引言
最近技术圈又热闹起来了。
Hermes Agent（github.com/NousResearch/hermes-agent）横空出世，打着「从经验中学习，在使用中进化」的旗号，直指 OpenClaw 的命门。一时间，「OpenClaw 要凉」的论调四起。
但我想聊的不是谁更强。
前两天在 AgentZone 群里，我、马工、胥老师和 lencx 几个人聊到 Agent 的记忆问题。聊了几轮之后发现，不管 Hermes 还是 OpenClaw，都在回避同一件事：Memory 和 Context 到底该怎么设计，才能让 Agent 真正可信？ 这背后牵扯到的，其实是「身份」和「控制权」的问题。
先说结论
lencx 说了一句我很认同的话：
如果你的 Agent Memory 只做到了「存聊天记录 + 向量检索」，那它拥有的不是记忆，只是一个带搜索功能的垃圾箱。
这话挺狠，但说到了点子上。我想在他后面补一句：
如果你的 Agent 有了记忆却没有「人格」，那它的记忆就是一场失控的积累——不知道该留什么、该丢什么、该信什么。
两个框架各自做了什么
OpenClaw 的路数
OpenClaw 走的是「一切皆文件，人全程在场」的路线。
- 身份系统靠
SOUL.md，定义 Agent 人格 - 记忆以文件形式存储，需要想办法维护
- Skill 可以由人写，也可以由 Agent 自己创建
- 关键操作需要用户确认
好处很明显，透明且可控，你能清楚看到 Agent 记住了什么、做了什么。但跨会话的学习和记忆沉淀，目前还主要靠人来想办法推动。
Hermes 的路数
Hermes 明显更「现代化」一些。
| 层级 | 能力 | 设计意图 |
|---|---|---|
| 常驻记忆 | MEMORY.md（~800 tokens）+ USER.md（~500 tokens） | 小而稳定，始终在上下文中 |
| 历史检索 | SQLite + FTS5 全文检索 | 大而按需，需要时才拉入 |
| 外部 Provider | Honcho 等 8 个 memory provider | 深层用户建模，跨会话画像 |
| 技能层 | 自动创建、自动优化、自动淘汰 | 程序性记忆，「会做了」 |
| 上下文装配 | 自动发现并加载项目规则文件 | prompt assembly pipeline |
双轨记忆、分层存储、技能蒸馏，每一层都有明确的设计意图，Hermes 确实在 Memory 架构上花了心思。
问题出在哪？
两个框架都没有真正解决「记忆如何被治理」的问题。
OpenClaw 的做法很直接，把治理责任交给了人类。SOUL.md 要人来定义，Memory 要人来想办法维护，Agent 创建的 Skill 也需要人来把关。
Hermes 做得更隐蔽一些。它用「自动进化」包装了治理的缺失。Agent 自己决定记什么、怎么压缩、什么时候更新 Skill，看起来很智能，但实际上是把一个需要严谨设计的问题交给了 LLM 的概率性推理。
我在群里说过一句：
有记忆和自己进化，有时候会让上下文不可控。
这不是杞人忧天，是已经被反复验证的工程事实。
为什么「人格」是 Memory 的前提
群里的讨论很快就聚焦到了一个点。马工说：
我觉得必须要有个人格。在明确的人格指导下，才有可能正确地压缩自己的记忆。
这话说得朴素，但切中要害。
想个具体的例子
假设你的 Agent 积累了这几条记忆：
- 用户喜欢简洁的代码风格（2026-01-15）
- 用户正在做一个 React 项目（2026-02-03）
- 用户上周说以后用 TypeScript，不用 JavaScript（2026-03-20）
- 用户今天说 React 太重了，想试试 Svelte（2026-04-10）
问题来了，哪些该保留？哪些该更新？哪些该标记为「已过时」？
如果 Agent 没有一个稳定的「人格」来指导压缩策略，下面这几种错误都可能发生：
| 错误类型 | 表现 | 后果 |
|---|---|---|
| 全量保留 | 所有记忆平等堆积 | 上下文膨胀，注意力分散，成本暴涨 |
| 随意压缩 | LLM 自行决定取舍 | 关键上下文丢失，行为飘忽不定 |
| 错误覆盖 | 新信息无条件替换旧信息 | 丧失历史维度，无法追溯决策依据 |
| 选择性失明 | 只记住最近的，忘记重要的 | 每次都像新来的，无法形成稳定协作 |
这不是纸上谈兵。Hermes 的 MEMORY.md 限制了 800 tokens，USER.md 限制了 500 tokens，超出了就让 Agent 自己 consolidate。但 consolidate 的判断标准是什么？ 是 LLM 当下的概率分布？还是某个稳定的、可审计的原则？
没有「人格」就没有判断标准，没有判断标准，「自动进化」就全凭运气。
「人格」远不止一个 prompt trick
很多人以为「人格」就是给 Agent 起个名字、写一段 system prompt，差得远。
人格在这里指的是压缩算法的元信息，它决定了几个关键事情。
