2026 开源 AI 编程 Agent 对比：Hermes、OpenCode、Pi、omp、Kilo Code

• Meta description：对比 2026 年五款热门开源 AI 编程 Agent：Hermes Agent、OpenCode、Pi、omp 和 Kilo Code，分析模型支持、终端与 IDE 能力、本地部署、自动化、Token 使用和适用人群。
• 标签：AI 编程、AI Agent、开源项目、Hermes Agent、OpenCode、Pi、oh-my-pi、Kilo Code

一、导语

2025 年以来，AI 编程工具智能体逐渐从代码补全和问答，发展到能够读取代码库、修改多个文件、运行测试并根据失败结果继续迭代的 Agent。Claude Code、Codex 等闭源产品推动了这一工作方式，但由于模型、提示词、工具链和价格策略主要由厂商控制，用户对底层实现和服务变更的控制权有限。与此同时，开源社区出现了多种不同路线的实现，项目数量和社区关注度明显上升。

本文比较 Hermes Agent、OpenCode、Pi、omp（oh-my-pi，以下简称 omp）和 Kilo Code 五个项目。它们的定位并不完全相同：Hermes 更接近带记忆和自动化能力的通用 Agent；OpenCode 和 Pi 侧重终端编码；omp 将更多 IDE 能力带入终端；Kilo Code 则覆盖 IDE、CLI 和云端场景。

二、先说结论

• 需要常驻后台、带持久记忆和任务自动化的通用 Agent：优先了解 Hermes Agent。
• 主要在终端编码、想自由切换多家模型供应商：OpenCode 是目前社区基础最广的选择。
• 喜欢精简核心、愿意自己设计工作流、或主要跑本地模型：Pi 的 Token 效率和可改造性突出。
• 终端里的重度重构、调试和数据分析场景：omp 的 LSP、调试器和代码执行内核组合是亮点。
• 日常在 VS Code / JetBrains 中工作、希望同一 Agent 多端可用：Kilo Code 的迁移成本更低。

以上均为方向性建议，实际选择仍建议用自己的项目做小规模测试。

三、评测方法与数据口径

本文采用的比较口径：

• GitHub Stars：以仓库页面当日（2026-08-18）实时数据为准，仅代表关注度，不代表质量；
• OpenRouter 用量：取自 OpenRouter「Coding Agents」分类页 2026-08-18 快照。该页面数据会随统计窗口、App Attribution、用户是否 BYOK 直连等因素变化，且与全局页面数值不同；本文仅将其作为采用度参考，不等同于编码能力排名；
• 功能信息：优先采用各项目官网与官方文档；
• 社区评价：附具体讨论帖链接，仅作体验补充，不构成单独结论；
• 星级评分：属于本文编辑判断，依据文中所列维度给出，与事实数据分开呈现。

四、五款开源 AI 编程 Agent 对比速览

五、逐个拆解

1. Hermes Agent —— 带记忆和自动化能力的通用 Agent

• 定位：Nous Research（开源模型 Hermes 系列同团队）开发的通用 Agent，定位不局限于代码生成，而是提供带持久记忆、技能系统、消息网关和定时任务的完整 Agent 工作流。仓库创建于 2025-07，2026 年 2 月前后公开发布。
• 热度：GitHub 232,339 星（2026-08-18 快照，本文五个项目中最高）；OpenRouter Coding Agents 分类页当日快照显示其用量约 1.3T tokens，在该页面统计范围内排名第一。NVIDIA 官方博客曾报道其"上线不到 3 个月突破 14 万星、成为 OpenRouter 上使用量最高的 Agent"（当时数据，与本文快照的 232k 不同）。
• 核心功能：官方称内置 40+ 工具，覆盖网页搜索、浏览器自动化、视觉、定时任务/自动化、子 Agent 等；可通过消息网关接入 Telegram、Discord 等平台，桌面端另有 Bot 模式。
• 模型与部署：模型无关，可接不同供应商或本地模型；Python 技术栈，可自托管。
• 优点：记忆与技能系统、自动化调度、消息接入三合一，是五者中唯一把这些能力全部内置的项目；社区增长快，已有 computer-use-linux（Linux 桌面控制 MCP）、HermesClaw（微信桥接）等第三方插件。
• 局限：不是编码特化工具，终端编码的拟真深度与 IDE/调试集成不如 OpenCode/omp；中文文档与中文社区活跃度需单独核实。
• 适合人群：熟悉 Python、希望部署常驻后台的通用 Agent、或将 Agent 接入消息平台和定时任务的用户。

