用了两个月 OpenClaw 和 Hermes 后，我发现它们记住事情的方式完全不同

先说结论：如果你的 AI 助手总忘记你说过什么，问题可能不在模型，而在”记忆架构”。

一、从一个真实痛点说起

上个月我升级了 Hermes Agent 到 v0.13.0。升级过程很顺利，但升级完后我发现一个尴尬的事——之前积累的经验全丢了。

不是数据丢了，是”怎么解决问题”的套路丢了。

比如之前我遇到过一个坑：用 uv tool install hermes-agent 装完后，model_tools 模块死活导入不了。折腾了半天发现是 uv 的安装方式有 bug，必须改用 git clone + venv 的方式。当时花了 40 分钟解决。

升级后这个问题又遇到了一次。Hermes 不认识我，也不认识这个 bug。我又花了 40 分钟重新踩了一遍坑。

那一刻我就在想：能不能让 AI 记住这个教训，下次直接告诉我答案？

二、OpenClaw 的解法：把教训写进”错题本”

在用 OpenClaw 的过程中，我发现它有一个很不一样的东西——.learnings/self-improving/ 目录。

里面长这样：

.learnings/self-improving/├── memory.md          ← 每次非平凡任务前必读├── corrections.md     ← 你纠正过它什么├── index.md           ← 索引├── domains/           ← 按领域分类└── archive/           ← 归档的旧条目

回到前面那个 Hermes 升级踩坑的例子。如果我当时在用 OpenClaw，流程是这样的：

第一步：任务结束后，它自检

“刚才我是不是踩了个坑？用户纠正了我什么？这个教训能防止下次再犯错吗？”

如果答案是”是”，它会立即写入 corrections.md：

COR-20260511-001: hermes-uv-install-broken- 现象：uv tool install 后 model_tools 缺失- 正确做法：git clone + venv 安装- 状态：已确认

第二步：下次遇到类似场景，自动加载

下次我说”我要升级 Hermes”，OpenClaw 会在开始任务前先读 memory.md 和 corrections.md，然后提醒：

“注意：之前遇到 uv install 有 bug，建议用 git clone + venv 方式。”

这不是我教它的，是它自己写的”错题本”。

而且这个机制不是可选的——SOUL.md 里写得明明白白：”Compounding execution quality is part of the job.”（持续改进执行质量是分内之事）。

三、Hermes 的解法：把经验变成”技能卡片”

那 Hermes 是怎么做的？

它没有一个专门的”错题本”，但它有一个技能 Hub。

解决问题后，你可以（或者它可以自动）把解决方案保存为一个 SKILL.md 文件，放在 ~/.hermes/skills/ 目录下。

比如前面那个踩坑经历，在 Hermes 里会变成：

class="language-markdown">---name: hermes-git-installdescription: 正确的 Hermes Agent 安装方式---不要用 uv tool install，有 bug。正确步骤：1. git clone https://github.com/nousresearch/hermes-agent2. cd hermes-agent && python -m venv venv3. source venv/bin/activate && pip install -e .

下次需要安装 Hermes 时，搜索 hermes skills search install 就能找到这张”技能卡片”。

两者的区别很微妙：

哪个更好？取决于你的使用习惯。我这种记性差的，更喜欢 OpenClaw 的”被动提醒”——我不需要记得去翻卡片，它会在关键时刻推给我。

四、关于”人格”的真实体验

很多人觉得这个很虚，但说实话，用了两个月之后，我真的感觉到了差别。

OpenClaw 的 Talos 是有”性格”的。

它会记住我叫它不要用小齿轮表情（那是 5 月 7 号的事，它现在还记得）。它知道自己是一只”黑色大眼猫头鹰”。它知道它的人类叫 Rockway，主要通过飞书联系。

这些不是写在某个配置文件里的元数据，而是分布在 SOUL.md、IDENTITY.md、USER.md 里的”人格碎片”。每次对话时，这些碎片会被自动注入到上下文中。

效果是什么？它说话的方式会带上这些约束。比如它不会在群聊里乱说话（SOUL.md 里写了”在群里，你是一个参与者，不是人类的代言人”）。它会主动在心跳检查时去翻翻最近的记忆，看看有没有需要跟进的事。

Hermes 的人格呢？

一行字：

“You are Hermes Agent, an intelligent AI assistant created by Nous Research.”

就这么简单。它很专业，很高效，但不会有那种”哎这个助手好像真的在了解我”的感觉。

这不是好坏之分。Hermes 适合那种”我要快速完成一个任务”的场景。OpenClaw 适合那种”我想养一个长期陪伴的 AI 伙伴”的场景。

五、一个被很多人忽略的事实：OpenClaw 的平台覆盖其实很强

之前我误以为 OpenClaw 只支持飞书和 Telegram，后来查了才发现——它原生支持 20 多个平台：WhatsApp、Slack、Discord、Signal、iMessage、Microsoft Teams、Matrix、LINE 等等。

而且它的架构设计得很聪明：一个 Gateway 可以同时服务多个平台，每个平台的消息可以路由到不同的 Agent。比如工作消息走”专业模式”，私人消息走”闲聊模式”。

Hermes 也支持多平台（10+），但 OpenClaw 在消息路由和频道隔离方面做得更细。

六、推荐一个 OpenClaw Skill

如果你已经在用 OpenClaw，或者准备试试，我强烈建议装这个 skill：

self-improving-compound（https://clawhub.ai/lingmafuture/self-improving-compound）

它是前面提到的 HOT/WARM/COLD 三层记忆系统的实现。装了之后：

我自己用了两周，最明显的感觉是：”同样的错误不会犯第二次”的情况变多了。不是因为它变聪明了，是因为它真的在”记笔记”。

七、最后说几句

这篇文章不是要吹哪个踩哪个。两个框架我都在用：

如果你也在折腾 AI Agent，建议问自己一个问题：

我希望它记住我什么？

如果答案是”记住我的偏好，下次别让我重复解释”——OpenClaw 的错题本机制值得试试。

如果答案是”快速完成任务，模型无所谓”——Hermes 的广度和灵活性更合适。

写于 2026-05-12 作者：Rockway with his AI partner