优先级锚点。 对一个「偏执于代码质量的工程师助手」来说，代码风格偏好是高优先级记忆；对「追求速度的创业公司助手」来说，交付节奏偏好才更重要。
冲突解决规则。 当新偏好和旧偏好矛盾时，是「替换」、「并存」还是「创建分支」？一个「保守型」人格倾向于保留历史证据，一个「激进型」人格倾向于快速迭代。
遗忘策略。 什么样的记忆可以安全遗忘，什么样的即使过期也不能删。
上下文组装权重。 当多个记忆条目竞争有限的上下文窗口时，人格是最终的重排序依据。
没人格的 Memory 系统，就像没编辑方针的档案馆，什么都在存，什么都没法用。
不可控的自进化才是真正的隐患
胥老师在群里说了一句很重的话：
我现在不相信任何不可控的自进化。
这话直指 Hermes 模式的核心风险。
自进化有三种典型的失控方式
记忆漂移。 派生记忆会喂养新的派生记忆。一段内容被反复改写、反复总结、反复生成新总结，信息就会系统性漂移，先丢语气，再丢语境，再丢边界条件和时间限定。最后留下一个越来越顺口、却越来越不可靠的版本。
Hermes 的技能自动生成机制恰恰放大了这个风险。一个从「成功执行路径」中提炼出的 Skill，本身已经是派生材料了。如果这个 Skill 再被反复使用、反复优化，它离原始经验的距离会越来越远。记不住最多是缺失，记错了还以为自己记得很清楚，才是真正的污染。
上下文入侵。 当记忆是自动写入、自动注入的时候，系统对「哪些记忆应该进入当前上下文」就失去了精确控制。在 A 项目中形成的偏好（比如「用户喜欢用 Tailwind」），可能被错误地带入 B 项目（B 项目用的是 CSS Modules）。Hermes 的跨平台对话连续性设计理论上还加剧了这个风险，你在 Telegram 上说的一句话，可能在 CLI 会话中被错误地激活。
身份坍塌。 当 Skill 的创建和更新完全自动化时，Agent 的行为模式会逐渐偏离原始人格设定。SOUL.md 说你是一个「严谨的代码助手」，但经过 100 次自动进化的 Skill 积累后，你可能变成了一个「追求速度的代码生成器」，因为每次 Skill 优化的标准都是「任务完成效率」，跟人格定义没什么关系。
人格如果只是挂在前面的一行文本，没有被显式地用作 Skill 进化的约束条件，那它就是一个装饰品。
下一代 Agent 应该怎么设计？
光批评没意思，我想基于上面的分析，聊聊下一代 Agent 在 Memory 和 Context 设计上应该走的方向。
核心思路：人格驱动的记忆治理
┌─────────────────────────────────────────────┐
│ 人格层 (Identity) │
│ 压缩策略 · 优先级锚点 · 冲突规则 · 遁忘边界 │
├─────────────────────────────────────────────┤
│ 治理层 (Governance) │
│ 来源追踪 · 置信度标记 · 影响链审计 · 版本管理 │
├──────────────┬──────────────────────────────┤
│ 事实记忆 │ 程序性记忆 (Skills) │
│ (Episodic + │ 经验提炼 · 可复用 · 可进化 │
│ Semantic) │ 但受人格约束，可追溯可回滚 │
├──────────────┴──────────────────────────────┤
│ 上下文装配层 (Assembly) │
│ 人格权重排序 · 预算裁剪 · 场景隔离 · 冲突检测 │
├─────────────────────────────────────────────┤
│ 证据层 (Evidence) │
│ 原始对话 · 工具调用 · 决策日志 · 不可篡改 │
└─────────────────────────────────────────────┘
几个关键设计
人格应该是可编程的元策略
人格应该是一组可执行的治理规则，远远不止一段 system prompt。
personality:
identity: "严谨的工程助手"
compression_strategy:
- rule: "代码风格偏好 → 语义记忆，永久保留"
- rule: "项目上下文 → 情景记忆，项目结束后归档"
- rule: "临时指令 → 工作记忆，会话结束即清除"
conflict_resolution: "conservative" # 保留旧版本，标注新版本
forget_policy: "evidence_required" # 有证据链才能标记遗忘
evolution_constraint: "human_approval_required_for_new_skill"
人格在这里是一套动态运行的治理引擎，每一个记忆的写入、压缩、读取操作都要过这层规则的校验。
双轨记忆要配上证据链
Hermes 的双轨设计（常驻 + 按需检索）方向对了，但缺了一条关键的东西，叫证据链（Evidence Chain）。
