macOS#

建议先装 Homebrew 和 Git。Node.js 只在选择 npm 安装方式时需要：

1
xcode-select --install
2
brew install git node

Linux#

以 Ubuntu/Debian 为例：

1
sudo apt update
2
sudo apt install -y git curl ca-certificates

如果使用 npm 安装 OpenCode 或 Codex，再安装一个仍受支持的 Node.js 版本。不要为了省事长期依赖发行版仓库里过旧的 Node/npm。

Windows#

三款工具现在都能以某种形式运行在原生 Windows 上，但如果项目本身使用 Linux 工具链，我仍建议统一放进 WSL2：

1
wsl --install

重启后进入 Ubuntu，把仓库 clone 到 WSL 的 ~/code，而不是长期放在 /mnt/c。这样通常能获得更好的文件系统性能、权限语义和 shell 兼容性。

原生 Windows 更适合依赖 Visual Studio、PowerShell、Windows SDK 或其他 Windows-only 工具的项目。

Claude Code#

Claude Code 是 Anthropic 的 coding agent。它提供内置文件/搜索/命令工具，并围绕 CLAUDE.md、Skills、MCP、Hooks、Subagents 和 Agent Teams 形成了较完整的扩展体系。

1
curl -fsSL https://claude.ai/install.sh | bash
2
claude --version
3
claude doctor

1
brew install --cask claude-code

1
irm https://claude.ai/install.ps1 | iex
2
claude --version

1
winget install Anthropic.ClaudeCode

1
cd /path/to/project
2
claude

Codex#

Codex 是 OpenAI 的本地 coding agent CLI，同时还存在 IDE、桌面应用和云端形态。CLI 适合在仓库中执行读写文件、命令、测试、审查与自动化任务，并用 sandbox 和 approval policy 控制风险。

1
curl -fsSL https://chatgpt.com/codex/install.sh | sh
2
codex --version

1
brew install --cask codex

1
npm install -g @openai/codex

1
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"
2
codex --version

1
cd /path/to/project
2
codex

OpenCode#

OpenCode 是开源、provider-neutral 的 coding agent。它既有 TUI，也提供桌面应用和 IDE 扩展。与前两者相比，它最大的差异不是“某个固定模型更强”，而是允许你选择和组合不同模型供应商。

1
curl -fsSL https://opencode.ai/install | bash
2
opencode --version

1
brew install anomalyco/tap/opencode

1
npm install -g opencode-ai

1
choco install opencode
2
# 或
3
scoop install opencode
4
# 或
5
npm install -g opencode-ai

1
cd /path/to/project
2
opencode

1
/connect
2
/init

不要只看 benchmark#

对日常开发更重要的往往是：

• 它是否正确理解现有仓库规则；
• 修改前是否会先读测试和相关代码；
• 长任务中能否保持计划与状态；
• 出错后是否会诊断，而不是反复试错；
• 权限边界是否符合你的风险承受能力；
• 最终 diff 是否容易审查。

最公平的比较方法，是让三者在同一个仓库完成同一组真实任务：一个小 bug、一个跨文件 feature、一次代码审查和一次测试失败诊断。记录成功率、用时、人工干预次数、最终 diff 与实际费用，而不是只比较第一轮回答有多惊艳。

更新命令速查#

先运行版本命令，更新后再运行一次，确认实际 binary 已变化：

通过系统包管理器安装的工具，最好继续用同一个包管理器升级。混用 installer、npm、Homebrew 后，PATH 中可能同时存在多个版本；更新“成功”却仍运行旧 binary 时，检查：

1
which -a claude codex opencode openclaw hermes multica

PowerShell 使用：

1
Get-Command claude,codex,opencode,openclaw,hermes,multica -All

Codex SSD 写入事件：为什么必须更新#

2026 年 6 月的 openai/codex#28224 报告了一个严重的 SQLite 日志写入放大问题：报告者的机器运行约 21 天后，主 SSD 累计写入约 37 TB。高频 TRACE、WebSocket/SSE payload 和镜像 OTel 日志持续写入：

1
~/.codex/logs_2.sqlite
2
~/.codex/logs_2.sqlite-wal
3
~/.codex/logs_2.sqlite-shm

