昨天那篇《把 Hermes 当成 OpenClaw 替代品，可能一开始就看偏了》写完以后，我又去翻了一圈两边的文档。越翻越觉得，真要看这两个东西差在哪，光看功能还不够，看 token 怎么烧，反而更直接。
我的判断先摆这。
OpenClaw 默认更像一个长期在线的工作台，很多身份、规则、工作区文件、消息面约束，会天然跟着每轮对话走，所以基础盘通常更重。Hermes 则明显更克制一点，很多上下文是按需发现、按需注入，系统提示词也在刻意维持稳定前缀，默认情况下更容易把 token 压住。
当然，这话不是说 Hermes 一定更省。你把 memory provider、skills、sub-agent、长工具输出全开起来，一样能烧得飞起。但是说白了，这两套架构从第一天起，就不是同一种吃 token 的方式。
这两天我把 Hermes 和 OpenClaw 的文档来回翻了一圈，越看越觉得，很多人把这两个项目放在一起比，其实一开始就比偏了。
它们当然都在做“个人 AI 助手”。都能接消息、调模型、跑工具、留住一点上下文。Hermes 甚至还专门做了 hermes claw migrate，摆明了是知道自己会接到一批 OpenClaw 用户。
但是说白了，Hermes 不是换皮版 OpenClaw，OpenClaw 也不是多了几个消息入口的 agent framework。一个是从 Gateway 往外长，一个是从 AIAgent 往外长。这个差别不先看明白，后面谈架构、设计理念和生态，基本都会越聊越乱。
最近拿 AI 起一个 C++ 小项目，最容易傻眼的时刻，不是它写不出来，而是它三分钟给你拼出一套像模像样的目录树，顺手再塞几个三方库，Demo 还真能跑。问题也在这。你连新引进来的库到底支持什么、编译链路怎么走、边界在哪，都还没摸清，后面返工基本跑不掉。
我现在越来越觉得，AI 编程最怕的不是模型笨，而是起手太贪。尤其是 C++ 这种没什么脚手架兜底的语言，你前面少想一步，后面就得在编译、链接、库版本、目录结构上多还几步。
以前我在 VS Code 里调 C++，配置基本就停在 launch.json，最多再加一句 GDB。
把 program 填好，把 gdb 填好，把断点打好。然后呢？然后每次调试前，自己去终端里 cmake --build 一下。
更烦的是，自定义的价格、合约、订单类型断下来以后，VS Code 调试窗口经常只能看到一堆内部字段。数据是对的，但是不说人话。
这事离谱的地方在于，我以前看过的一些教程也差不多就写到 launch.json 为止。直到最近让 AI 配一个新项目，它顺手加了 preLaunchTask 和 gdb_printers.py，我才反应过来：VS Code 调 C++，不只是把 GDB 启起来。调试前可以自动触发 CMake 编译，断点停住以后，也可以让 GDB 加载 Python 脚本，把业务类型处理成自己看得懂的样子。
说实话，这不是什么黑科技。
但是它刚好补上了 C++ 日常调试里两块很烦的空白：启动前构建，以及断点后的变量展示。
这次刷论坛，最让我长记性的不是哪家又发了榜单，而是一句很土的话，显存不够，参数再大也白搭。
以前我总把“模型慢”理解成算力问题。后来越看越明白，很多时候根本不是 GPU 算不动，而是数据没法待在对的地方。只要内存路径一变，token 速度就不是慢一点，是直接掉下去。
如果只看榜单，最容易心动的肯定是 31B。
但真把机器搬出来，还是那台没升级的 RTX 3060 12GB，判断马上就会变。怎么说呢，本地部署这件事，最后拼的不是谁最风光，而是谁最像能长期相处的那个。对我来说，这次真正值得先跑的，不是 31B，而是 26B A4B。
首发当天我本来想干的事很简单，找一个和 Gemma 3 对应得上的升级版，先下下来跑。
结果一圈看下来，人先有点傻眼。以前熟的 4B / 12B / 27B 那套名字没了，冒出来的是 E4B、26B A4B、31B。怎么说呢，这次谷歌真正改的，不只是模型大小，而是连“你该怎么理解这批模型”都一起改了。
用 Codex 这段时间，有个问题一直挺别扭：默认思考档位是 medium，但网上一聊到 GPT-5.4，口气又都很猛。真到自己手里，medium、high、xhigh 到底差多少，官方也没给一张特别直白的表。
我现在的结论挺明确，日常编码我更愿意直接开 high。medium 不是不能用，快活、小修小补、试探方向没问题；但真到多文件修改、需求有歧义、还要边看代码边判断的时候，medium 很容易把算力省错地方。xhigh 我反而不会常开，留给卡壳的大活更合适。