2. OpenCode —— 终端优先、社区基础最广的编码 Agent

• 定位：SST 团队发起（后移交 anomalyco 维护）的开源编码 Agent，2025-04 建仓，2025-07 登上 Hacker News 后关注度快速上升。
• 热度：GitHub 198,694 星（2026-08-18 快照）。第三方平台 morphllm 在 2026-08-05 的统计中称其为当时星标最多的开源编码 Agent（193,678 星，早于本文快照）。
• 核心功能：终端 TUI 为主，另有桌面端与 IDE 扩展；内置 plan（只读规划）与 build（全权执行）双 Agent，Tab 键切换；支持 MCP、LSP、子 Agent、AGENTS.md 项目上下文、多会话。
• 模型与部署：官方称支持 75+ 模型供应商；支持本地模型（Ollama / LM Studio）；提供官方模型精选列表 opencode Zen。
• 优点：社区大、教程多、踩坑记录全；功能全面，适合作为"终端编码 Agent 的默认选择"。
• 局限：功能覆盖面广导致默认系统提示词较大，Token 消耗相对偏高；在 OpenRouter 用量榜上未见其身影（多数用户 BYOK 直连，不在该统计口径内）。
• 适合人群：主要在终端编码、希望自由选择模型供应商、重视 plan/build 工作流和生态完整度的开发者。

3. Pi（pi.dev）—— 极简骨架，一切皆可扩展

• 定位：earendil-works（badlogic / Mario Zechner 主导）开发的"极简 Agent 骨架"（minimal agent harness）。官方定位是"让 Agent 适应你的工作流，而不是反过来"。
• 热度：GitHub 92,894 星（2026-08-18 快照）；OpenRouter Coding Agents 分类页当日快照显示约 139B tokens。
• 核心设计：默认只内置读、写、编辑、执行命令等少量原语；MCP、子 Agent、plan 模式、权限弹窗、后台 bash 等一律不默认内置，官方称为"原语而非功能"——需要时通过扩展实现（官方提供 50+ 扩展示例，涵盖 subagent、plan-mode、permission-gate、沙箱、SSH 执行等）。会话以树状结构存储，可回滚到任意历史节点继续分支，支持导出 HTML 或 /share 上传为 gist 分享。
• 模型与部署：官方称支持 15+ 供应商、数百个模型，可 API Key 或 OAuth 登录；支持本地模型；会话中可随时 /model 切换。
• 优点：默认系统提示词极小，官方强调其上下文工程可定制性强；社区实测反馈其接本地/慢模型时 Token 消耗显著低于同类；可改造性极高，社区有"万物皆可 Pi"的文化（如 DOOM 扩展、绘图扩展等）。
• 局限：开箱即用程度低，多数高级能力需要自己写扩展或装包；"默认无权限弹窗"意味着用户需要自行设计权限控制（官方提供 permission gate 等扩展示例）。
• 适合人群：喜欢掌控细节、愿意 DIY 工作流的人；本地模型/慢模型用户；以及想以 Pi 为基底二次开发的用户。

4. omp（oh-my-pi）—— 把 IDE 级能力焊进终端的增强版 Pi

• 定位：can1357（Can Bölük）发起的 Pi 衍生项目，官网自述"The Pi you love, with batteries included"。2025 年底建仓，2026 年关注度快速上升。GitHub 25,587 星（2026-08-18 快照）；OpenRouter Coding Agents 分类页当日快照显示约 70.1B tokens。
• 核心设计：保留 Pi 的终端内核，额外深度集成 IDE 级能力：
• LSP：官方页面列出 14 项 LSP 操作、53 个 LSP Server；重命名等操作会走 workspace/willRenameFiles，跨文件引用同步更新；
• DAP 调试器：提供 28 项 DAP 操作，内置 14 个调试器适配器（含 lldb-dap、dlv、debugpy），可对崩溃的 C 程序、挂起的 Go 服务、卡死的 Python 进程做真实 attach 调试；
• 执行内核：持久 Python 与 Bun worker 双内核，支持 %pip、%%bash 等类 Jupyter 用法，代码内部还能回调 Agent 工具；
• 子 Agent：任务拆分到隔离 worktree，返回结构化结果，默认最高 32 并发；
• /collab：会话分享为链接 + 二维码，AES-256-GCM 端到端加密，支持只读观看或共同操作；
• TTSR 流式规则：正则命中即中断输出流、注入规则后重试，规则不占用日常上下文。
• 模型与部署：支持主流供应商，模型可按角色分组配置（default/smol/slow/plan/commit 等）。
• 优点：终端内 LSP、DAP 和数据科学内核的组合在五个项目中较突出；由 Pi 生态延伸而来，保留了一定可扩展性。
• 局限：功能多、迭代极快（版本号已到 17.x），配置复杂，上手门槛高；部分高级能力依赖较重的本地环境。

