Episode 21: Im Inneren der Schleife

EP021 — Inside the Loop

OpenClaw Daily | 2. April 2026 | ~40 Min

Drei KI-Agenten-Runtimes. Drei verschiedene Theorien darüber, was ein Agent sein sollte. Wir haben die Source Codes geöffnet — und was wir gefunden haben, ist keine Feature-Liste. Es ist eine Philosophie.

Geschichten dieser Folge

1. OpenClaw — Das persönliche KI-Betriebssystem

OpenClaw ist als persönliches KI-Betriebssystem strukturiert. Der Gateway-Daemon bildet den Kern. Channels wie Telegram und Discord sind Plugins. Workspaces und Subagents laufen als entkoppelte Prozesse mit eigener Kontextverwaltung. Skills leben in ~/.openclaw/skills/, Memory in ~/.openclaw/memory/. Bemerkenswert: ~/.openclaw/cron/ — ein eingebautes Scheduling-System. Das sagt dir, wofür dieses Runtime gebaut ist: Für eine Maschine, die Aufgaben erledigt, auch wenn niemand zusieht.

Architektur-Dateien:

Gateway, Cron, Subagent-Orchestrierung: ~/.openclaw/
Skills: ~/.openclaw/skills/
LCM (Lossless Context Management): Runtime-intern
Config: openclaw.json

2. Claude Code — Fokus aufs Wesentliche

Claude Code ist ein CLI-Tool, das fokussiert sein will — und das ist eine bewusste Entscheidung, kein Mangel. Die npm-Package ist @anthropic-ai/claude-code. Die Sandbox-Implementierung ist das bemerkenswerteste Detail: Apple Sandbox Profiles auf macOS, Bubblewrap (bwrap) auf Linux. Die SandboxLinux-Klasse mit SandboxConfig, SandboxManager und ViolationStore zeigt ein dreistufiges Berechtigungsmodell: always allow, always deny, always ask. OS-Level Enforcement — die Sicherheitsgarantie kommt von der Prozessisolierung, nicht vom LLM.

Architektur-Dateien:

Package: /opt/homebrew/lib/node_modules/@anthropic-ai/claude-code/
Sandbox: SandboxLinux, SandboxConfig, SandboxManager, ViolationStore
Tool Registry: cli.js
Session-Modell: leichtgewichtig, arbeitsverzeichnisgebunden

3. Hermes Agent — Die Forschungsplattform

Hermes von Nous Research ist die architektonisch reichste der drei Runtimes. Das Kernstück: ~/.hermes/state.db — eine SQLite-Datenbank in WAL-Mode mit FTS5-Volltextsuche über alle Konversationsnachrichten. Das Sessions-Schema trackt nicht nur Metadata, sondern auch Billing-Details: Input-Tokens, Output-Tokens, Cache-Tokens, Reasoning-Tokens, geschätzte und tatsächliche Kosten in USD. Das ist Kostenbewusstsein als architektonisches Prinzip.

Die Turn-Logik ist dokumentiert: run_conversation() als Haupteinstieg. 10-Schritt-Turn-Lifecycle mit interruptiblen API-Calls — mitten im LLM-Call kann der User eine neue Nachricht schicken oder das Gateway den Request abbrechen. Das ist explizites Design, kein Zufall.

Architektur-Dateien:

AIAgent-Klasse: run_agent.py
State Management: hermes_state.py — SessionDB-Klasse
Tool Registry: tools/registry.py — ToolRegistry-Singleton
Tool Dispatch: registry.dispatch(name, args, kwargs)
Approval System: tools/approval.py — DANGEROUS_PATTERNS, detect_dangerous_command()
Context Compression: agent/context_compressor.py
Prompt Building: agent/prompt_builder.py
Prompt Caching: agent/prompt_caching.py
Session DB: ~/.hermes/state.db
Skills: ~/.hermes/skills/
Config: ~/.hermes/config.yaml

4. Der Turn Cycle — Wo sie sich wirklich unterscheiden

Hermes hat den am besten dokumentierten Loop. Zehn Schritte von der User-Message bis zur Antwort, inklusive preflight-Kontext-Komprimierung, prompt injection, prompt caching und interruptiblen API-Calls. Die api_mode-Router unterstützen chat_completions, codex_responses und anthropic_messages — genuine Modellagnostizität als Routing-Architektur, nicht als Marketingbehauptung.

Claude Code ist enger. Keine Subagent-Spawning als erstklassiges Konzept. Keine persistente Session-Datenbank. Jede Invocation ist kurzlebig, aber behält Kontext innerhalb eines Arbeitsverzeichnisses. Das ist das richtige Trade-off für seinen Anwendungsfall — Entwicklerhilfe in einem Codebase-Verzeichnis — aber es ist ein anderes Tier.

