**核心观点**：HermesAgent独有六层闭环学习架构，业界唯一- **六层架构**：Nudge触发 → 记忆策展 → 技能自创建 → Honcho用户建模 → 检索召回 → RL训练- **核心优势**：唯一内置学习闭环的开源Agent、技能作为程序性记忆、双向用户建模- **劣势**：无主动遗忘机制、无记忆冲突解决、仅面向单用户- **与Avagent对标**：需要多租户架构、智能触发器

**核心观点**：本地控制是Agent的"手脚"，让Agent从"能说"变成"能做"- **OpenClaw**：强制Docker沙箱优先，虚拟文件系统，安全策略引擎- **HermesAgent**：6种执行后端（本地/Docker/SSH/浏览器/子进程/Termux）- **智能家居**：HermesAgent独有Home Assistant集成- **远程执行**：HermesAgent支

**核心观点**：技能体系决定Agent能力延伸方式- **OpenClaw**：企业级插件系统，manifest.json+SDK+TypeScript，80+插件- **HermesAgent**：极简注册+技能生态，Markdown文件创建，400+技能- **创建门槛**：OpenClaw需要1-2周，HermesAgent只需1-2小时- **隔离性**：OpenClaw通过plugin

**核心观点**：多通道能力决定AI Agent能触达多少用户- **通道数量**：OpenClaw 20+通道，HermesAgent ~12通道- **架构差异**：OpenClaw用Gateway中心化+插件化通道，HermesAgent用Gateway+平台适配器- **中国平台**：HermesAgent内置钉钉/飞书，OpenClaw通过扩展插件支持微信/飞书- **分布部署**：Op

**核心观点**：安全不是"做不做"，而是"做到什么程度"- **OpenClaw策略**：零信任，强制隔离，有专用SSRF防护组件，80+安全文件- **HermesAgent策略**：务实信任，危险命令检测分类，Docker沙箱- **密钥管理**：OpenClaw用SecretRef机制，HermesAgent用.env文件- **插件隔离**：OpenClaw有按需插件隔离，HermesA

**核心观点**：记忆系统是AI Agent的"灵魂"- **设计理念**：OpenClaw采用插件化记忆后端，HermesAgent采用内建多层记忆- **核心差异**：HermesAgent独有Agent策展机制，Agent自己决定什么值得记住- **检索技术**：OpenClaw用LanceDB向量搜索，HermesAgent用FTS5+LLM摘要- **用户建模**：HermesAgent

- CLI 技术栈：prompt_toolkit（交互式输入）+ Rich（富文本输出）+ Fire（命令框架）+ 皮肤引擎- 核心命令体系：hermes（交互）、model（模型切换）、tools（工具管理）、skills（技能管理）、gateway（网关）- 斜杠命令统一设计：CLI/Telegram/Discord/Slack 共享 COMMAND_REGISTRY- 五层安全防护：L1 身

- 6 种终端后端：Local（本地）、Docker（容器隔离）、SSH（远程）、Modal（Serverless）、Daytona（持久化环境）、Singularity（HPC 集群）- 抽象基类 `TerminalBackend`：统一 `is_available()` / `execute()` / `cleanup()` 接口- Gateway 消息网关：支持 Telegram、Disco

- 闭环学习流程：执行任务 → 观察结果 → 提取经验 → 创建/改进技能 → 持久化知识 → 下一轮使用- Agent 策展记忆：Agent 自己决定什么值得记住，不是人类预设规则- 定期 Nudge 机制：系统定时提醒 Agent 整理和持久化重要知识- FTS5 会话搜索：SQLite FTS5 全文搜索 + LLM 语义摘要的混合搜索策略，零额外依赖- Honcho 用户建模：辩证建模（T

- 闭环学习流程：执行任务 → 观察结果 → 提取经验 → 创建/改进技能 → 持久化知识 → 下一轮使用- Agent 策展记忆：Agent 自己决定什么值得记住，不是人类预设规则- 定期 Nudge 机制：系统定时提醒 Agent 整理和持久化重要知识- FTS5 会话搜索：SQLite FTS5 全文搜索 + LLM 语义摘要的混合搜索策略，零额外依赖- Honcho 用户建模：辩证建模（T