# Hermes Agent 的记忆系统拆解：它用四层设计避开了 OpenClaw 的坑

> 原标题：转译：深度拆解 Hermes Agent 的记忆系统：它如何修正 OpenClaw 的误区

- 来源：X · @dotey（宝玉）
- 发布时间：2026-04-29T17:02:18.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/11745
- 原文：https://x.com/dotey/status/2049534755729707205

## 摘要

Hermes Agent 的记忆不是一套，而是四套：高度浓缩的提示词记忆（MEMORY.md 和 USER.md）、可搜索的 SQLite 历史会话存档、像程序记忆一样运作的技能管理，以及可选的 Honcho 深层用户建模。核心思路是冷热分离——把最常用的信息压进极小的提示词快照里（加起来约 1,300 个 Token），以保住大模型的提示词缓存、降低...

## 推荐理由

这篇文章不是产品发布，更像一篇技术拆解，把 Hermes Agent 的记忆系统讲得很清楚。我会先打个折：它来自单一信源，没有第三方验证，但给出的四层结构、字符限制和缓存优先思路对实际做 agent 的人有参考价值。正文没披露性能对比数据，所以别把它当评测看，当成一个设计思路的分享就好。

## 锐评

这篇拆解把 Hermes 的记忆设计讲得很透。它没搞什么花哨的向量数据库，就用两个加起来不到 1,300 Token 的纯文本文件当热记忆，剩下的历史会话全塞进 SQLite，靠搜索工具按需调取。这个冷热分离的思路直接冲着省钱去的——大模型的提示词缓存很贵，频繁改系统提示词会让缓存失效，延迟和成本都往上蹿。Hermes 的做法是把系统提示词前缀焊死，新记忆只在开新会话或触发压缩时才写入快照，中途不改。

压缩前的“记忆冲刷”是个好设计：先让模型把值得留的偏好和教训存进 MEMORY.md，再洗掉对话历史，避免摘要丢关键信息。技能层和可选的 Honcho 用户建模也补上了“怎么做事”和跨设备连续性的缺口。但正文没给出实际延迟或成本对比数据，也没说这套设计在复杂多轮任务里会不会因为记忆更新滞后而出错。另外，2,200 字符的硬上限对长期使用的智能体可能偏紧，这点得看实际场景。