Az AI Secret skálatesztjeiben világossá vált a különbség két ügynökplatform, a Hermes Agent és az OpenClaw között, amikor hosszú, több lépéses feladatok végrehajtásáról van szó. A tesztek során a Hermes következetesen folytatta a munkát a fordulók között, míg az OpenClaw sokszor megállt egy szelet után, további kérdést tett fel, vagy új felhasználói promptot várt.
Mi történt pontosan
- A mérés során hosszú feladatokat futtattak, amelyek több egymást követő lépést igényelnek.
- Hermes „Persistent Goals” (tartós célok) mechanizmusa automatikusan áthúzódó állapotként továbbvitte a feladatot a további körökre, így a munka folyamatosan haladt előre.
- Az OpenClawban léteznek „Goals” (célok), amelyek emlékeznek a végső célra, de a tesztelés alapján nem biztosítják a feladat automatikus folytatását: az ügynök gyakran vár további utasításra vagy felhasználói beavatkozásra.
Miért fontos ez a gyakorlatban
A tesztelői megállapítás szerint, ha egy rendszerhez folyamatosan be kell gépelni, hogy „folytasd” vagy manuálisan kell kiválasztani a feladatok leválasztására szolgáló beállításokat (például TaskFlow vagy Detached Tasks), akkor az nem valódi automatizálás: csak átcímkézi a felhasználói felügyeletet konfigurációként. Röviden, az, hogy egy platform „több csövezéssel” (pl. több konfigurációs lehetőséggel) rendelkezik, nem feltétlenül jelent jobb eredményt — a Hermes esetében a kimenet volt meggyőzőbb.
Következtetés
Az AI Secret jelenlegi tesztjei alapján a jobb ügynök az, amelyet nem kell folyamatosan felügyelni: ma ez a Hermes Agent. Az OpenClaw működése a hosszú feladatok alatt gyakran megakadt, míg a Hermes automatikus célfolytatása lehetővé tette a zökkenőmentes munkavégzést. A tesztelők hangsúlyozzák, hogy a felhasználói beavatkozásra épülő „folytatás” megközelítés nem helyettesíti a valódi autonómiát.
