OpenClaw против Hermes: ИИ-агенты превращаются в команды

Два крупных релиза вышли почти одновременно и показали две разные версии одного будущего: ИИ-агенты перестают быть личными инструментами и становятся частью общей рабочей инфраструктуры

30 августа 2026 года проект OpenClaw выпустил версию 2.0. Уже на следующий день, 31 августа, Nous Research выпустила Hermes Agent v0.21.0 с кодовым названием Pantheon. Формально это два независимых релиза. Но если поставить их рядом, получается очень наглядная картина того, куда движутся ИИ-агенты

OpenClaw делает ставку на общую долговечную сессию, к которой могут подключаться разные люди и которая способна выполнять работу на разных машинах. Hermes идет с другой стороны: собирает постоянную команду специализированных агентов, которые знают друг друга, общаются между собой и передают задачи

Если совсем коротко: раньше главным вопросом было «что умеет мой агент?». Теперь становится важнее другой вопрос: «как несколько людей и несколько агентов будут работать вместе?»

OpenClaw называет 2.0 крупнейшим обновлением в истории проекта. По данным официального анонса, над релизом работали 933 участника, включая 569 новых контрибьюторов, а в него вошло более 16 000 pull request. Авторы оценивают этот объем примерно в половину всех PR, когда-либо влитых в OpenClaw

Обновление затронуло практически все: установку, браузерный интерфейс, память, skills, модели, автоматизации, плагины, безопасность и работу с устройствами. Установку упростили так, чтобы OpenClaw мог быстрее использовать уже имеющиеся подписки ChatGPT или Claude, API-ключи и локальные модели. Веб-интерфейс фактически перестроили как основную рабочую среду, а не вспомогательную панель

Вокруг релиза уже встречается более громкая формулировка: будто OpenClaw теперь способен сам «генерализоваться» от простых сценариев к сложным и без настройки понимать все недостающие детали. Я бы так не писал. В официальном описании действительно много улучшений вокруг памяти, skills, автоматизаций, subagents и расширения сценариев, но это не равнозначно универсальному самообучению

Самое важное изменение для темы командной работы гораздо приземленнее и одновременно фундаментальнее: сессия агента перестает быть жестко привязанной к одному компьютеру и одному человеку

В документации OpenClaw cloud session описана как обычная сессия, у которой вычислительная работа выполняется на другой машине. При этом Gateway остается владельцем разговора, рабочего состояния, учетных данных модели и информации о том, где сейчас выполняется задача

Для пользователя это означает простую вещь: чат и состояние работы существуют отдельно от конкретного железа. Команды и редактирование файлов могут выполняться на компьютере с Gateway, на заранее подключенном устройстве или на временном облачном worker. Если облачная машина исчезла, сама сессия не обязана исчезнуть вместе с ней

До сих пор типичный агентный сценарий был довольно персональным. Пользователь открывает терминал или приложение, запускает агента, дает ему доступ к конкретному проекту и работает в одной локальной сессии. Пока задача живет внутри этого окружения, все удобно. Проблемы начинаются, когда работу надо передать другому человеку, перенести на сервер или продолжить с другого устройства

· Агент работает в конкретной локальной среде

· Контекст в основном связан с одной пользовательской сессией

· Передача задачи другому человеку часто требует заново объяснять состояние работы

· Долгие задачи зависят от доступности конкретной машины

· Совместная работа строится вокруг человека, который запустил агента

· Сессия может жить дольше конкретной машины

· Выполнение можно переносить между локальным хостом, подключенным устройством и облаком

· Другой участник команды может подключиться к уже идущей работе

· Контекст и история не обязаны теряться при передаче задачи

· Агент постепенно становится элементом общего рабочего процесса

Компании никогда не работали по схеме «один человек — один компьютер — одна задача до конца». Люди подключаются к проектам, уходят в отпуск, передают работу коллегам, используют серверы, CI/CD, облака и разные уровни доступа. Персональный агент хорошо вписывался в индивидуальную работу, но плохо — в организационную

Shared sessions начинают закрывать именно этот разрыв. Вместо «моего агента на моем ноутбуке» появляется идея постоянной рабочей сессии, вокруг которой могут меняться люди и вычислительные ресурсы. Это уже больше похоже на инфраструктуру, чем на обычное приложение