OpenClaw muss multiple konkurrierende Agents koordinieren. Die Turn-Logik ist nicht nur „User → Agent → Tools → Response" — es ist ein Multi-Agent-System mit Gateway-Dispatch, Subagent-Spawning und Channel-spezifischem Routing.

5. Memory — Drei komplett verschiedene Modelle

Hermes setzt auf SQLite. Alles in state.db — Sessions, Messages, Reasoning-Tokens, Billing-Daten, FTS5-Suchindex. Concurrent-Zugriff via WAL-Mode. Write Contention Handling mit 1-Sekunden-Timeout, Application-Level-Retries mit Jitter (20–150ms), bis zu 15 Wiederholungen, BEGIN IMMEDIATE Transactions. Session-Lineage via parent_session_id — wenn Context-Kompression einen Session-Split auslöst, bleibt die Herkunftslinie nachvollziehbar.

OpenClaw nutzt dreistufiges Memory: Tages-Logs (memory/YYYY-MM-DD.md), kuratierter Langzeitspeicher (MEMORY.md), und Skills als prozedurales Gedächtnis. Dateisystem-nativer als Hermes, weniger datenbank-nativ. Unix-Philosophie: grep-freundlich, rsync-bar, git-trackbar.

Claude Code hat das leichteste Session-Modell. Kontext innerhalb eines Arbeitsverzeichnisses, aber keine persistente strukturierte Memory über Sessions hinweg. Bewusste Einfachheit.

6. Sandbox vs. Approval — Zwei Sicherheitsmodelle

Claude Code setzt auf OS-Level-Sandboxing. bubblewrap auf Linux definiert erlaubte/verbotene Pfade, schreibt schützt denyWithinAllow für dangerous Subpaths, blockiert Unix-Sockets via seccomp BPF, warnt wenn das BPF-Binary nicht verfügbar ist. Der ViolationStore trackt bis zu 100 Einträge. Das Modell: Prozessfähigkeiten einschränken, bevor etwas passieren kann.

Hermes setzt auf Pattern-Detection und Genehmigung. DANGEROUS_PATTERNS in tools/approval.py matcht gegen Regexes für rekursive Deletes, mkfs/dd, SQL-Destruktiv-Operationen, Config-Overwrites, Service-Manipulation, curl | sh-RCE, Fork Bombs. Detektion → interaktive Abfrage (CLI) oder Async-Approval-Callback (Telegram/Discord). Smart Approval nutzt einen Hilfs-LLM, um Low-Risk-Matches automatisch durchzuwinken. Session-scoped Approvals + permanente Allowlist in config.yaml.

OpenClaw kombiniert beides. exec-approvals.json für Approval-getriebene Sicherheit, Subagent-Permission-Scopes, Channel-spezifische Berechtigungen.

Fazit: Claude Code ist stärker gegen versehentliche Schäden. Hermes ist flexibler für interaktive Remote-Use-Cases. Das eine ist kein besseres Modell — sie sind für verschiedene Bedrohungsmodelle gebaut.

7. Skills-Systeme — Das extension story

Hermes hat das vollständigste Skills-System. SKILL.md mit YAML-Frontmatter nach dem agentskills.io-Open-Standard. Progressive Disclosure in drei Stufen (Liste, Vollinhalt, Referenzdatei), conditional Skills via fallback_for_toolsets und requires_toolsets, agent-erstellte Skills via skill_manage Tool. Das ist nicht nur ein Feature — das ist prozedurales Lernen. Der Agent kodifiziert, was er gelernt hat.

Hermes hat auch einen Skill-Marketplace: officieller Optional-Skills-Katalog, skills.sh, ClawHub, Claude Marketplace, GitHub-Repos, /.well-known/skills/-Convention. Eine explizite Open-Ecosystem-Wette.

OpenClaw hat workspace-kontextuelle Skills in ~/.openclaw/skills/ — ebenfalls YAML-Frontmatter + Markdown, anscheinend kreuzkompatibel. MCP als Erweiterungsmechanismus über openclaw.json.

Claude Code hat ein leichteres Modell — Slash-Commands. Passend für ein fokussiertes CLI-Tool.

8. hermes claw migrate — Das Signal, das keiner ignorieren sollte

Hermes verschifft ein Tool namens hermes claw migrate, das OpenClaw Skills und Workspace-Konfigurationen importiert. Liest das genau: Hermes importiert von OpenClaw. Das ist keine Behauptung, dass sie das Gleiche sind. Das ist die Behauptung, dass OpenClaws Skill-Modell die Referenz ist, von der es sich zu migraten lohnt.

