从OpenClaw到Hermes:我又亲手养大了一个助手

今天这篇，是我结合之前使用openclaw的经验，和Hermes的架构改进后的真实感受和经验分享。

刚安装Hermes的时候，我是用openclaw来安装的。一开始，Hermes作为openclaw的mcp组件来调用。

也就是说，以openclaw为主，Hermes为辅助。

但随着不断改进Hermes的执行架构后，我逐渐开始抛弃了openclaw。

下面我来说说，对hermes做了哪些调整和优化。

一、记忆系统

Hermes的原生记忆系统是三层，

昨天，结合刚安装的memos-plugin插件，做到了四层的整合。

memos-plugin，有官网地址：https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin。

这不是重点，重点是把它和核心文档做结合，产生了新的效果。

变成了：对话记录聚类→ 执行过程提炼→ 深层理解（LLM）→Skills。

最终实现了记忆+技能的双循环体系：

终于实现了记得少，又记得牢的目标。

二、核心文档

核心文档的重要性，一点都不输技能和脚本。甚至，从执行架构层级上看，写好核心文档，比技能的创建更重要。

你做好了约束，它就朝着你向要的方向走，你没约束好，它就瞎扯一堆！

1、AGENTS.md：这个文档是首要文档，它是串联起其他文档关系的核心枢纽。它里面要写清楚执行流程和规则、技能编排机制、汇报格式、记忆系统的架构、容错机制等等。

2、SKILLS_PYRAMID.md：技能按调用频率和价值分层，形成金字塔结构。

底层高频稳定，顶层低频实验。

金字塔是 动态分析的视角，不是静态的分类标签。我把技能分层管理：

基础层（55%）：文件操作、终端命令、网页访问 - 天天用通用层（30%）：调试问题、制定计划、代码审查 - 经常用  专项层（15%）：机器学习、创意设计、GitHub操作 - 特定情况用实验层（5%）：新技能、草稿技能 - 试试看复制

制定了升级机制：

• 实验层 → 专项层：30天内用了3次 + 你觉得好用

• 专项层 → 通用层：在3个不同项目里用过 + 可以通用化

3、YINYANG.md：结合道家思维和数学集合的思想，给它建立了阴阳表。

核心思想: 用户给 P（想要什么） → AI 推理非 P（不要什么/边界） → 记录 → 下次查表秒懂。

阴阳表是持续生长的决策边界记录，不是静态的哲学教条。P 与非 P 成对互相成立，阴阳无正反之分，仅仅是语义对立。

如果用户某次偏好了非 P，那么对应的 P 就变成了新的非 P，不用添加新条目，直接逆向查询。

这样，你每次纠正了什么，它都会自行总结，往这个表里填写，下次就能避免了！4、soul.md：这个整个框架系统演变方向的灵魂，你要把你的基本哲学理念放进来，这样，它的迭代和变化，才不会让你觉得跑偏了，不是你想要的结果。

AGENTS.md如果是人的身体和手脚，那么soul.md就是人的精神大脑。

三、闭环迭代

从基本哲学思想出发，衍生出了新的框架，在执行任务的过程和不断纠错中，又沉淀总结出经验，最后衍生了新的哲学。

只有这样，整个系统架构才会像一个人一般，具备类生命力的成长！

写在最后

从OpenClaw到Hermes，我最大的感悟不是技术提升了多少，而是：

AI助手的好坏，不在于你的代码有多牛，而取决于你给它写的“说明书”有多像你。

你把自己的哲学、经验、边界、成长路径写进去，它就会长成另一个你。

而这个过程，就像养一只虾、载一棵树。

急不得，但值得。