之前我们聊过 Hermes Agent 的"学习回路"式记忆系统——每次对话后自动总结、保存、改进。而 OpenClaw 走的是另一条路：配置驱动。

OpenClaw 的理念可以用一句话概括——"记忆就是 Markdown，大脑就是 Git 仓库，Harness 就是薄薄的一层指挥层"。什么意思呢？就是 OpenClaw 不依赖复杂的 AI 自动学习机制，而是把记忆和配置变成人类可读、可编辑的 Markdown 文件，Agent 在每次会话开始时直接读取这些文件，快速进入状态。

这种方式的好处非常明显：

• 不需要大量 Token 去"探索"项目结构
• 不依赖 LLM 的自动总结准确性

• 人类可以直接编辑和管理
• 团队协作时可以共享配置

在 MotoAgent 中，你可以直接使用 OpenClaw 作为 Agent 后端，体验这种配置驱动的记忆方式。

二、Memory-Wiki：结构化记忆系统

OpenClaw 的 Memory-Wiki 是它的核心记忆系统。它借鉴了 Andrej Karpathy 提出的"LLM Wiki"模式——把 AI 代理当作新入职的员工，第一天上班不应该是自己去翻代码库找信息，而是看一本现成的"入职手册"。

Memory-Wiki 由六个文件组成：

其中前五个文件是人类维护的"事实库"，只有 WORKING.md 允许 Agent 写入。这种结构确保了核心信息不会因为 Agent 的自动操作而丢失或混乱——"人类拥有正典，Agent 只碰工作记录"。

这套系统带来的实际收益非常可观。有用户报告，接入 Memory-Wiki 后，每个会话的 Token 消耗降低了 90% 以上。原因很简单：以前 Agent 每次启动都要花十几个工具调用去探索项目结构，现在读取 6 个 Markdown 文件就能直接进入工作状态。

三、SOUL.md：Agent 的灵魂配置文件

如果说 Memory-Wiki 是 OpenClaw 的"记忆系统"，那 SOUL.md 就是它的"灵魂配置文件"。SOUL.md 定义了 Agent 的个性、行为和技能调用方式。

一个典型的 SOUL.md 文件包含：

1. 身份定义：Agent 的角色和职责（比如"你是一个 Devops 工程师"）

2. 行为规则：Agent 应该遵循的操作规范

3. 技能引用：Agent 可以调用的技能和模板

4. Memory-Wiki 绑定：指定 Agent 在启动时读取哪些记忆文件

5. 工具权限：Agent 可以使用的工具和访问限制

例如，在 SOUL.md 中配置 Memory-Wiki 的加载顺序：

“`markdown

Memory Wiki

每次会话开始时，按顺序读取以下文件：

1. ~/memory-wiki/PROFILE.md — 用户是谁

2. ~/memory-wiki/STACK.md — 技术栈

3. ~/memory-wiki/PROJECTS.md — 当前项目

4. ~/memory-wiki/DECISIONS.md — 历史决策，不要重新讨论

5. ~/memory-wiki/PEOPLE.md — 协作者

6. ~/memory-wiki/WORKING.md — 当前焦点

“`

这种"配置文件定义一切"的方式，让 OpenClaw 非常灵活——你不需要懂编程，只需要编辑 Markdown 文件，就能定制一个完全符合你需求的 AI 代理。

访问 MotoAgent 可以一键创建配置了 OpenClaw 后端的 Agent。

四、Awesome-OpenClaw-Agents：162 个生产级模板

OpenClaw 最强大的地方在于它拥有一个庞大的模板生态——awesome-openclaw-agents 项目提供了 162 个生产级 Agent 模板，覆盖 19 个类别。

这些模板涵盖了各种场景：

每个模板都包含完整的 SOUL.md 配置和 Memory-Wiki 结构。你不需要从零开始配置，直接选择一个和你的需求最接近的模板，修改几行配置就能投入使用。

这种"模板化"的方式，是 OpenClaw 实现"自我优化"的秘密——与其让 Agent 自己摸索怎么做事，不如直接给它一份经过验证的"最佳实践"配置。162 个模板背后是 162 种已经被验证有效的工作模式。

