KNOWLEDGE BASE · OpenClaw教程

OpenClaw还没玩透？这款AI分身能24小时自动进化，20个配置直接抄

还在天天手动调教OpenClaw？花了大量时间配置规则和修正错误，第二天打开发现上下文全丢了。这种被AI用完即弃的无力感，Hermes用一套自进化闭环彻底终结了。

Hermes是第三代AI工具范式：ChatGPT是第一代（你问我答、关掉就结束）；OpenClaw是第二代助手，靠人工配置驱动；Hermes是第三代伙伴，内置完整学习循环，能从每次任务中自动提取经验并固化成可复用技能。

自进化飞轮是Hermes最核心的能力：用户提交任务后Agent立即执行并记录，执行完毕后系统自动复盘，判断用户意图，识别值得复用的工作流，生成技能文件存入~/.hermes/skills/。下次遇到类似任务时，Agent自动调用这些技能。

系统提示词采用9层架构，约36,700字符，其中AGENTS.md独占20,300字符，超过总体的55%。采用头部70%加尾部30%的策略舍弃中间部分以避开截断。

记忆系统分为三层：会话记忆使用SQLite配合FTS5全文索引，能在50毫秒内完成检索；持久记忆通过MEMORY.md实现，限制在2200字符以内；技能记忆存储约80个注册技能。与OpenClaw的35,000多条记录相比，Hermes采用有界热记忆模式。

冻结快照设计是记忆协同的关键：会话启动时注入MEMORY.md的冻结快照，会话中途写入的记忆不立刻生效，而是在后续会话才正式生效。这种设计保证了前缀长度稳定以提升缓存命中率，同时维持了整体记忆的有序性。

Skill生态相当丰富：出厂自带40多个常用技能；agentskills.io与OpenClaw/Claude Code互通；awesome-hermes-agent收录超过1000个技能。内置20多个实战配置涵盖每日AI新闻推送Telegram直达，会议纪要自动生成、代码仓库凌晨自动审查等多个高频场景。

多Agent编排是另一处差异。Hermes用Profile实现完全隔离的环境——独立配置、独立记忆、独立会话、独立技能；delegate_task采用同步阻塞模式，最多并发三路。每个子Agent还会被剥夺delegate_task、clarify、memory等工具，避免层层转包。已知缺陷是没有超时机制。

部署上，官方推荐三种模式：单机用Systemd，多Profile用Docker Compose，云服务器则用Ubuntu系统、月费约五美元起步。工具链方面，Jina Reader负责单页抓取，Crawl4AI负责批量抓取。

不过自建也有坑。社区反馈比较集中的几个：记忆组件默认走外部嵌入接口，不显式改成本地模型会静默报错；显存吃紧时容易出现加载饥饿；会话记录里可能夹带密钥，需要加脱敏器；定时任务还会因为服务器时区不是本地时区而错点。

换句话说，Hermes把「用完即弃的工具」变成了「越用越顺手的伙伴」，代价是要接受它作为一套需要长期维护的基础设施。

📖 原文链接：https://studyopenclaw.cn/?p=2548

OpenClaw 知识库 · OpenClaw教程