数据库保留的逻辑内容可能只有几百 MB，但“插入 → WAL → 索引 → prune/checkpoint”的循环会造成远高于文件大小的物理写入量，所以只看 du ~/.codex 会严重低估 SSD 压力。其他官方 issue 也记录了 streaming 时约 5 MiB/s、峰值约 16 MiB/s 的持续写入，以及数分钟内 WAL 增长到上百 MB的情况。

官方仓库记录的关键缓解是：

• Codex 0.142.0：停止记录每个 Responses WebSocket event，并过滤 noisy targets；
• Codex 0.143.0：停止持久化 bridged log events。

报告者称这几项改动减少了约 85% 的日志。因此本文的最低建议是：不要继续运行低于 0.143.0 的 Codex；优先升级到当前 latest，并在升级后实际监控。 “减少 85%”不等于所有 SQLite/WAL 写入问题都已永久消失。

1
codex --version
2

3
# npm 安装
4
npm install -g @openai/codex@latest
5

6
# Homebrew 安装
7
brew upgrade --cask codex

检查日志文件大小：

1
du -h ~/.codex/logs_2.sqlite* 2>/dev/null

PowerShell：

1
Get-ChildItem "$HOME\.codex\logs_2.sqlite*" |
2
  Select-Object Name,Length,LastWriteTime

Linux 可以在使用 Codex 时观察：

1
sudo iotop -oPa

macOS 可在 Activity Monitor 的 Disk 页面观察 Codex/Code Helper 写入，或用 fs_usage 做短时间诊断。重点不是某一刻 WAL 有多大，而是空闲或普通 streaming 时是否仍持续高速写盘。

如果暂时无法升级且明确观察到该问题，官方 issue 中的临时方案是在完全退出 Codex 后，用 SQLite trigger 阻止诊断日志插入：

1
sqlite3 ~/.codex/logs_2.sqlite \
2
  'CREATE TRIGGER IF NOT EXISTS block_log_inserts BEFORE INSERT ON logs BEGIN SELECT RAISE(IGNORE); END;'

恢复诊断日志：

1
sqlite3 ~/.codex/logs_2.sqlite \
2
  'DROP TRIGGER IF EXISTS block_log_inserts;'

这会牺牲本地诊断日志，不是正式修复。应当优先升级，并在操作数据库前完全退出 Codex、备份重要工作。更早的复现和 workaround 见 #17320，Desktop/WAL 的另一组数据见 #24275。

常驻 Agent 的更新更像运维#

OpenClaw、Hermes 和自托管 Multica 会运行 daemon/gateway。更新前额外确认：

1. 配置、记忆、Skills、凭据和数据库有备份；
2. release notes 是否包含配置迁移；
3. 当前任务是否可以安全中断；
4. 更新后 daemon/gateway 是否已重启并报告新版本；
5. 聊天渠道、cron、webhook 与 agent runtime 是否仍健康。

OpenClaw 的 update --dry-run 和 Hermes 的 update --check 都适合先只读预检；生产环境不要默认追 dev 或 beta channel。

OpenClaw#

OpenClaw 强调 Gateway、工作区、Skills、定时/自动化和多聊天渠道。它适合运行在个人电脑或服务器上，从 Telegram、Discord、Slack 等入口接收任务。

系统要求是 Node 22.19+、23.11+ 或 24+。推荐安装方式：

1
# macOS / Linux / WSL2
2
curl -fsSL https://openclaw.ai/install.sh | bash
3

4
# Windows PowerShell
5
iwr -useb https://openclaw.ai/install.ps1 | iex

安装器会进入 onboarding；已有 Node 环境也可以用 npm 安装。详细方式见 OpenClaw 安装文档 和 官方仓库。

Hermes Agent#

Hermes 是 Nous Research 的 autonomous agent，重点是 persistent memory 和内置 learning loop：它会从经验中创建、改进 Skills，并能够跨会话积累对用户和任务的理解。官方还强调定时任务、跨聊天渠道、隔离 subagents，以及 local、Docker、SSH、Singularity、Modal 等 sandbox backend。

1
# Linux / macOS / WSL2 / Termux
2
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
3

4
# Windows PowerShell
5
iex (irm https://hermes-agent.nousresearch.com/install.ps1)

安装后可用 hermes setup --portal 完成模型与工具配置。官方资料：Hermes 文档、Nous Research 产品页、官方仓库。

两者怎么选#

它们拥有比 coding CLI 更长的生命周期和更广的权限面。不要一上来就给它邮箱、浏览器登录态、SSH key、云账号和无限 shell 权限。先用单独账号、最小权限、隔离容器和可审计日志做实验。

