跨多家 LLM 比较成本;非 coding/writing 场景;offline。

Type 3: BYO-LLM CLI — “multi-provider 同 mental model”

代表:Aider / OpenCode / goose / Hermes Agent*

Hero example: 你想用 DeepSeek-R1 写 code（比 Claude Opus 便宜 10×）。Aider 设 --model deepseek/deepseek-reasoner + OPENROUTER_API_KEY 就能跑、git-aware、commit message 自动写。

跟 Type 2 的差别:Type 2 绑特定家、Type 3 你带 API key、任何 OpenAI-compatible endpoint 都行。

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

适合:实验多家 LLM;省 cost;本机 LLM;不想被一家绑。 不适合:怕 setup 复杂（要管 API key、provider config）。

*Hermes Agent 既属于 Type 3（CLI mode）也属于 Type 4（cloud mode）—— 取决于你怎么部署。下面细讲。

Type 4: Cloud-deployed — 例:Hermes Agent

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

Hero example: 你坐在地铁、手机开 Telegram、对 Hermes bot 说“整理今天 arXiv ML 新 paper、给我 3 个 highlights、传回 Telegram”。Hermes agent 在你 $5 DigitalOcean VPS 上跑、收讯息、决定该用 GPT-5（找 paper）+ Claude Opus（写 summary）+ Gemini Flash（压缩成 3 条）、执行完传结果回 Telegram。整个过程你没碰 laptop。

5 个 distinctive feature:

  1. Multi-platform chat interface:Telegram / Discord / Slack / WhatsApp / Signal 都能当入口。你在哪个平台 ping、agent 就在哪回。
  2. Multi-LLM routing（200+ model neutral）:OpenRouter + NVIDIA NIM + 智谱 GLM + Kimi + 小米 MiMo + MiniMax + HF + OpenAI + Anthropic + Google。同一 conversation 内可跨 LLM。
  3. 24/7 在线:agent 不依赖你 laptop、cloud VPS host、任何时刻可用。
  4. Built-in cron:“每天 9am 抓 X 给我 Y”这种 routine 直接内建。
  5. Self-improving skill loop（frontier feature）:agent 跟你互动久了会 generalize 出 skill、跨 session 演化。

为什么这型存在:当 agent 是“个人助理”而不是“pair programmer”时、它不该绑你 laptop。Type 4 把 agent 变成 24×7 service。

特色:deployment cost ~$5/月 VPS + API;中国圈 LLM 支持（GLM / Kimi）—— 对外服务不稳时是 fallback gateway。

Trade-off: - ⚠️ Skill loop 是 frontier feature、缺独立 audit、production critical task 慎用 - 失去 IDE / terminal 的 file system 直接读写便利、变成 chat-first workflow - 需要会 self-host VPS（Linux / docker / systemd 基础）

适合:跨平台通知;24/7 routine（每天抓 paper / 看股票 / 提醒）;中国圈 LLM;多 LLM cost optimization;非 laptop-bound 工作流。 不适合:纯写 code（Type 2 native）;不想 self-host;对 production reliability 要求高。

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

代表:OpenClaw（社群、Jetson 生态） / ClawBox（€549 预装 Jetson 套件、67 TOPS）

Hero example: 你是法律事务所、要 AI 帮你整理当事人病历 + 医疗记录 + 医师证词、产出时序表。但这些资料绝对不能上 cloud。你买一台 ClawBox（NVIDIA Jetson Orin Nano + 预装 OpenClaw + Ollama + Qwen 3.5 7B）、放在事务所网络内、SSH 进去跟它工作。所有资料只在这台 €549 的盒子里、无 telemetry、无 API call、完全可审计。

5 个 distinctive feature:

  1. Hardware-specific:NVIDIA Jetson 系列（Orin Nano 8 GB、Thor 128 GB）或 Raspberry Pi。GPU 加速、边缘推论。
  2. 本机 LLM only:Ollama backend、跑 Qwen 3.5 2B-7B / Llama / Mistral / Gemma 等 open-weight。没有任何 cloud API call。
  3. 零云端依赖 / 完全可审计:localhost-bound、network-isolated 可用、无 telemetry。
  4. Edge-optimized memory:semantic search memory file < 10 MB、跨 session 记忆（例:openclaw-memory-enhancer）。
  5. Physical AI bridge:可控物理 device（robot / sensor / smart home）—— agent 跨 physical + digital 环境。

为什么这型存在:当资料不能离开本机时（医疗 / 法律 / 军工 / 隐私敏感）、cloud-deployed 不是选项。Type 5 把 agent 完全 on-device、用 €549 换 0 cloud cost + 0 data exposure。

特色:一次硬件投资、之后 API 0 元;对应 NVIDIA 边缘硬件生态;Jetson Thor 跑 30B model 也 OK。

Trade-off: - 模型受边缘 hardware 限制（Orin Nano 跑 7B 上限、Thor 才到 30B） - Setup 比 cloud 复杂（要会 NVIDIA Jetson 环境、JetPack、Docker、Ollama） - 没有 cloud-deployed 的 24/7 跨平台便利

适合:隐私敏感资料;offline-first;家用 AI box（smart home）;physical AI（robot）;长期持有、不想付 API recurring cost。 不适合:不会 Linux / NVIDIA 环境;需要前沿 model（GPT-5 / Claude Opus）;不想花 €549。

Subagent — “在 agent runtime 里再 spawn agent”

上面 5 个 type 讲的是 agent 跑在哪里（IDE / Terminal / 任意 CLI / Cloud / Edge）。Subagent 是另一个维度：一个 agent 在执行任务时，spawn 出另一个 agent 跑子任务。

主要两种实作路径：

路径 怎么启动 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） 写 .claude/agents/<name>.md，主 session 用 Task tool invoke Claude Code subagent + Claude Agent SDK

差别在 runtime ownership： - Framework path：你自己的 Python process 跑 orchestrator，各 sub-agent 是程序内的对象 - Claude path：Claude Code 自己 spawn 新 agent instance，parent / child 共用 Claude runtime，parent 只看到 child 的最终 result（context 自动隔离）

选哪个：要跨 LLM provider（GPT + Claude + Gemini 混用）或要把 multi-agent 包进别的应用程序 → framework path。已 commit Claude Code、只在 Claude 生态 → subagent path（少很多 boilerplate）。

完整对照表见 Stage 5.5 开头；想直接看 15 个 daily dispatch recipe → subagent-cookbook.zh-Hans.md（每个含场景 + 用哪个 subagent + 复制即用的 prompt 模板）。

跨型态组合（power user pattern）

真实 user 常常同时用 2-3 个 type、各做擅长的事:

个人 power-user 多 type workflow

为什么这样搭: - Type 2 处理 code（terminal 界面最自然） - Type 4 处理 routine + 跨平台（laptop 没开时也工作） - Type 5 处理隐私（不可上 cloud）

Decision tree（简化文字版）

选哪个 agent type 决策树

跟既有 stage / branch 的连结

我自己怎么用

  • 每天主开发:Type 2（Claude Code、订阅制）
  • paper monitoring:暂时手动（每周手动扫 arXiv）—— 之后想试 Type 4 Hermes 自动化
  • research vault:Claude Code 在 laptop 内调用 research-hub pipeline（Type 2 模式）
  • 没接触 Type 5:目前资料没到“不能上 cloud”的敏感程度

Type 4 / Type 5 你之后玩了、可以再回来补这份 reference 自己的 use case。

References