Grok Bot 和 Hermes Agent 的核心差异，在于“省心易用”与“完全掌控”之间的取舍。Grok Bot 是 xAI 推出的封闭式托管应用，让多个 AI 队友在共享云电脑上协作；Hermes Agent 是 Nous Research 的开源代理，可以在自己的设备、服务器或托管环境中运行，并搭配任意模型。
核心结论
- **Grok Bot 和 Hermes Agent 的主要区别是什么？**Grok Bot 更接近开箱即用的托管应用；Hermes Agent 则把模型、服务器、技能和安全边界交给你控制。
- **两者要花多少钱？**Grok Bot 包含在符合条件的付费套餐中，常见起步价为 Cursor Pro
$20/月或 SuperGrok$30/月。Hermes Agent 软件本身免费，但需要为模型、工具和运行环境付费。 - **可以自己选择 AI 模型吗？**Grok Bot 会自动分配模型，没有模型选择器。Hermes Agent 允许从 Nous Portal、OpenRouter、OpenAI、Anthropic 或本地端点中选择。
- **合上笔记本后还能继续工作吗？**Grok Bot 开箱即用就可以，因为任务运行在云电脑上。Hermes Agent 也可以，只要部署在持续在线的服务器、云实例或托管环境上。
Grok Bot：把工作交给持续在线的 AI 队友
Grok Bot 于 2026 年 8 月 11 日开启测试版。你可以创建带名字的“Bots”，也就是长期存在的 AI 队友；每个 Bot 都有自己的角色，会学习偏好的做事方式，并能把任务交接给其他 Bot。它并不是普通的 Grok 聊天机器人，设计目标是直接把事情做完。
账户下的每个 Bot 都运行在同一台持久化云电脑上，配有浏览器、文件系统和终端。Bots 会在可用时使用连接器与 MCP，并在没有清晰 API 的情况下直接操作应用和网站。你可以把工作流沉淀为技能、排程为日常例行任务，或者通过一次演示让 Bot 学会任务。
Grok Bot 可以通过适用于 macOS、Windows 和 Linux 的桌面应用，以及 iOS 和 Android 使用。登录方式与账户体系绑定，多个 Bot 可以共享文件和登录状态，便于在任务之间交接。
优点：
- 几乎无需配置：创建一个 Bot、给它发消息，并按需逐步授权。
- 即使笔记本合上，任务也会继续执行。
- 桌面端和移动端应用体验成熟，且可保持同步。
- Bots 共享文件和登录状态，交接任务时无需额外配置。
缺点：
- 闭源，不支持自托管。
- 用户和管理员都没有模型选择器。
- 所有 Bots 共用一台电脑，因此彼此之间不是安全边界。
- 需要符合条件的付费套餐。
Hermes Agent：掌控代理、模型和服务器
Hermes Agent 是 Nous Research 推出的开源代理，采用 MIT 许可发布。它最有代表性的能力是学习闭环：完成复杂任务后，可以写出可复用的技能，在使用中持续改进这些技能，保留经过筛选的记忆，并搜索过去的会话。内置调度器可以无人值守地运行报告，子代理也可以并行协作。
你可以通过终端、桌面应用或消息网关，在 Telegram、Discord、Slack、WhatsApp、Signal 和电子邮件中与它交互。它内置多种工具，支持 MCP 服务器，并可在本地、Docker、SSH 或无服务器后端上运行命令。Bot Mode 会把每个 Hermes 配置档变成具名 bot，拥有各自独立的配置、记忆、技能和聊天记录。
技能系统是 Hermes 随时间持续积累价值的关键：它可以把成功的任务沉淀成可复用能力，而不是只保留一次性的聊天回复。
优点：
- 免费且开源，配置可查看、可审计。
- 可接入任意模型提供商，包括本地模型。
- 可以运行在笔记本、VPS、GPU 主机或托管实例上。
- 可通过已经在用的聊天应用触达代理。
缺点：
- 配置、更新、可用性与安全都由你自己负责。
- 想要持续在线运行，就需要服务器或托管方案。
- 成本分散在模型、工具和托管提供商之间。
- 相比单一托管应用，涉及的组件更多，学习成本更高。
持续在线部署：把 Hermes 放到合适的运行环境
很多人想要 Hermes Agent 的灵活性，但并不想自己充当系统管理员。此时可以使用持续在线的托管实例，让环境负责更新、备份和恢复，同时保留模型提供商与接入渠道的选择权。
托管并不运行 Grok Bot；Grok Bot 仍然是独立的 xAI 产品。选择托管 Hermes 时，应单独核对运行时隔离、备份恢复、密钥保存方式、渠道权限和退出数据的路径。
适合托管的情况：
- 想使用开源 Hermes 运行时，但不想处理服务器运维。
- 需要让代理在笔记本关闭后继续运行。
- 希望自行选择模型提供商和消息渠道。
需要留意的成本：
