OpenClaw vs Hermes Agent:记忆模块深度技术解析

01OpenClaw的记忆架构：多层混合系统

1.1 整体架构设计

OpenClaw的记忆系统是一个多层混合架构，核心理念是”文件优先、索引辅助”。根据官方文档，它将记忆分为以下层级：

工作区记忆（Workspace Memory）：这是”真正的记忆”，以纯文本Markdown文件存储，人类可直接阅读和编辑。典型布局包括：

• memory/YYYY-MM-DD.md — 每日日志（仅追加）• MEMORY.md — 长期精选记忆

会话记忆（Session Memory）：以JSONL格式存储会话历史，位于 sessions/ 目录下。每个 .jsonl 文件包含完整的会话转录，每条消息包含消息ID、角色、内容、时间戳等元数据。

派生索引（Derived Index）：基于SQLite的向量索引层，用于语义搜索。这个索引层是”可重建的”，如果丢失可以从源文件重新生成。

1.2 核心技术实现：MemoryIndexManager

OpenClaw记忆系统的中枢是 MemoryIndexManager 类。根据源码分析：

• 架构模式：Manager单例模式，带懒加载初始化• 文件监听：使用file watcher实现实时重新索引• Mixin设计：manager-embedding-ops.ts、manager-sync-ops.ts等混入类组合到MemoryIndexManager中• 缓存机制：带INDEX_CACHE防止重复索引

关键特性是Per-Agent隔离：通过 agentId 实现多Agent工作流的独立命名空间。每个Agent拥有独立的SQLite存储（~/.openclaw/memory/<agentId>.sqlite），避免记忆交叉污染。

1.3 向量索引与混合检索

OpenClaw支持三种搜索后端：

1. 默认SQLite向量搜索：开箱即用，但对精确token匹配较弱2. SQLite混合搜索（BM25 + 向量）：良好的中间方案，无需额外安装3. QMD + LLM重排序：最准确的选项，需要独立的sidecar进程

向量存储使用 sqlite-vec 扩展。Embedding Provider支持多种配置：

• 内置支持：OpenAI、Gemini、Voyage、Mistral、Ollama和本地GGUF模型• 可选QMD sidecar后端：提供MMR多样性重排序和时间衰减等高级功能• 本地模式：使用 node-llama-cpp 实现完全本地化

1.4 每日日志与自动刷新

OpenClaw的每日日志系统：

• memory/YYYY-MM-DD.md 是仅追加文件，捕获日常活动、决策和运行上下文• 每次会话启动时自动加载今天和昨天的日志• 旧日志可通过语义搜索查询，但默认不加载• Agent在对话过程中自动追加到今天的日志

1.5 MEMORY.md 长期记忆

OpenClaw也使用 MEMORY.md 作为长期精选记忆文件，包含：

• 重要决策和偏好• 项目约定和模式• 长期待办事项和目标• 需要持久保存的关键事实

注意：MEMORY.md 仅在私人会话中加载，不会在群组上下文中加载，以保护敏感信息。

02Hermes Agent的记忆架构：精简确定性系统

2.1 核心记忆文件

Hermes Agent使用两个持久化文件存储核心记忆，位于 ~/.hermes/memories/ 目录下：

MEMORY.md（智能体笔记）：

• 路径：~/.hermes/memories/MEMORY.md• 容量上限：2200个字符• 用途：存储智能体自己的工作笔记、重要发现、项目约定、工具使用经验等• 典型内容：环境事实、项目约定、发现的解决方案、经验教训

USER.md（用户档案）：

• 路径：~/.hermes/memories/USER.md• 容量上限：1375个字符• 用途：存储用户的个人信息、习惯、背景知识• 典型内容：职业、技术栈、沟通偏好、工作习惯

两个文件都使用 §（section sign）作为条目分隔符。当记忆达到容量上限时，Agent会自动压缩或替换条目以腾出空间。

2.2 会话存储与FTS5搜索

除了核心记忆文件，Hermes还提供基于SQLite FTS5的会话历史搜索：

• 数据库路径：~/.hermes/state.db• 存储内容：会话元数据、完整消息历史、模型配置• FTS5全文索引：支持跨会话高效全文检索• JSONL转录：~/.hermes/sessions/ 目录存储原始对话转录（包括工具调用）