五、Self-Optimization：配置进化的力量

OpenClaw 的"自我优化"和 Hermes Agent 的"自动学习"走的是不同路线。OpenClaw 的优化逻辑是：

1. 人类驱动优化：通过编辑 SOUL.md 和 Memory-Wiki，人类不断改进 Agent 的表现

2. 模板迭代优化：社区持续贡献新的模板和配置，优秀的配置被更多人使用和验证

3. Gateway 编排优化：多 Agent 协作时，OpenClaw Gateway 协调任务分配，找到最优工作流

4. WORKING.md 状态追踪：唯一可变的文件让 Agent 可以追踪当前工作进度，跨会话保持连续性

这种方式的好处是可解释性强、可控性高——你知道 Agent 为什么这么做，因为配置是你写的。缺点是需要人类投入维护时间。

而在 MotoAgent 中，你可以同时拥有 OpenClaw 和 Hermes 两个后端：

• 需要快速部署、模板化配置的场景 → 用 OpenClaw
• 需要自动学习、越用越聪明的场景 → 用 Hermes Agent

六、配置示例：5 分钟搭建一个 OpenClaw Agent

在 MotoAgent 中搭建一个 OpenClaw Agent 非常简单：

1. 在 MotoAgent 桌面端创建新 Agent

2. 后端选择 OpenClaw

3. 从 awesome-openclaw-agents 选择一个模板（比如"个人助理"）

4. 编辑 SOUL.md 中的 identity 和 memory-wiki 路径

5. 填写 PROFILE.md、PROJECTS.md 等基本配置

6. 保存并启动，Agent 就能直接投入工作

整个过程不超过 5 分钟。相比从零开始训练的 AI 代理，这种"配置即服务"的方式极大地降低了使用门槛。

七、总结

OpenClaw 用"配置驱动"的方式，走出了和 Hermes Agent "自动学习"不同的 AI 代理路线。它的 Memory-Wiki 提供了结构化、人类可编辑的记忆系统，SOUL.md 赋予了 Agent 灵魂和个性，而 162 个生产级模板则让任何人 5 分钟就能拥有一个专业的 AI 代理。

如果你想体验配置驱动的 AI 代理，去 MotoAgent 下载桌面端，创建一个 OpenClaw 后端的 Agent——配好 SOUL.md，写好 Memory-Wiki，一个懂你的 AI 助手就诞生了。

用过 AI 聊天的人都有这种感觉：每次打开一个新对话，AI 就像从来没认识过你一样，一切都要重新交代。你上周告诉过它的偏好、项目配置、踩过的坑——全都不记得了。

这正是传统 AI 助手的最大短板：没有记忆。而 Hermes Agent 之所以能被称为"越用越聪明的 AI 代理"，最核心的原因就是它拥有一个完整的长久记忆技术架构。

在 MotoAgent 中使用的 Hermes Agent，是目前唯一内置了完整学习回路的 AI 代理。它的记忆系统不是简单的"存个聊天记录"，而是一套精密的分层记忆架构。

二、两层核心记忆文件

Hermes Agent 的记忆系统由两个纯文本文件组成，存放在本地磁盘上：

MEMORY.md —— 代理的"笔记本"

这个文件存储的是代理在工作过程中积累的环境事实、项目约定、工具使用技巧等。比如：

• 当前机器的操作系统和已安装的工具
• 项目使用的技术栈和配置规范

• 踩过的坑和解决方案
• 用户反复纠正过的细节

USER.md —— 用户的"档案卡"

这个文件存储的是关于用户个人的信息，包括：

• 名字、角色、时区
• 沟通偏好（喜欢简洁还是详细）

• 禁忌和雷区（哪些事不要做）
• 工作习惯和技术水平

这两个文件加起来约 1,300 tokens，在每次对话开始时作为系统提示的一部分注入到上下文中。这意味着——每一句话，Hermes Agent 都带着对你的记忆在回复。访问 MotoAgent 可以亲身体验这一效果。

