qm 是什麼？和 Hermes Agent、Pi Agent、OpenClaw、Codex、Claude 怎麼選

這篇先講 qm，再把它放進 Hermes Agent、Pi Agent、OpenClaw、Codex 與 Claude 的使用模型裡比較。重點不是模型排行榜，而是：你要一個 coding agent、一個常駐個人助理，還是一個多人／組織 agent 平台？

先講結論：這六個東西不是同一層

如果只看 GitHub README，很容易把它們都叫作「AI agent」，然後開始比誰能讀檔、跑 shell、接 MCP。這樣比會失真，因為它們解決的問題不同。

所以第一個選擇不是「哪個最強」，而是先判斷：

• 你是不是主要在寫程式？
• agent 要不要常駐，從 Telegram 或 Slack 接任務？
• 只有你一個人，還是要服務多個員工與 room？
• 每個 scope 是否要隔離檔案、權限、memory、sandbox 與排程？
• 你要自己維運，還是直接使用 OpenAI / Anthropic 提供的產品入口？

qm 是什麼？不是另一個 Pi，也不是另一個聊天機器人

qm 的 README 第一行就把定位寫得很清楚：它是 A multiplayer agent harness for work. In Slack and on the web.

這句話的關鍵不是 agent，而是 multiplayer、work、Slack 與 web。

一般 personal assistant 的基本假設是：

一個人 → 一個 assistant → 一份主要記憶與工作空間

qm 的模型則是：

多個人／多個 room
        ↓
每個 scope 各自有 identity、memory、files、permissions、crons、sandbox
        ↓
同一個組織核心管理 policy、sessions、queue 與 agent harness

官方 README 明確列出，每個人與每個 room 可以有自己的：

• scoped memory；
• files；
• keychain view；
• permissions；
• crons；
• web apps；
• durable sandbox。

這使 qm 和一般「我在 terminal 裡開一個 agent」有本質差異。它不是只替你啟動一個 agent process，而是把 identity、scope、policy、持久化、執行環境與協作入口 一起包起來。

qm 的 agent 不綁定單一 harness

qm 另一個重要設計，是它的 core 可以接不同 harness 與 model。README 直接列出 Pi、OpenCode、Codex、Claude Code，表示 deployment 不必綁死在單一 vendor。

官方架構可以簡化成：

Postgres
  ↕
API / identity / policy / scheduler
  ↕
agent loop（Pi、OpenCode、Codex、Claude Code 等）
  ↕
每個 scope 自己的 durable sandbox

這讓 qm 的責任範圍和 Pi、Codex、Claude Code 分開：

• Pi、Codex、Claude Code 負責把 agent loop 跑起來；
• qm 負責誰在使用、在哪個 scope 使用、能看到什麼、能執行什麼、資料放在哪裡，以及怎麼從 Slack / web 進來。

因此，qm 比較像 agent operating layer / organization harness，不是又一個 coding CLI。

qm CLI 是 deployment tool，不是 runtime

qm 官方 CLI 可以透過 npm 初始化 deployment directory：

npm exec --yes --package=@yc-software/qm@latest -- \
  qm init . --org <slug> --target <fly-or-aws>
npm install
npm exec qm -- check
npm exec qm -- plan
npm exec qm -- up --yes
npm exec qm -- check --live

CLI 管理的是部署生命週期，包含：

• Docker、Fly、AWS target；
• check、doctor、plan、up、status、logs、down、rollback；
• sandbox image build / publish；
• deployment config、plugin、tool descriptor、skill tree 與 secrets routing。

這裡要特別分清楚：qm CLI 不是 agent runtime。 它把一份 deployment directory 驗證、渲染與部署出去；真正的 agent loop、scope persistence 與 web / Slack surface 是部署後的服務。

qm 的 sandbox 不要過度解讀

qm 的 deployment contract 把很多安全邊界寫成可驗證的設定，例如 command policy、approval、secret routing、sandbox image pin。可是官方也明確標註：sandbox.egress 在 contract v1 是 VALIDATED-ONLY，沒有宣稱 runtime enforcement。

所以文章裡不能把 qm 簡化成「完全隔離、完全封鎖網路的 agent」。比較精確的說法是：

qm 把 scope、權限、sandbox 與 deployment policy 變成組織可以管理的正式邊界；實際強度仍取決於 target、image、policy 與部署設定。