5. Kilo Code —— 覆盖 IDE、CLI 和云端的综合编码平台

• 定位：Kilo（kilo.ai）的"all-in-one agentic engineering platform"。官方自称是"最受欢迎的开源编码 Agent"之一；VS Code 扩展页面显示 约 142 万安装量（2026-08 快照）。仓库 2025-03 建仓，GitHub 26,910 星（2026-08-18 快照）；OpenRouter Coding Agents 分类页当日快照显示约 266B tokens，是该页面统计范围内仅次于 Hermes 的用量。
• 衍生渊源：Kilo 的 VS Code 扩展源自 Roo Code；其 CLI 官方说明为 OpenCode 的 fork。
• 核心功能：同一 Agent 覆盖 VS Code、JetBrains、Cursor、Windsurf 扩展 + 独立 CLI + 云端 + Slack；功能包括内联补全、浏览器自动化、自动化重构、自定义模式（planning/coding/debugging）、技能系统、checkpoint、编排者（orchestrator）模式，以及 kilo run --auto 的全自动无人模式（面向 CI/CD）。
• 模型与部署：官方称支持 500+ 模型、覆盖多个供应商，带 Auto Model 路由器，可 BYOK；官方 Gateway 宣称对模型推理零加价（此为官方宣称，实际账单以官方定价和服务条款为准）。
• 优点：多端覆盖完整，IDE 用户迁移成本低；模型路由省心；安装量与社区量级大。
• 局限：功能堆叠较多，相对"重"；CLI 与云端服务的边界（哪些免费、哪些计费）需要单独核实；部分社区用户认为其核心体验偏向 IDE 侧而非 CLI。
• 适合人群：日常使用 VS Code / JetBrains、希望一个 Agent 多端通用、或需要在 CI/CD 中跑自动修复的团队。

六、每个 Agent 的最佳模型搭配

先说两个前提：

• 开源 harness 基本都是模型无关的——同一个 Agent 里可以随时切换供应商和模型，"最佳搭配"更多是偏好问题而非限制问题；
• 更实用的思路是按角色分层：主力模型管重活（写功能、重构、调试），便宜快的模型管轻活（自动补全、提交信息、批量脚本），这也是 omp 官方配置和多数玩家的通用做法。

DeepSeek V4 系列：性价比主力

DeepSeek 官方 API 文档（2026-08 快照）显示 V4 双模型都面向 Agent 场景开放，且国内直连、价格极低：

OpenCode Go Codeing Plan 支持 deepseek-v4-flash、deepseek-v4-pro，支持支付宝微信支付。

社区普遍把 Flash 定位为"2026 年最佳预算编码模型"（海外测评称其性价比表现超过 Claude Code / Codex 的默认模型），V4 Pro 则被评价为"编码基准对标 GPT-5.5 / Opus 4.7、成本低约 3 倍"。主流用法是默认 V4 Pro 管重活、轻任务切 V4 Flash（deepakness.com 实测采用此组合，日常成本压力很小）。

各 Agent 推荐搭配

本地模型用户：Pi 的 Token 效率对本地模型最友好（社区反馈接 Qwen Coder / Llama 系口碑最佳）；其余四者也均支持 Ollama / LM Studio。

七、横向对比：事实与编辑判断分离

* 两项数据均为动态快照：Stars 会持续变化；OpenRouter 数值与该页面统计窗口、App Attribution、用户直连比例相关，不能直接跨页面或跨时间比较。