SQLite数据库包含：

• sessions 表：会话ID、来源平台、用户ID、会话标题等• messages 表：完整消息历史• 元数据：token计数、工具调用计数、系统提示快照• 谱系关系：压缩分割后的父子会话关系

2.3 记忆管理工具

Hermes Agent通过 memory 工具管理自己的记忆：

• add：添加新记忆条目• replace：替换现有条目（使用子串匹配）• remove：删除过时条目（使用子串匹配）

注意：官方文档明确说明”There is no read action”——记忆内容在会话开始时自动注入系统提示，Agent无需显式读取。

Agent自主决定何时写入、更新或删除记忆条目。当记忆满时，Agent会压缩或替换条目。

2.4 记忆卫生与容量控制

由于严格的字符限制（MEMORY.md 2200字符，USER.md 1375字符），Hermes强调定期清理：

• 使用字符计数而非tokenization，保持模型无关性• Agent可以接收指令清理已完成的任务• 支持压缩指令删除冗余内容

2.5 结构化记忆系统（最新演进）

Hermes在PR #3093中引入了原生结构化记忆：

• 类型化的SQLite事实存储• 支持FTS5全文搜索• 取代了早期的MCP Server原型（PR #2692）• 2026年3月26日合并

此外，PR #4056添加了可选的 semantic-memory 技能：

• 混合BM25 + 向量搜索• 时间衰减机制• 作为可选技能，不替代内置的Markdown记忆系统

03技术对比：设计哲学的根本分歧

3.1 存储策略对比

3.2 检索能力对比

3.3 记忆管理哲学

OpenClaw：文件优先 + 索引辅助

• 记忆以纯文本文件存储，人类可直接编辑• SQLite索引是”可重建的”派生层• 每日日志自动追加，提供运行上下文• MEMORY.md仅在私人会话加载

Hermes：精简存储 + 自主管理

• 严格的字符限制迫使信息精炼• Agent通过memory工具自主决定记忆内容• 满时自动压缩或替换• 使用字符计数而非tokenization

3.4 技术栈对比

04优劣势分析

4.1 OpenClaw的优势

语义理解能力强：向量检索能理解查询的语义意图，即使关键词不匹配也能找到相关内容。

多种检索方案可选：支持三种搜索后端，从简单到精确可按需选择。

可审计性高：记忆以纯文本文件存储，人类可直接阅读和编辑。

Per-Agent隔离：每个Agent独立数据库，多Agent工作流不会交叉污染。

4.2 OpenClaw的劣势

配置复杂度：需要配置Embedding Provider，否则记忆搜索不可用。

依赖外部服务：默认依赖voyage或mistral等外部Embedding服务。

索引重建成本：虽然索引可重建，但大规模重建需要时间和计算资源。

4.3 Hermes Agent的优势

开箱即用：FTS5是SQLite内置功能，无需额外配置。

结果确定性强：基于关键词匹配的检索不会产生语义漂移。

自主管理：Agent通过memory工具自主决定记忆内容，满时自动压缩。

模型无关性：使用字符计数而非tokenization，兼容不同LLM。

4.4 Hermes Agent的劣势

容量限制严格：2200/1375字符限制可能导致有价值信息被过早丢弃。

语义理解有限：内置FTS5无法理解语义相似度（但可通过可选技能扩展）。

单实例架构：单SQLite实例在大规模场景下可能成为瓶颈。

05适用场景建议

5.1 选择OpenClaw的场景

• 需要语义检索能力，用户查询模糊• 多Agent工作流，需要Per-Agent隔离• 需要人类可直接编辑的记忆文件• 需要多种检索方案可选

5.2 选择Hermes Agent的场景

• 希望开箱即用，无需额外配置• 需要确定性的检索结果• 希望Agent自主管理记忆• 成本敏感，不想依赖外部Embedding服务

06未来演进趋势

6.1 OpenClaw的演进方向

• PostgreSQL后端：PR #1568提出pgvector后端支持• 混合检索优化：改进BM25和向量检索的融合策略• QMD + LLM重排序：提供最准确的检索选项

6.2 Hermes Agent的演进方向

• 结构化记忆：PR #3093已合并，引入类型化SQLite事实存储• 语义搜索扩展：PR #4056已合并，添加可选的semantic-memory技能• 冷热分层：PR #10121（Closed状态）曾提出弹性冷热记忆分层方案，但未合并到主分支