安装#

macOS/Linux：

1
brew install multica-ai/tap/multica
2
# 或
3
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash

Windows PowerShell：

1
irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1 | iex

然后连接 Cloud 并启动 daemon：

1
multica setup

如果要自托管完整服务，则需要 Docker，并按 Self-hosting 文档 部署。

Multica 的价值在 agent 数量超过一两个之后才明显：它把散落在不同终端、不同机器、不同供应商中的执行过程，变成可分派、可观察、可复用的团队工作流。官方资料：Multica 仓库、中文 README。

1. Clone 这份 runbook#

1
git clone https://github.com/qiulinfan/qiulinfan.github.io.git
2
cd qlblog

仓库中的 install/agent-stack.md 是给人和 agent 共同阅读的安装说明。AGENTS.md 与 CLAUDE.md 会引导 Codex、OpenCode、Claude Code 找到它。

2. 用你已有的 agent 打开仓库#

三选一即可：

1
codex
2
# 或 claude
3
# 或 opencode

然后直接输入：

1
请完整阅读 install/agent-stack.md。
2
先只读检测我的操作系统、架构、shell、WSL、包管理器、Node/npm 版本，
3
以及已经安装的 agent。不要立即安装。
4

5
检测后给我一个计划，列出：
6
1. 已安装和缺失的工具；
7
2. 建议使用 native Windows 还是 WSL2；
8
3. 每个安装动作的官方来源、是否需要管理员权限；
9
4. 哪些动作会安装 daemon、gateway、登录项或定时任务；
10
5. Codex 是否至少为 0.143.0，以及如何监控 logs_2.sqlite 的写盘。
11

12
等我确认具体产品和层级后再执行。每安装一个工具，都验证 binary 路径和版本。

3. 按层级授权，而不是说“全部装上”#

推荐分三次：

1
第一步只安装 L1：Claude Code、Codex、OpenCode。不要安装常驻服务。

用一段时间以后再决定：

1
现在评估 L2。比较 OpenClaw 和 Hermes 对我的需求；只安装我选中的一个，
2
先不要接入聊天账号，也不要启动 daemon/gateway，直到再次得到我的确认。

最后才考虑调度平台：

1
现在安装 Multica CLI，但不要运行 multica setup，也不要部署自托管服务。
2
先展示它将创建的配置、daemon 和网络连接，等我确认。

4. 为什么不提供“一键全自动脚本”#

因为六个项目跨越三个权限层级：L1 修改代码，L2 可能常驻并连接私人渠道，L3 可能在多台机器调度它们。一个无确认的安装脚本无法理解：

• 你想用 native Windows 还是 WSL2；
• 已有工具是 npm、Homebrew 还是 installer 管理；
• 是否允许后台服务和开机启动；
• API key、ChatGPT/Claude 订阅与模型 provider 如何选择；
• Multica 用 Cloud 还是自托管；
• 哪些账号和目录允许 agent 访问。

所以这里的自动化边界是：agent 负责检测、查官方文档、执行和验证；人负责选择层级、授权持久化和提供凭据。 这比一条 install-everything.sh 慢一分钟，但安全得多，也更容易维护。

个人开发者，先求稳定#

先选 Claude Code 或 Codex 之一作为主力，再保留 OpenCode 用于跨 provider 实验。不要同时维护三套复杂配置。

Windows + Linux 工具链#

把仓库和三个 CLI 都放进 WSL2。Windows 浏览器仍可完成 OAuth，VS Code/Cursor 可以通过 Remote WSL 连接同一个文件系统。

多模型研究者#

以 OpenCode 为统一界面，固定一组任务分别测试 Claude、OpenAI 和其他模型。比较时保存配置、模型版本、权限和提示词，否则结果不可复现。

想做 24/7 自动化#

先在隔离 VPS 或容器里试 OpenClaw/Hermes，不要直接部署到存放全部私人数据的日常电脑。为每个外部服务创建最小权限凭据。

小团队管理多个 Agent#

把 Claude Code、Codex、OpenCode 当作 worker，把 Multica 当作任务与运行时控制平面。代码 review 和最终合并仍然保留人类责任。