Hermes Agent：把 agent 變成真正會陪你工作的常駐助理

Hermes Agent 的核心不是「在 repo 裡幫我改一個 function」，而是 一個可以放進 terminal、messaging platform、IDE 與遠端環境，持續接工作並累積上下文的 autonomous agent。

官方文件將它描述成不綁定 IDE 或單一 API 的 agent。它可以在本機、VPS、GPU cluster 或其他執行環境工作；你可以從 Telegram 交辦，讓它在另一台機器上執行。

Hermes 的個人助理模型大致是：

使用者
  ↕ Telegram / Discord / Slack / WhatsApp / Email / API / Webhook
Hermes Gateway
  ↕
session + memory + skills + tools + cron + profile
  ↕
terminal / browser / MCP / background process / delegated agent

它原生提供的個人化結構包括：

• persistent memory：跨 session 保存使用者偏好、環境與穩定事實；
• skills：把解過的問題與可重用流程保存成 procedural memory；
• profiles：不同角色有獨立 config、session、skills 與 memory；
• gateway：接到 Telegram、Discord、Slack、WhatsApp、Signal、Email、SMS、Matrix 等入口；
• cron：排程執行工作，並把結果送回指定平台；
• MCP / plugins / webhooks：擴充工具與觸發方式；
• worktree / background / delegation：平行做 coding、research、QA 或批次工作。

這也是 Hermes 和 Pi 的主要差異：Pi 的核心是 agent runtime 與 coding agent；Hermes 從一開始就把 「agent 會在哪裡被叫到、怎麼記住你、怎麼在沒有人盯著時繼續工作」 當成產品的一部分。

Hermes 適合什麼個人助理工作？

例如：

• 在 Telegram 丟一個研究任務，讓它自己查資料、整理成筆記；
• 每天固定時間掃描資料，將報告送到指定群組；
• 一個 profile 做商業研究，另一個 profile 做 coding，兩者有不同 memory 與 workspace；
• 你在手機上交辦，agent 在 VPS 上跑測試、抓資料或更新檔案；
• 把一次性任務整理成 skill，下次直接重用流程。

Hermes 的代價是維運。你要管理 provider、gateway、tool permissions、profile、memory、cron、process 與平台連線。這不是「裝好一個 app 就不用想」的路線，而是把個人助理的控制權與可組合性拿回來。

Pi Agent：最適合拿來組裝自己的 coding agent

Pi 的 README 把專案拆成幾個清楚的 package：

• pi-agent-core：agent runtime、tool calling、state management；
• pi-coding-agent：互動式 coding agent CLI；
• pi-ai：多 provider LLM API；
• TUI 與其他可組合的 package。

啟動 Pi 的方式很直接：進入 repo，執行 pi，然後讓它讀檔、改檔、跑命令。

npm install -g --ignore-scripts @earendil-works/pi-coding-agent
cd /path/to/project
pi

預設工具是：

• read；
• write；
• edit；
• bash。

Pi 的強項不是把最多平台接在一起，而是把 agent loop、session、skills、extension 與 provider 做成可以自己改的積木。

Pi 的 session 是一棵可分支的工作樹

Pi 會把 session 存到 ~/.pi/agent/sessions/，以 JSONL tree structure 保存。你可以：

pi -c                  # 繼續最近一次 session
pi -r                  # 選擇舊 session
pi --fork <path|id>    # 從舊 session 分支
pi --session <path|id> # 打開指定 session

互動模式也有 /tree、/fork、/clone、/compact、/export 等操作。

這種 session tree 適合「同一個 coding 問題試兩條路」：先讓 agent 提出做法 A，再回到前一個節點嘗試做法 B，不必把每次實驗都塞進線性對話。

但要注意：session resume 不是完整的 personal memory。 它保存的是某個 agent 工作歷史；它不等於 Hermes 那種跨多個 session、以使用者與環境為中心的長期記憶系統。

Pi 的 skills 與 extensions 是組裝點

Pi 遵循 Agent Skills standard，可從 global、project、package、settings 或 CLI path 載入 skills；也可以把 Claude Code 或 Codex 的 skill directories 加進 Pi 的設定。

