详解 WorkBuddy 的记忆体系
文章以「好记性不如烂笔头」为喻，深入剖析了 AI 助手 WorkBuddy 的三层记忆架构（云端画像、本地长期记忆、工作区日志）。通过对比传统 AI 的「金鱼式」失忆，阐述了长程任务中「读写外部文件」优于单纯依赖上下文窗口的原理。同时，文章探讨了记忆与身份层如何赋予 AI 连续性，并与 OpenClaw 进行了横向对比。
🏷️ 记忆系统
18 篇30 分钟给你的 Agent 搭好永久记忆
本文介绍了一种为编码 Agent 添加持久记忆的轻量级方案。针对 Agent 上下文窗口有限且容易遗忘历史信息的问题，作者选择了开源项目 EverOS。与传统的黑箱向量数据库不同，EverOS 将记忆存储为本地 Markdown 文件，透明且可编辑。文章详细讲解了从环境准备、安装初始化到验证记忆写入与检索的全过程，帮助开发者在半小时内赋予 Agent 跨会话的长期记忆能力。
从「帮我做」到「做完记住」：Agent 记忆升级实录
本文记录了作者将 MemOS 2.0 本地插件集成到 Bloome Agent 的实战过程。通过引入「执行即学习」的记忆操作系统，解决了传统 Agent 仅依赖上下文窗口导致记忆丢失和经验无法积累的痛点。文章详细解析了 MemOS 的四层认知资产架构、云端沙箱的部署踩坑解决方案（如 ngrok 内网穿透）、历史记忆的迁移方法，以及跨 Agent 记忆共享的配置，展示了 AI 助手如何从被动工具进化为具备主动记忆能力的智能体。
Hermes Agent 记忆系统架构指南
本文详细介绍了 Hermes Agent 的记忆系统架构。作者指出，记忆是 Agent 区别于普通 Chatbot 的核心。Hermes 的记忆栈分为三层：开箱即用的原生层（包含本地数据库和两个 Markdown 文件）、可选的官方插件提供商层、以及社区构建的扩展层。文章深入解析了内存文件的运作机制，如字符上限、自动合并的误区以及 Agent 如何自主管理记忆。
腾讯开源 AI Agent 运行时系统 TencentDB Agent Memory
文章深度解析了腾讯开源的 TencentDB Agent Memory 系统。不同于市面上的“向量数据库+RAG”方案，该系统旨在解决长任务中的“上下文退化”问题。其核心创新在于短期压缩（Offload 机制）与长期记忆（四层流水线）的结合，通过三层回溯、任务图动态压缩及结构化记忆提取，有效管理了 Agent 的上下文窗口与记忆生命周期。
AI Agent 记忆机制原理与实战解析
文章深入浅出地讲解了 AI Agent 记忆系统的工作原理，从基础的单会话与多会话记忆保持切入，引出 Google 提出的情景、语义与程序性记忆三分法。通过对比 OpenClaw 的实现方式与存在的问题，重点剖析了企业级方案 EverOS 的架构。EverOS 将记忆细分为六大类，并通过语义巩固、主动上下文重建等技术优化记忆的抽取、更新与检索。文章还包含 EverOS 的 API 调用示例及 20 个真实落地场景，为开发者提供了 Agent 记忆系统的全景指南。
Claude实现了Agent记忆，但语义与本体仍是缺失的一环
文章探讨了Anthropic最新发布的Claude“托管代理”中的记忆功能，指出虽然文件化的记忆存储为Agent提供了可检查、可跨会话持久化的基础，但仅有存储并不等同于理解。作者强调，真正的智能记忆需要“语义”（定义事物是什么）和“本体”（定义事物为何重要）。文章以企业场景为例，阐述了销售、法务、产品等不同部门对同一信息的不同理解视角（即本体），并提出企业AI的未来在于构建共享的底层记忆基座与上层可定制的领域本体（透镜层），从而让AI从被动问答转向主动提供上下文。
MemOS —— 给Hermes打造永续记忆
文章探讨了如何利用 MemOS 插件为 Hermes Agent 构建长期记忆系统。作者指出，单纯的模型能力不足以支撑持续成长的 Agent，关键在于记忆的组织与沉淀。MemOS 通过全量写入、语义切块、去重合并、混合检索及任务归纳等机制，将对话转化为结构化的经验记录，并配合可视化面板实现了记忆的本地化管理。这使得 Hermes 能够记住用户习惯与上下文，从“一次性工具”进化为“越用越顺手”的生产力系统。
Agent 工程方法实践：Claude Code 与 OpenClaw 的深度对比
文章深入对比了 Claude Code 和 OpenClaw 两个 Agent 框架的工程实现。两者虽都采用 Agent = Model + Harness 的理念，但架构迥异：Claude Code 采用分层堆叠架构，服务于单线程深度编程场景，追求精确可控；OpenClaw 采用管道架构，面向多并发的生活场景，追求自主进化。文章从架构、循环、工具、指令、上下文、记忆等九个维度详细拆解了各自的工程设计权衡。