Die Modellagnostizität von Hermes macht diese Migration glaubwürdig. OpenClaw-User, die Claude als Backend nutzen, können zu Hermes wechseln und ihre vorhandenen Skills mitnehmen. SKILL.md mit YAML-Frontmatter nach agentskills.io — portabel, nicht proprietär.

Für OpenClaw-User ist das keine schlechte Nachricht. Es ist eine Validierung: das Skill-Modell ist gut genug, dass ein konkurrierendes Projekt es übernehmen will. OpenClaws Antwort darauf: nichts ändern, aber beobachten, wie Hermes das Skill-Ökosystem aufbaut.

Kapitel

[00:00] Cold Open — Drei Agenten-Runtimes, drei Theorien [02:30] OpenClaw-Architektur — Das persönliche KI-Betriebssystem [08:00] Claude Code — Fokus und absichtliche Enge [14:00] Hermes Agent — Die Forschungsplattform mit SQLite und FTS5 [20:00] Der Turn Cycle — Die fundamentale Architekturentscheidung [26:00] Memory-Modelle — Drei komplett verschiedene Ansätze [32:00] Sicherheitsmodelle — Sandbox vs. Approval [38:00] Skills-Systeme — Progressive Disclosure und agentisches Lernen [43:00] hermes claw migrate — Was das Signal bedeutet [47:00] Das Urteil — Welches System wofür [52:00] Modelle für Hermes — Anthropic OAuth, Copilot, OpenRouter, Local

Das Urteil

Hermes — Wenn du Forscher oder Power-User bist und ein selbstverbessernder Agent mit echtem Langzeitgedächtnis, Modellagnostizität, FTS5-Suche, Skill-Ökosystem und Multi-Channel-Support (Telegram, Discord, Slack, WhatsApp, Signal) sein soll. Auch richtig, wenn Atropos RL und Trajectory-Compression dich interessieren. Und wenn du bereits OpenClaw nutzt: hermes claw migrate bringt deine Skills mit.

Claude Code — Wenn du Entwickler bist und die bestmögliche Hilfe in einem bestimmten Codebase-Verzeichnis willst, lokal laufend, mit der stärksten OS-Level-Sandboxing der drei. bubblewrap und Apple Sandbox Integration ist das rigorous Sandbox-Implementierung. Das Trade-off: keine Session-Persistenz, keine Multi-Channel-Präsenz.

OpenClaw — Wenn du eine persistente persönliche KI willst, die auf deiner Maschine lebt, mehrere Messaging-Channels gleichzeitig bedient, geplante Tasks ausführt, Subagents für Hintergrundarbeit spawnt und ein Skill-System hat, das du selbst formst. Das Unix-nativste der drei — passt in bestehende Workflows und Dotfile-Konventionen. hermes claw migrate sagt dir, dass das Skill-Modell die Referenz ist.

Die tiefe Erkenntnis: Diese drei Systeme encodieren drei verschiedene Theorien darüber, was ein KI-Agent sein sollte. Hermes: persistent, selbstverbessernd, forschungsorientiert. Claude Code: schmal, tief integriert, entwicklerspezifisch. OpenClaw: persönliches KI-Betriebssystem — always-on, multi-surface, multi-agent.

Keine dieser Theorien ist falsch. Es sind verschiedene Wetten darauf, wo der Raum hingeht.

Modelle für Hermes

Anthropic OAuth (empfohlener Startpunkt): Claude Sonnet via existing Claude Code Credential Store — kein separater API-Key nötig.

GitHub Copilot (kostenlos mit Subscription): GPT-5.4, Claude und Gemini über Copilot-API. GPT-5+ nutzt automatic den Responses-API-Routing.

OpenRouter (maximale Flexibilität): 200+ Modelle. Setze OPENROUTER_API_KEY in deiner dot env. Built-in Tools für Vision, Web-Summarization und Mixture-of-Agents nutzen automatisch Gemini Flash via OpenRouter als Hilfsmodell.

Lokale Models: Jeder Ollama- oder vLLM-Endpunkt über OPENAI_BASE_URL.

Chinesische Provider: Z-dot-AI GLM, Kimi/Moonshot, MiniMax, Alibaba Cloud Qwen — First-Class Provider IDs, nicht nachträglich hinzugefügt.

Praktische Empfehlung: Claude Pro/Max → Anthropic OAuth. Kostenlos + stark → GitHub Copilot mit GPT-5.4. Maximale Flexibilität → OpenRouter mit Claude Sonnet oder Qwen 3.

OpenClaw Daily finden

🌐 tobyonfitnesstech.com/de/podcasts/episode-21
🎙️ Spotify · Apple Podcasts · Pocket Casts · Amazon Music · Overcast
EN, ES, PT, HI, DE-Feeds verfügbar

→ Reply on Telegram to approve.