Pi 的 extension 則可以深入改變：

• tools；
• slash commands；
• UI；
• event handling；
• provider；
• session 行為。

這讓 Pi 很適合拿來打造「我的 coding agent」：你可以加上特殊工具、客製化輸出、連接自己的 provider，或把它嵌進其他產品。

不過 Pi README 也明確提醒：Pi 沒有內建 permission system，預設使用啟動 process 的 filesystem、process、network 與 credential 權限。 需要更強的隔離，要自行使用 Gondolin、Docker、OpenShell 或其他 sandbox。

Pi 能不能當個人助理？可以，但通常要再組一層

pi-chat 就是一個很好的例子。它是 Pi 的額外 extension，不是 Pi core 內建功能。它可以：

• 接 Discord 與 Telegram；
• 每個 channel 建一個 Gondolin micro-VM；
• 保存 account-wide 與 channel-specific memory；
• 自動發現 skills；
• 接收檔案；
• 用 tmux 管理多個 Pi workers；
• 從聊天指令控制 stop、compact、new session 與 status。

所以 Pi 可以組成 personal assistant，但結構是：

Pi core
+ pi-chat
+ sandbox
+ channel credentials
+ worker / tmux orchestration
+ memory / skills layout
= 一個 Pi-based personal assistant

這和 Hermes / OpenClaw 的差別在於：後兩者把 gateway / channel / assistant lifecycle 放在主產品裡；Pi 把 agent runtime 做得更適合被嵌入，外層由你決定。

OpenClaw：single-operator、channel-first 的 personal assistant

OpenClaw 的官方定位非常直接：Your own personal AI assistant。它跑在自己的裝置上，並且出現在你已經使用的聊天平台。

OpenClaw 的中心是 Gateway：

• Gateway 管 sessions、tools、events 與 channel connections；
• Telegram、WhatsApp、Slack、Discord、Signal、iMessage、WebChat 等 channel 接到 Gateway；
• CLI、web UI、macOS app 與其他 node 透過控制連線使用它；
• skills、plugins、model providers、browser / computer use 擴充 agent 能力。

它的操作模型是：

你在聊天軟體傳訊息
        ↓
OpenClaw Gateway
        ↓
session / tools / skills / memory / nodes
        ↓
在自己的裝置或指定 node 上工作

OpenClaw README 明確寫它是 designed for a single operator。這是它和 qm 最大的差別之一：

• OpenClaw：先假設這是你的 personal assistant，再處理 channel、node 與工具；
• qm：先處理 organization、person、room、scope、policy 與 durable sandbox，再讓不同 harness 進來工作。

OpenClaw 適合想自己架一個「住在聊天軟體裡」的 agent，但安全邊界不能省略。官方文件提醒，main session 的工具可能在 host 上執行；接入其他使用者或對外暴露 Gateway 前，要處理 pairing、權限、sandbox 與暴露面。

qm、Hermes、Pi、OpenClaw 的核心比較

這張表最重要的不是哪一欄打勾最多，而是它們的 核心單位不一樣。把 qm 和 Pi 只比成「都能跑 shell」，就漏掉了 qm 真正處理的 identity、policy、scope 與 deployment；把 Pi 和 Hermes 比成「都有 session」，則漏掉 Hermes 的 gateway、memory、cron 與 profile。

Codex：像一個高整合度的 coding 個人助理

Codex 的官方 repo 目前把產品面分成幾個入口：

• Codex CLI；
• IDE extension；
• desktop app；
• Codex Web / cloud agent。

CLI 的使用方式很清楚：進入專案，執行 codex，直接交代要 inspect、edit、run、review 或 automate 的工作。官方 README 也說 Codex 可以用 ChatGPT Plus、Pro、Business、Edu、Enterprise 登入，也可以另行用 API key。

從個人助理角度看，Codex 的優點是「入口整合」：

同一個 OpenAI coding agent
├── terminal
├── IDE
├── desktop
└── cloud / web

你可以在本機開始，將工作交給 cloud，稍後再把結果帶回本機 repository；也可以從 desktop / web 管理長時間或平行的 coding work。官方 Codex 文件目前也列出 skills、MCP、permissions、worktrees、cloud、long-running work 與 scheduled tasks 等產品面。

但這裡要把兩件事拆開：

• Codex 能做背景或 cloud work，不代表它是 Hermes 那種自架 messaging Gateway；
• Codex 能用 ChatGPT plan 登入，不代表所有 local / cloud / API 能力都有同一組權限或計費規則。