每一条派生记忆（摘要、偏好、Skill）都必须指向它的原始证据。不能只存一条「用户喜欢 TypeScript」的孤立标签，而应该是：
偏好: "用户偏好 TypeScript"
来源: 会话 #2026-03-20-042
原始证据: "以后全部用 TypeScript，不要 JavaScript"
置信度: 0.95
状态: active
上一次验证: 2026-04-10
影响链: → Skill "ts-component-template" → Skill "ts-api-handler"
有了证据链，才谈得上真正的可审计遗忘。需要废弃一条记忆时，可以追溯到它的所有派生物，一次性完成清理。
场景隔离的上下文装配
Hermes 的上下文装配层做得不错，但缺了一个关键维度，叫场景边界。
记忆不应该无差别地跨场景流动。
| 场景 | 可带入的记忆 | 不可带入的记忆 |
|---|---|---|
| 同一项目、同一会话 | 所有相关上下文 | 无关项目的偏好 |
| 同一项目、新会话 | 项目事实 + 用户画像 | 上次会话的临时决策 |
| 不同项目 | 仅通用偏好和技能 | 项目特定上下文 |
| 不同平台（CLI vs Telegram） | 仅核心人格和偏好 | 平台特定的交互细节 |
没有场景隔离，跨平台连续性就变成了污染途径。
自进化要在约束下进行
自进化可以做，但得在明确的约束下。
- Skill 创建要有理由。完成任务不代表就要创建 Skill，得先评估这个经验是否满足提取阈值。
- Skill 更新要有回滚能力。每个 Skill 有版本历史，任何一次自动更新都可以一键回滚到上一个验证过的版本。
- Skill 生效要通过人格合规检查。新 Skill 的行为模式是否符合人格定义？偏离了就等人确认。
- 进化日志不可篡改。每一次 Skill 的创建、更新、废弃都写入不可篡改的日志。
核心转变在于：从「自动进化、信任结果」变成「自动提议、人类确认、系统执行」。 进化速度可能慢了一点，但每一步都踩得实。
遗忘要做成一等能力
遗忘在 Agent 里经常被当作异常操作处理，但它其实应该是记忆系统的核心能力。
- 时间衰减。 记忆有自然的半衰期，随时间降低权重（但不删除原始证据）。
- 冲突检测。 新记忆写入时，自动检测与现有记忆的冲突，触发合并或替换流程。
- 主动遗忘。 定期让 Agent 审视自己的记忆库，标记可能过时的条目，等人确认。
- 紧急遗忘。 用户说「忘掉这件事」时，执行完整的谱系清算，删掉这条记忆及其所有派生物。
一个不会忘的系统会被自己的过去拖死。一个会忘但忘不好的系统，比不会忘更危险。
回过头看 Hermes 和 OpenClaw
说了这么多，怎么看待这两个框架？
| 维度 | OpenClaw | Hermes | 下一代应该长什么样 |
|---|---|---|---|
| 人格 | 人工定义 SOUL.md | 轻量人格 + Honcho 建模 | 可编程的元策略引擎 |
| 记忆 | 文件驱动，需要想办法维护 | 双轨制，自动进化 | 双轨制 + 证据链 + 场景隔离 |
| 进化 | 人驱动的 Skill 创建 | 全自动 | 约束下的半自动（提议、确认、执行） |
| 治理 | 人是治理者 | Agent 自己治理 | 人格驱动的自动治理 + 人类审计 |
| 遗忘 | 手动删除 | 压缩替换 | 一等公民能力（衰减、冲突检测、谱系清算） |
| 透明度 | 高（文件可见） | 中（黑盒进化） | 高（证据链可追溯 + 进化日志不可篡改） |
| 控制权 | 人类全权控制 | Agent 自主决策 | 分层授权（关键决策人类审批，常规操作自动化） |
Hermes 的架构确实比 OpenClaw 更接近「下一代」的方向，至少它承认了记忆需要分层、需要蒸馏、需要技能化。但在关键的治理环节，它选择了「信任 LLM 的自动判断」，这是一条危险的捷径。
OpenClaw 的问题也摆在那里。它虽然在 Skill 和文件层面给了用户很大的控制力，但在 Memory 的自动沉淀和跨会话进化上，探索还不够深。「人治」模式在个人使用场景下还行，但撑不起 Agent 作为长期协作者所需要的记忆深度。
最后
回到群里那段对话。我们几个人其实达成了一个共识。
Agent 的记忆问题，说到底是一个「身份」问题。存储、检索、压缩都是表层，真正要回答的是：这个 Agent 用什么原则来决定留下什么、丢掉什么、相信什么。
没有稳定的人格，记忆就没有压缩的锚点。 没有治理层，自进化就是一场失控的积累。 没有证据链，遗忘就是一次危险的擦除。
有记忆和自己进化，有时候会让上下文不可控。 我觉得必须要有个人格。 我现在不相信任何不可控的自进化。 如果你的 Agent Memory 只做到了「存聊天记录 + 向量检索」，那它拥有的不是记忆，只是一个带搜索功能的垃圾箱。
这四句话连起来，就是下一代 Agent Memory 设计要回答的核心命题。
记忆的终点，从来都不该是「记得」，而是「会了」，还得知道自己是怎么「会」的。
参考资源：