1.1 个人AI应用案例

1.2 OPC个人AI工具

1.2.1 先说OpenClaw

1. 整个OpenClaw内部存在几个关键的多Agent支撑因素，包括：Gateway路由、多个持久化智能体（如AgentA、AgentB等）、衍生子Agent（如由AgentA创建的）
2. 从不同渠道和用户发来的消息，Gateway 通过 bindings配置，该算法将消息/任务精准的路由到对应的Agent（个人助手/工作助手/专属Agent等）。各Agent（如Agent A）接到任务后，通过sessions_spawn 工具创建各自的子Agent来做任务，完成后再汇总到各个主Agent（如Agent A）。
3. 子Agent之间不能进行通信，只能与各自的主Agent进行通信，工作完成后就汇报给主Agent。
4. 各个主Agent拥有独立的Workspace、认证凭证和会话历史。不同主Agent通过sessions_send进行通信。

1.2.2 再说Claude Code

1. 框架，即平台的手+工具+流程，负责和本地系统交互、操作权限控制、Agent调度（单Agent任务、多Agent协作）。模型，则主要是负责思考。
2. 用户通过自然语言阐述需求，框架接收需求并交由模型分析，模型指导框架（多Agent）进行具体操作（读写文件/跑命令），框架回传结果给模型，然后循环，直到模型判断任务完成。
3. Claude中有两套Agent机制。第一个是Teammate机制，Teammate中有一个Team LeaD（不直接工作，负责管理整个工作流），多个Teammates（Teammate A-安全审计/Teammates B-测试覆盖，等），且双方平级，通过P2P进行通信。第二个是Subagent机制，Teammate中的大多Agent都可调用该机制来创建子Agent（除个别专用性Agent），子Agent只能向各自主Agent汇报。
4. Claude的记忆系统分为手动和自动，手动主要是自己编写CLAUDE.md文件，该文件具备多个层级，包括全局性的约束、项目级的约束、模块级的约束。还有一个是系统自动记录的，即Auto Memory，用于记录个人偏好和经验。

1.2.3 最后说说Hermes

1. 和之前的超级个人智能体相比（如OpenClaw），它可以自己根据任务经验，来自行创建Skill，以便下次直接调用。也可以根据经验，来优化已有的智能体。
2. 它也是采取三层记忆架构（OpenClaw也是），包括会话记忆、短期记忆、长期记忆。数据存储在SQLite数据中，可使用 FTS5全文检索快速召回相关知识。
3. Hermes的多Agent架构是隔离最严格的，Agent之间、父子Agent之间的上下文、workspace完全隔离，不进行通信。Agent之间可以通过共享Skill的知识库，来避免踩同一个坑。提供RPC机制，Agent通过该机制调用Skill，或者与环境互动。父Agent通过该机制获取子Agent的执行结果。
4. 提供PLUR插件，支持双向学习机制，当你纠正某个Agent的错误，这个纠正自动同步给其他Agent，不用再手动调整。