- 托管订阅费用与模型使用费通常分开计算。
- 相比自己搭建 VPS，底层控制权会少一些。
- 技能、渠道和模型提供商仍需要自行配置和审查。
并排看看 Grok Bot 与 Hermes Agent
| 对比项 | Grok Bot | Hermes Agent |
|---|---|---|
| 开发方与许可证 | xAI 搭配 Cursor，闭源 | Nous Research，MIT 开源 |
| 运行位置 | 托管云电脑 | 你的设备、服务器、云实例或托管平台 |
| 持续在线 | 是，开箱即用 | 部署在持续在线基础设施上时可以 |
| 模型 | 由产品托管，无选择器 | 任意受支持提供商，可切换 |
| 本地模型 | 不支持 | 支持，可通过自定义端点 |
| 如何访问 | 桌面端、iOS 和 Android 应用 | 终端、桌面应用、Telegram、Discord、Slack、WhatsApp、Signal、电子邮件 |
| 记忆与技能 | 角色记忆、技能、例行任务、一次演示教学 | 精选记忆、自我改进技能、会话搜索 |
| 多代理 | 可交接工作的具名 Bots | Bot Mode 配置档、群聊与子代理 |
| 安全边界 | 每个账户一台共享电脑 | 你所控制主机上的独立配置档 |
| 起步成本 | 包含在符合条件的付费套餐中 | 软件免费，另加模型与托管成本 |
预算上，实际各要花多少钱
Grok Bot 套餐
Grok Bot 没有单独定价，通常打包包含于符合条件的 Cursor 或 SuperGrok 套餐中。常见起步价为 Cursor Pro $20/月 和 SuperGrok $30/月，更高阶套餐与团队计划可能有不同额度。每个套餐都包含一定的 Grok Bot 使用额度，这部分与常规产品配额分开计算；超出额度后，可能还会按实际使用的模型和 token 计费。
Hermes Agent 成本
软件本身免费，但需要为模型推理、可选工具和运行代理的环境付费。可以自带提供商密钥，也可以使用托管的模型服务；不同服务的免费层、订阅层和用量计费应单独核对。
如果由第三方托管代理，通常还会按照运行时规格收取日费或月费，推理和工具费用另计。模型选择往往是账单的主要驱动因素，因此应同时记录模型 tokens、工具调用、托管时长和人工修正时间。
在授予访问权限前，先决定谁能碰什么
安全性是 Grok Bot 与 Hermes Agent 选择中真正需要认真权衡的部分：这两种工具都会登录并代表你执行操作，因此在连接任何重要系统之前，先把边界划清楚。
在 Grok Bot 中，边界就是账户本身。每个 Bot 共享同一台电脑、文件、浏览器会话和登录状态，不同 Bots 之间不是安全边界。可以为敏感操作设置审批规则，而输入密码和双重验证代码时则由用户自己接管屏幕。
在 Hermes 中，每个配置档都会保留自己的状态，但这些配置档并不是天然沙箱，因为它们可能作为同一主机上的同一用户运行。Hermes 提供命令审批和容器后端，但主机加固、网络权限、密钥隔离和日志审计仍然是部署者的责任。
根据工作类型匹配合适的代理
| 如果你想要…… | 选择 |
|---|---|
| 今天就让 AI 队友开工，且无需配置 | Grok Bot |
| 让 Bots 共享文件和登录状态，方便交接 | Grok Bot |
| 控制哪种模型来处理哪类任务 | Hermes Agent |
| 使用本地或私有模型 | Hermes Agent |
| 从 Telegram 或 WhatsApp 访问你的代理 | Hermes Agent |
| 可审计、可修改的开源代码 | Hermes Agent |
| 让 Hermes 持续在线运行，但不想自己管服务器 | 受信任的托管 Hermes 实例 |
| 在桌面和手机上获得更成熟的应用体验 | Grok Bot |
按任务类型选择默认代理，而不是指望一个工具包打天下。Grok Bot 适合作为无需配置的托管队友；Hermes Agent 适合作为需要模型选择、私有部署、可审计代码和长期定制的基础。无论选择哪一个，先从范围明确的小任务开始，审查权限和结果后，再扩展到定时例行任务。
部署 Hermes Agent 的 3 步
- 选择运行环境，并确认持久化与隔离方式。 可以是本地设备、VPS、容器、云实例或受信任的托管环境。
- 连接模型提供商与使用渠道。 例如本地端点、OpenAI、Anthropic、OpenRouter，以及 Telegram、WhatsApp、Slack 或 Discord。
- 先给 Hermes 一个范围明确的小任务。 审查结果、权限和日志后，再把它变成每日研究简报或每周报告等定时例行任务。
托管费用和模型使用费用应分开记录。随着规模扩大，同时关注模型 tokens、工具调用、运行时长、重试次数和人工修正成本，才能得到真实的代理总成本。