所以如果你的日常是：「我打開 Codex，交代一個 coding 任務，審查 diff，讓它修好並送 PR」，Codex 很自然。若你的日常是：「我在 Telegram 群組丟一句話，讓一台 VPS 每天固定掃資料並把結果送回來」，那 Codex CLI 本身不是完整答案，還需要 Hermes、OpenClaw、qm 或你自己補 gateway / scheduler。

Claude：把 coding assistant 做成可持續工作的 project operator

這篇的 Claude 主要指 Claude Code，不是泛稱的 Claude 聊天產品。

Claude Code 的官方定位是住在 terminal 裡的 agentic coding tool，理解 codebase、執行 routine tasks、解釋複雜程式、處理 git workflow。現在它的使用面也延伸到 IDE、desktop、browser、mobile 與 Slack / cloud surface。

Claude Code 的個人化核心有三層：

1. CLAUDE.md：你明確寫下來的規則

你可以在 project 或 user scope 寫：

• 架構與 coding standards；
• 測試與 build 命令；
• review checklist；
• 個人偏好；
• 不可執行的危險操作。

2. auto memory：它自己累積的 project learnings

官方 memory 文件明確說，每個 Claude Code session 都從 fresh context 開始；持續知識靠 CLAUDE.md 與 auto memory。auto memory 可以保存 build command、debugging insight、使用者修正與偏好，但它不是把完整歷史對話永遠塞進 context。

這和 Hermes memory 的重心不同：

• Claude Code memory：以 project / user coding workflow 為中心；
• Hermes memory：更像整個 personal agent 的長期使用者模型，包含角色、環境、偏好與跨平台工作方式。

3. skills、subagents、worktrees：把工作拆開

Claude Code 官方文件目前支援：

• skills 與 plugins；
• 自訂 subagents；
• background agent；
• Agent teams；
• worktree isolation；
• MCP；
• scheduled tasks / routines；
• desktop / browser cloud work。

因此 Claude Code 很適合：「這個 repo 是我的長期工作環境，agent 要慢慢熟悉它，並且能把研究、測試、review、實作分給不同 worker。」

但它和 Hermes / OpenClaw 仍有一個入口差異：Claude Code 的核心體驗是 project operator，不是原生的多聊天平台 Gateway。你可以把它接到更多 surface，也可以透過 desktop / web / routines 擴展使用方式，但它的長期上下文仍主要圍繞 project files、CLAUDE.md、auto memory、session 與 worktree。

Codex 與 Claude：拿來當個人助理時怎麼選？

如果只問「Codex 還是 Claude 比較強」，答案會隨模型、版本、工作內容與權限設定變動。比較實際的問法是：你希望個人助理怎麼工作？

我會這樣分：

• Codex：你已經以 ChatGPT / OpenAI 為主，希望從聊天、desktop、IDE、terminal、cloud 之間切換，並把 coding 工作放進同一個 product surface。
• Claude Code：你更重視 project instruction、CLAUDE.md、auto memory、skills、subagents 與長期 repo workflow，希望 agent 逐漸熟悉你的工程習慣。
• Hermes / OpenClaw：你要的是「我在任何聊天入口叫它做事」，而不是每次打開 coding product。
• qm：你要的是「公司裡每個人與每個 room 都能有自己的 agent scope」，而不是一個人的 coding assistant。

實際場景：哪種工作該用哪個？

我只想把 repo 交給 agent，完成一個 feature

先選 Codex CLI、Claude Code 或 Pi。

• 想要開箱即用、官方產品整合：Codex 或 Claude Code；
• 想要自己改 agent loop、provider、extension、session：Pi；
• 想要 agent 同時處理 repo 以外的研究、訊息、排程：Hermes。

我每天都從 Telegram / Discord 交辦工作

選 Hermes 或 OpenClaw。

• 你要多 profile、不同角色、skills、provider、cron 與一般工具：Hermes；
• 你要 single-operator、Gateway、nodes 與大量聊天 channel：OpenClaw；
• 你想自己把 coding agent 塞進聊天並接受較高組裝成本：Pi + pi-chat。

我想要一個每天自動跑的研究／營運助理

優先選 Hermes；如果是自架的單人 channel assistant，也可以選 OpenClaw。

原因不是它們模型一定比較強，而是它們的核心有：

• 常駐 Gateway；
• cron / automation；
• 跨 session memory；
• messaging delivery；
• tool / skill extensibility。

