引言

如果说 OpenClaw 的记忆更像是一本冗长的“流水账”，那么 Hermes Agent 则是一套精密的分层存储系统。

通过翻阅其代码库，发现 Hermes 的核心逻辑并非“博闻强识”，而是在确保提示词缓存（Prompt Caching）稳定性的前提下，实现记忆的冷热分离。

---

一、 核心架构：四层记忆阶梯

Hermes 放弃了“单一上下文”的幻想，将记忆拆解为四个互补的维度：

1. 精简提示词记忆：存储于 MEMORY.md 与 USER.md，极致压缩。
2. 会话回溯系统：基于 SQLite 的 session_search，支持全文检索。
3. 程序记忆 (Procedural Memory)：以 Skills（技能） 形式存在的操作指南。
4. 深度用户建模：可选的 Honcho 层，解决跨设备记忆连续性。

---

二、 严格装配线：System Prompt 的构建顺序

这是 Hermes 最令我惊艳的地方。它拥有一条顺序严丝合缝、不可合并、不可调换的组装流水线。这种设计是为了最大限度利用 LLM 供应商的提示词缓存（Prompt Caching）机制。

装配优先级及内容如下：

组装顺序	模块名称	职能描述	变动频率
[0]	Core Identity	默认智能体身份设定（Role）	恒定
[1]	Tool Guidelines	工具使用行为指南与交互约束	恒定
[2]	Honcho Module	（可选）外部用户建模集成接口	低
[3]	System Message	开发者定义的静态系统消息	低
[4]	MEMORY.md	固化的个人笔记快照 （环境、规范、教训）	中（仅会话开始更新）
[5]	USER.md	固化的用户画像快照 （偏好、风格、身份）	中（仅会话开始更新）
[6]	Skills Index	智能体技能索引（而非全量代码）	中
[7]	Context Files	规则定义文件（AGENTS.md, SOUL.md 等）	中
[8]	Environment	当前日期、时间、OS 平台信息	高
[9]	History	压缩后的历史对话上下文	极高
[10]	User Message	当前用户最新输入的指令	最高

架构逻辑： LLM 缓存匹配是从第一个字符开始的连续块。将最稳定的前缀（[0]-[7]）放在头部，确保了即使对话持续进行，头部缓存依然能被命中，从而大幅降低首字延迟。

---

三、 持久化层：固化的“冷记忆”

Hermes 将核心记忆限制在 ~/.hermes/memories/ 下的极小空间：

• • MEMORY.md：限定 2,200 字符（记录项目背景、工具怪癖、报错教训）。
• • USER.md：限定 1,375 字符（记录沟通风格、个人身份）。

这种设计的精妙之处：

1. 字符限制而非 Token 限制：逻辑与特定模型的 Tokenizer 解耦。
2. 精选状态 (Curated State)：不记 TODO，不记任务进度，只记经过验证的事实。
3. 内存隔离：会话中途写入记忆会落盘，但不会立即改变当前 Prompt。只有在新会话或触发“压缩”重建时，这些改动才会生效，以此维护缓存的稳定性。

---

四、 动态检索：session_search 与记忆冲刷

1. 长尾回溯

当模型需要记起“三个月前聊过的内容”时，它不会翻阅 Prompt 记忆，而是调用 session_search。系统会在 SQLite 数据库中执行全文搜索，并使用一个低成本辅助模型对匹配到的历史会话进行摘要，最后将精华结论反馈给主模型。

2. 记忆冲刷 (Memory Flush)

在长对话触发压缩（Compression）之前，Hermes 会执行一次“抢救性保存”：

• • 下达指令：“会话即将压缩，请将值得留存的偏好和模式写入 MEMORY.md。”
• • 这确保了关键信息在被“洗掉”之前，已经从动态上下文沉淀到了持久化层。

---

五、 总结：Hermes 到底做对了什么？

相比 OpenClaw 这种“以 Markdown 为中心”的朴素存储，Hermes 展现了工业级的思考：

• • 冷热分离：Prompt 负责高频感知，SQLite 负责低频回溯。
• • 缓存优先：意识到频繁改动 Prompt 头部是性能的“自杀行为”。
• • 程序化记忆：将“如何做事（Skills）”与“你是谁（Memory）”拆分开来。

真正的诀窍不在于记住更多，而是在正确的层级、以正确的成本，记住正确的事情。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】