В самом анонсе OpenClaw 2.0 разработчики пишут, что Shared cloud sessions появились из внутренней потребности: команда хотела совместно вести задачи и передавать их друг другу без потери того, что агент уже знает. Питер Штейнбергер позже описал переход команды на team.openclaw.ai как переход к общему агенту, который видит, над чем работают участники команды, и помогает координировать работу

В его формулировке локальные coding harnesses после этого стали ощущаться как «relics of the past». Это, конечно, мнение автора проекта, а не доказанный конец локальных агентов. Но направление мысли показательное: ценность начинает смещаться от самого агента к общей среде, в которой он работает

Почти одновременно с OpenClaw 2.0 вышел Hermes Agent v0.21.0 Pantheon. Релиз тоже огромный: в официальных release notes указано около 5 800 коммитов, примерно 2 475 слитых PR и более 760 контрибьюторов с момента v0.20.0. Но важнее не цифры, а центральная функция — Bot Mode

В Bot Mode каждый Bot фактически является отдельным профилем Hermes. У него могут быть собственная роль, модель, память, skills, учетные данные, аватар и история разговоров. Для него создается постоянный канонический Bot Chat — своего рода «долгоживущий рабочий стол» конкретного специалиста

Например, можно завести Researcher, Analyst, Coder и Editor. Они не обязаны быть четырьмя копиями одной и той же модели: профили могут отличаться моделями и набором инструментов. Один исследует, другой анализирует, третий пишет код, четвертый собирает итог

Ключевой шаг Pantheon — межагентное взаимодействие стало обычной пользовательской функцией. В групповых чатах можно собрать несколько ботов и человека, обращаться к конкретному участнику через @mention и наблюдать общий разговор. Команда `hermes peer` позволяет агентам отправлять друг другу прямые сообщения между профилями и даже между разными gateway

При этом ботов можно создавать на разных машинах: локальном компьютере, удаленном сервере или другой подключенной инсталляции Hermes. Получается не один «мозг с подзадачами», а набор постоянных рабочих сущностей, каждая из которых сохраняет свою специализацию

OpenClaw: общая работа людей вокруг долговечной агентной сессии Hermes: постоянная команда агентов вокруг работы

Это не жесткое разделение. OpenClaw тоже умеет multi-agent и subagents, а Hermes тоже поддерживает удаленные машины, постоянные сессии и человеческое участие в групповых чатах. Но акценты хорошо видны: OpenClaw сейчас особенно интересно решает проблему совместного владения работой, Hermes — проблему постоянного состава взаимодействующих специалистов

Если бы подобные идеи были только у OpenClaw и Hermes, их можно было бы списать на особенности двух быстро развивающихся open-source сообществ. Но похожие механизмы уже появляются у крупных платформ

У Claude Code есть экспериментальная функция Agent Teams: одна сессия становится team lead, создает независимых teammates, распределяет задачи через общий список и позволяет агентам писать друг другу напрямую. Пользователь при этом может обращаться не только к лидеру, но и к отдельным участникам команды

Это очень близко к идее Hermes: самостоятельные контексты, общий список задач и peer-to-peer коммуникация. Anthropic прямо отличает agent teams от обычных subagents: subagent возвращает результат родителю, а teammate может координироваться с другими участниками

OpenAI в Codex app делает другой акцент: приложение позиционируется как command center для нескольких агентов, которые могут работать параллельно над разными задачами и проектами. Для этого используются изолированные рабочие окружения, worktrees и облачное выполнение длительных задач

Здесь человеку отводится роль не собеседника одного агента, а диспетчера: поставить несколько задач, наблюдать за прогрессом, вмешаться там, где нужен выбор, и собрать результат

У GitHub Copilot cloud agent задача уходит в отдельное временное окружение, агент исследует репозиторий, планирует изменения, работает с веткой и готовит результат для проверки человеком. GitHub отдельно развивает custom agents и автоматизации, которые позволяют специализировать поведение и запускать работу по расписанию или событиям

Эти продукты не одинаковы и решают разные задачи. Но общий вектор уже заметен: агент отвязывается от одного окна чата и становится длительно работающей сущностью внутри процесса

Точное устройство будущих агентных систем еще не определилось. Зато уже можно увидеть последовательность, по которой меняется пользовательская модель

Классическая схема последних лет: пользователь разговаривает с одним универсальным помощником. Агент получает задачу, использует инструменты и возвращает результат

