先给结论
OpenClaw、Hermes、Harness、DeepSeek、GLM-5.2、Kimi K3、Fable 是什么关系？
这些名词不在同一层。DeepSeek、GLM-5.2、Kimi K3 和 Fable 5 提供模型能力；OpenClaw 与 Hermes 负责让模型通过入口、记忆、技能和工具工作；Harness 是支撑整个执行过程的工程体系。企业数字员工还要在其上加入岗位、数据权限、人工责任和验收。
数位人判断
把不同层混在一起比较，是当前 AI 选型最常见的错误；模型强弱、智能体外壳和企业交付能力必须分开验收。
从用户问题到企业结果，至少经过五层
01岗位与结果
→谁交任务、怎样算完成
02入口与智能体
→OpenClaw、Hermes 或企业工作台
03Harness
→上下文、工具、权限、状态和评测
04模型路由
→DeepSeek、GLM、Kimi、Fable 等
05算力与运行
API、服务器、预算、日志和故障
任何一层都可能替换；真正需要长期保留的是任务定义、企业数据、权限规则、验收样本和运行记录。
事实核验
先区分官方信息与我们的判断
企业决策表
七个热点应放在正确的采购问题里
对象它主要解决什么采购时问什么
OpenClaw / Hermes入口、记忆、技能和工具执行适合哪些渠道、权限和运行环境
Harness让任务持续、可控和可观测状态、测试、日志、回滚怎样实现
四类模型理解、推理、生成与工具决策哪类真实任务质量和成本更优
企业数字员工围绕岗位交付完整工作结果、责任、数据和验收是否闭环
企业下一步
不追热点演示，用真实任务建立结论
- 01
先画本企业的五层图，再采购任何工具或模型。
- 02
每层至少保留一个可替换方案，避免入口、框架和模型被单一厂商锁定。
- 03
用统一任务集分别验收模型能力、Harness 稳定性和最终岗位结果。
- 04
把数据、记忆、日志和评测集保留在企业可控制的边界内。
边界与反例
这些能力不能被宣传语自动证明
- 同一产品可能跨越多层，分层是为了明确责任而不是强行贴标签。
- 开源不自动意味着低成本，部署、更新、安全和运维都需要投入。
- 产品能力与名称更新频繁，架构应允许替换而不是追随品牌重建。