八、成本、隐私与本地部署

五个项目的核心代码均采用 MIT 许可，但开源不等于所有服务免费：云端服务、官方网关、模型调用可能产生费用，实际成本取决于所用模型、供应商和部署方式。

九、选型建议

• 如果你需要一个具备持久记忆、技能系统、定时任务和消息接入能力的通用 Agent，可以优先了解 Hermes Agent。它不只面向代码生成，适合希望把 Agent 长期运行在后台的用户。
• 如果你主要在终端中编码，希望使用多个模型供应商，并且重视成熟的 plan/build 工作流，可以考虑 OpenCode。
• 如果你希望保持核心系统足够小、愿意通过扩展自行设计工作流，Pi 更合适。它的优势是可改造性和较小的默认上下文，但开箱即用程度相对有限。
• 如果你经常在终端中进行重构、调试或数据分析，可以重点测试 omp。它在终端内集成 LSP、DAP 和代码执行内核，但配置复杂度也更高。
• 如果你主要使用 VS Code 或 JetBrains，并希望在 IDE、CLI 和云端之间切换，Kilo Code 的工作流更匹配。使用前建议核实其 Gateway、云端 Agent 的具体计费与数据政策。
• 如果只想先选一个，建议根据自身工作流筛选后，用自己的项目做小规模真实测试——GitHub Stars 和 OpenRouter 用量都不能替代真实编码任务测试。

十、常见问题（FAQ）

开源 AI 编程 Agent 哪个最适合终端用户？

• 想要成熟默认体验选 OpenCode；想要省 Token、可深度定制选 Pi；需要终端内调试、重构、数据分析选 omp。

OpenCode、Pi 和 omp 有什么区别？

• OpenCode 功能全面、生态最大；Pi 核心极简、一切靠扩展；omp 是 Pi 的增强路线，内置了 LSP、调试器和执行内核。

Hermes Agent 适合纯编码工作吗？

• 可以编码，但它更强的是记忆、自动化与消息接入等通用 Agent 能力；纯终端编码场景下，OpenCode/Pi/omp 的编码工作流更成熟。

哪些工具支持本地模型？

• 五者均支持（Ollama / LM Studio 等），其中 Pi 的 Token 效率使其在本地/慢模型场景下口碑最好。

DeepSeek V4 Flash / V4 Pro 适合搭配哪个 Agent？

• 都可以。DeepSeek 是开源权重模型，五个 Agent 均可通过 API / BYOK 接入；社区与官方资料显示 Pi、OpenCode 与 DeepSeek 的配合口碑最好。预算方案：日常与轻任务用 V4 Flash，重活切 V4 Pro。

Kilo Code 是免费的吗？

• 核心代码 MIT 开源、扩展可免费安装；其 Gateway、云端 Agent 和企业功能涉及付费服务，需以官方条款为准。

GitHub Stars 能代表 AI 编程 Agent 的实际能力吗？

• 不能。Stars 代表关注度；编码能力需要统一环境、统一任务和统一模型的基准测试来验证。

十一、数据限制

本文中的 GitHub Stars 和 OpenRouter 用量均为动态数据快照，不能代表项目长期趋势。OpenRouter 数据受统计窗口、App Attribution、BYOK 直连和用户使用场景影响，不能直接等同于编码能力。

社区评价来自项目官网、GitHub、OpenRouter、Hacker News、Reddit、知乎等公开页面，具有主观性，不能替代统一环境下的基准测试。

此外，五个项目定位不同，Hermes、Pi、omp 与 Kilo Code 并非完全同类产品，请根据自身的终端、IDE、模型、隐私和自动化需求选择。

十二、数据来源（访问日期 2026-08-18）

• GitHub API 实时数据：NousResearch/hermes-agent、anomalyco/opencode、earendil-works/pi、can1357/oh-my-pi、Kilo-Org/kilocode
• Hermes Agent 官网 · GitHub 仓库 · NVIDIA 官方博客报道
• OpenCode 官网 · GitHub 仓库 · Hacker News 讨论 · morphllm 对比统计 · pinggy.io 榜单
• Pi 官网 · GitHub 仓库 · Reddit：Pi 体验讨论 · Reddit：OpenCode vs Pi vs Hermes
• DeepSeek 官方模型与定价页 · DeepSeek 官方 Pi 集成文档 · deepakness：Pi 模型搭配实测 · mindstudio：DeepSeek V4 Flash vs Claude Sonnet 4.6 · HN：DeepSeek V4 社区讨论
• omp 官网 · GitHub 仓库 · 知乎测评介绍（oh-my-pi 章节） · Reddit：Pi vs omp 架构讨论
• Kilo 官网 · GitHub 仓库 · VS Code Marketplace 插件页 · tessl.io 专访
• OpenRouter Coding Agents 排行（2026-08-18 快照）

本文为开源 Agent 资料对比与选型参考，所有星标与用量数据均为撰写当日快照，项目发展迅速，请以各仓库与官方页面实时数据为准。