Пользователь перестает пытаться сделать одного помощника специалистом во всем. Исследование, код, проверка, документация или работа с данными распределяются между разными агентами

Здесь начинается то, что сейчас показывают OpenClaw, Hermes и Claude Code. Агентная система должна понимать не только свои подзадачи, но и то, кто из людей и других агентов участвует в работе, кто владеет контекстом и кому передавать следующий шаг

Следующий логичный шаг — постоянные агенты на уровне организации. Не «Петя запустил Researcher», а «у команды есть Researcher». Такой агент существует независимо от конкретного сотрудника, знает свои рабочие правила, имеет ограниченный доступ к данным, выполняет регулярные задачи и сохраняет организационную память

В такой модели будут особенно важны не только лучшие модели, но и механика вокруг них:

· единая или разделяемая память

· маршрутизация задач между агентами

· общие и персональные skills

· понимание ролей людей и агентов

· контроль прав доступа

· аудит решений и действий

· перенос выполнения между локальными и облачными средами

В этот момент слово «агент» начинает означать уже не отдельное приложение. Оно становится ближе к понятиям «сервис», «роль» или даже «участник процесса»

Чем красивее звучит идея общего агента для всей команды, тем быстрее появляется неприятный, но неизбежный вопрос: что именно этот общий агент имеет право видеть и делать

OpenClaw довольно прямо описывает это ограничение в документации по безопасности: один Gateway — это одна доверительная граница. Командные роли и ограничения помогают организовать работу людей, которые уже доверяют друг другу, но не превращают одну инсталляцию в полноценную безопасную multi-tenant среду для взаимно недоверенных пользователей

В multi-user режиме OpenClaw появляются создатель сессии, текущий владелец, история участников и live presence. Это полезно для совместной работы, но сама документация подчеркивает: такие механизмы — удобство и контроль, а не абсолютная изоляция

У Hermes профили уже разнесены по отдельным конфигурациям, памяти, skills, credentials и истории. Это хороший строительный блок для специализации, но по мере появления настоящих корпоративных команд вопросы безопасности все равно становятся центральными

· кто имеет доступ к памяти конкретного агента

· какие секреты и учетные данные доступны агенту

· что может увидеть другой участник общей сессии

· может ли один агент передавать данные другому

· кто подтверждает рискованные действия

· как сохранить историю решений и понять, кто инициировал действие

· что происходит с доступами после ухода сотрудника из команды

· как изолировать проекты, клиентов и организации друг от друга

Парадокс следующей волны агентов: сделать агента облачным и общим технически относительно просто. Сделать его безопасным участником команды заметно сложнее

Для этой практики ничего устанавливать не нужно. Возьмите реальную задачу, которую вы регулярно выполняете на работе или в личном проекте, и попробуйте описать ее не как один большой промпт, а как процесс между несколькими ролями

· выберите задачу, в которой есть хотя бы три разных типа работы

· назначьте роли, например Researcher, Executor и Reviewer

· для каждой роли определите, какие данные ей действительно нужны

· запишите, какой результат один агент должен передавать следующему

· отдельно отметьте информацию, которую нельзя передавать между ролями

· решите, что должно сохраняться в общей памяти после завершения работы

Если после такого разбиения задача стала понятнее, перед вами как раз тот класс процессов, для которого командные агенты могут оказаться полезнее одного универсального помощника

OpenClaw 2.0 и Hermes Pantheon интересны не потому, что один из проектов вдруг «победил» другого. Они интересны тем, что почти одновременно обозначили две стороны одной новой задачи

· OpenClaw показывает, как люди могут совместно владеть одной агентной работой и переносить ее между вычислительными средами

· Hermes показывает, как несколько постоянных агентов могут жить как команда, общаться напрямую и сохранять собственные роли

· Claude Code, Codex и GitHub Copilot подтверждают, что параллельные, облачные и командные агентные сценарии становятся отдельным классом интерфейсов

Следующая конкуренция, вероятно, будет идти уже не только вокруг того, у кого «умнее агент». Намного важнее станут координация, общая память, распределение работы, наблюдаемость, права доступа и безопасность

Вчера: у меня есть агент

Сегодня: мы работаем вместе с агентами Завтра: агенты — наши коллеги по процессу и часть инфраструктуры команды

Материал подготовлен по официальным релизам и документации проектов на 1 сентября 2026 года. Больше статей на тему