Codex 與 Claude 目前也有 cloud、background、scheduled 等產品面，但它們的工作流仍以各自的 coding product surface 為中心；要不要能直接接入你的 Telegram 群組、是否能自架、資料怎麼留在你的機器上，必須另外設計。

我們公司想讓每個人都有 agent，而且 room 之間要隔離

選 qm。

這正是 qm 和 Hermes / OpenClaw 的分水嶺：

• person scope 與 room scope；
• 每個 scope 自己的 files、memory、keychain view、permissions、crons、sandbox；
• Slack 與 web surface；
• admin 控制可用 harness 與 model；
• 組織自己的 skills、plugins、sandbox image 與 cloud deployment。

Hermes 可以透過 profiles 與不同 gateway / channel 組出多角色系統，但 qm 把多人 scope 與 deployment contract 直接做成核心資料模型。

我想自己打造一個 agent 產品

選 Pi 當 runtime，再決定是否加 Hermes、OpenClaw 或 qm 類的外層。

Pi 的好處是核心清楚、package 可拆、provider 與 extension 可改。你可以只用 pi-agent-core，也可以用 coding-agent CLI，或用 pi-chat 加上 channel、sandbox、memory 與 worker orchestration。

如果你一開始就需要：

• 多使用者 identity；
• room scope；
• policy / permissions；
• durable sandbox；
• Slack / web；
• cloud deployment；
• admin 與 secret routing；

那就不要只把 Pi CLI 包在一個 HTTP endpoint 後面。這些需求已經進入 qm 類的 platform layer。

我不想維運太多東西，只想交代 coding 工作

選 Codex 或 Claude Code。

你換到的是較完整的 hosted / desktop / IDE / cloud product surface，少掉一部分 Gateway、provider、channel、scheduler、sandbox 與 persistent-memory 的維運工作。

代價是：你對 session、runtime、資料流、部署位置與跨平台入口的控制，不會像自架 Hermes、OpenClaw 或 qm 那麼完整。

最後的選型框架

可以把選擇壓成四層：

我需要寫 code 嗎？
├─ 是：Pi / Codex / Claude Code
│
├─ 我需要 agent 常駐、從聊天入口接工作嗎？
│  ├─ 是：Hermes / OpenClaw
│  └─ 否：留在 coding agent product
│
├─ 我需要多人、room、隔離 scope 與組織 policy 嗎？
│  ├─ 是：qm
│  └─ 否：Hermes / OpenClaw / Pi-based assistant
│
└─ 我願意自己維運 Gateway、sandbox、provider 與 scheduler 嗎？
   ├─ 願意：Hermes / OpenClaw / Pi + 自建外層
   └─ 不願意：Codex / Claude 的 desktop、web、cloud surface

我的實際判斷是：

• Pi 是最適合拿來理解與組裝 agent 的底層選擇；
• Codex 與 Claude Code 是最適合直接交辦 coding 工作的產品選擇；
• Hermes Agent 是把 coding、研究、系統操作、記憶、排程與 messaging 放在同一個個人 agent 裡；
• OpenClaw 是更 channel-first、single-operator 的自架 personal assistant；
• qm 則是把 agent 從「我的工具」提升成「公司裡每個人與每個 room 都能使用的工作平台」。

不要用「哪一個能跑 shell」來選。這六個工具都可能做到這件事，但它們真正分別處理的是：

Pi：agent runtime
Codex / Claude：coding product
Hermes：常駐 personal agent
OpenClaw：personal Gateway
qm：multiplayer organization platform

這才是它們之間最有用的分界。

官方來源與查核範圍

本文以 2026-08-03 查核的官方 repository、README、CLI / deployment 文件與產品文件為依據：

• qm repository、qm CLI、deployment contract
• Hermes Agent repository、Hermes Agent docs、skills docs
• Pi repository、Pi coding-agent docs、Pi sessions、Pi skills、pi-chat
• OpenClaw repository、architecture、Gateway、channels、skills、security
• OpenAI Codex repository、Codex docs、Codex CLI docs、Codex web / cloud
• Claude Code repository、overview、common workflows、memory、subagents

Pi 的 repository identity 需要特別注意：原本常見的 badlogic/pi-mono 在查核時已 redirect 到 earendil-works/pi，因此本文以目前 canonical repository 的 README 與文件為主。