Hermes Agent 进阶指南：记忆、技能与生产化部署
本文详细介绍了 Hermes Agent 的记忆系统架构，包括内置记忆、外部提供商及运行时上下文三层机制，并解释了 Agent 策展原理。文章进一步阐述了核心文件的正确用法、Super Memory 配置、技能自进化机制以及多 Profile 和 Sub-Agent 协作策略。最后，提供了包括 Systemd/Docker 部署、Cron 时区处理、Tirith 安全模块及 MCP 集成在内的生产环境实战要点，帮助用户让 AI 助手真正实现智能化与长期记忆。
Hermes Agent 完全上手指南：会自己进化的 AI Agent
这是一份关于 Hermes Agent 的深度上手教程。文章介绍了 Hermes 相比 OpenClaw 的核心优势：具备自我进化能力，能从任务中自动创建和优化 Skills，以及拥有强大的 SQLite 全文搜索记忆系统。教程涵盖从环境准备、安装配置、基础对话，到进阶的消息网关配置、定时任务、记忆训练，再到高级的 MCP 服务器集成、多 Profile 管理、浏览器自动化及语音交互等 15 个实践任务，帮助用户全面掌握这一开源 AI Agent 框架。
装完 Hermes 一定要配置这五套系统，秒变满配版
本文介绍了如何通过配置五大核心模块（身份记忆、感知、表达、效率、生态导航）将 Hermes AI Agent 打造为“满配版”。详细步骤涵盖了使用 agency-agents-zh 库定义角色、集成 Hindsight 实现长期记忆、安装 Jina/Camelfox 等抓取工具、配置 Tavily 搜索与 Whisper 语音能力，以及利用 Tokscale 和 RTK 进行 Token 成本管控与性能优化。
Hermes Agent 从中级到高级进阶指南
本指南旨在帮助用户解决 Hermes Agent“记不住东西”的痛点，深入讲解其 Agent-curated 策展记忆机制。文章涵盖了记忆系统优化、技能自进化、多 Agent 协作、生产化部署（Systemd/Docker）及高级调试技巧，通过具体配置与实践任务，指导用户让 Agent 实现从“能干活”到“越干越会干”的进化。
Hermes Agent 从中级到高级进阶指南
本指南面向已完成 Hermes 基础配置的用户，深入讲解进阶核心内容。涵盖记忆系统架构与 Agent-curated 机制、技能自进化与自动创建流程、多 Agent 协作与隔离、生产化部署配置及调试技巧。旨在帮助用户构建专属记忆系统，利用 Skill 沉淀经验，实现 Agent 的自我进化与生产级落地。
12个开源项目，4条技术路线：Agent记忆系统完整选型指南
针对 LLM 无状态导致的“失忆”痛点，文章深入探讨了当前 Agent 记忆系统的四条主流技术路线：纯文件存储、向量数据库+RAG、知识图谱及混合检索。文章梳理了从轻量级 hooks 集成到企业级独立平台的 12 个开源项目，涵盖 claude-memory-compiler、agentmemory、Hermes Agent 等代表性工具，并提供了针对不同用户阶段（新手、个人开发者、团队、企业）的选型建议。作者指出，未来的核心竞争将集中在“如何遗忘”、“保证正确性”和“控制成本”三个维度。
Hermes Agent 从 0 到 1 教程
本文介绍了由 Nous Research 开源的自改进 AI Agent 框架——Hermes。该框架的核心优势在于内置的学习循环和持久记忆系统，能够自动从经验中提炼可复用的 Skill 并构建用户模型。文章提供了快速安装指南，详细解析了其多层记忆、Skills 系统、内置工具及多实例支持等特性，并将其与 OpenClaw 进行了对比，旨在帮助用户从 OpenClaw 迁移或快速上手 Hermes。
我如何在 OpenClaw 上打造了一个比我雇过的任何人都强的幕僚长
作者分享了利用 OpenClaw 构建全能 AI 幕僚长“Stella”的实战经验。系统核心在于独特的双层记忆架构（每日笔记+长期记忆）和持续进化的 Kaizen 循环。Stella 能够自动化处理会议准备、任务管理、关系上下文跟踪及信息过滤，通过将确定性逻辑交给脚本、仅让 LLM 负责判断，实现了超越人类助理的效率与可靠性。
祝贺Claude Code成功越狱，获得永生
Claude Code因Anthropic发布失误导致源码泄露，作者分析了1902个源文件，揭秘其背后的工程架构。文章指出Claude Code的体验不仅靠模型，更靠精细的工程系统，包括精心拼装的System Prompt、四层权限安全审查、结构化记忆提取、9段式上下文压缩及企业级多Agent协作框架。这些设计展示了如何通过约束和工具让AI从“不可预测”变得“稳定可靠”。