三、记忆加载机制：冻结快照模式

Hermes Agent 采用了一个巧妙的设计——"冻结快照"模式。具体来说：

• 每次会话开始时，从磁盘读取 MEMORY.md 和 USER.md
• 将内容格式化为一个固定的文本块，注入系统提示

• 这个文本块在整个会话期间不会变化
• 即使用户通过记忆工具修改了内容，也要等到下一次会话才会反映到提示中

这样做的好处是什么？答案是 性能。固定不变的提示内容可以让 LLM 复用前缀缓存，大幅降低每次请求的 Token 消耗和处理时间。也就是说，带着记忆回复，但几乎不增加额外成本。

四、记忆写入与自改进循环

很多人会问：记忆是自动存的还是手动写的？答案是——两者都有，但 Hermes Agent 会主动替你管理。

后台自改进回顾

每次对话结束后，Hermes Agent 都会在后台自动运行一次"自改进回顾"。这个回顾会：

1. 审视本次对话的内容

2. 判断有没有值得记住的新信息

3. 如果有，自动写入 MEMORY.md 或 USER.md

4. 评估是否需要创建新的技能或改进已有的技能

整个过程是静默运行的，你不需要做任何操作。默认情况下，界面上会显示一行"Memory updated"告诉你记忆已更新。

技能自主创建

除了保存事实性信息，Hermes Agent 还能从成功完成的任务中创建可复用的技能。技能存储在 ~/.hermes/skills/ 目录下，每个技能包含一份完整的 SKILL.md 说明书。

技能的完整生命周期包括：

1. 创建：复杂任务完成后自动生成

2. 使用：下次遇到类似任务时自动加载

3. 改进：在使用过程中自我修正和优化

4. 策展：30 天未使用标记为"陈旧"，90 天未使用自动归档

5. 归档：归档到 .archive 目录，随时可恢复

这套机制让 Hermes Agent 的能力随着使用时间不断增长——做得越多、会的越多。

五、跨会话检索：FTS5 全文搜索

前面说的 MEMORY.md 和 USER.md 只能存 3,000 多字符，放不下所有历史信息。那更早之前的对话怎么查？

Hermes Agent 将所有历史会话存储在 SQLite 数据库中，并建立了 FTS5 全文搜索索引。当用户提到之前做过的事情时，Agent 可以通过 session_search 工具：

• 搜索过去所有会话中的相关对话
• 查看匹配会话的完整内容

• 在会话内上下滚动浏览

持久化记忆负责"时刻记得"，会话搜索负责"随时翻查"——两者互补，构成了完整的记忆覆盖。

六、记忆管理：满了怎么办

2,200 字符的 MEMORY.md 听起来不大，但如果满了怎么办？

Hermes Agent 的设计哲学是：不是存得越多越好，而是存得越精越好。当记忆超过 80% 容量时，代理会自动做以下事情：

1. 读取当前所有记忆条目

2. 判断哪些已经过时或不再重要

3. 合并相似或重复的条目

4. 删除不再相关的旧信息

5. 腾出空间存入新的有价值信息

这个过程不是自动触发的，而是当工具返回"超出容量限制"的错误后，Agent 会主动执行合并操作。这种"人肉压缩"的设计确保了记忆空间永远留给最有价值的信息。

七、拓展：外部记忆提供者

除了内置的两层记忆系统，Hermes Agent 还支持 8 种外部记忆提供者，包括语义搜索、知识图谱等高级存储方案。这些外部提供者可以：

• 提供向量化语义搜索（不只是关键词匹配）
• 实现分层检索（先查摘要、再查细节）

• 跨会话上下文注入

但即使不使用任何外部提供者，内置的两层记忆 + FTS5 搜索已经足够应对绝大多数日常使用场景。

八、总结

Hermes Agent 的记忆架构可以用一句话概括：精巧的设计胜过庞大的存储。

两个小小的文本文件，加上一个 SQLite 全文搜索，再加上后台自改进循环——这套组合拳让 Hermes Agent 在不到 2,000 tokens 的固定开销下，实现了真正的"越用越聪明"。

与市面上其他 AI Agent 相比，Hermes Agent 最大的不同不是模型更强或工具更多，而是它拥有一个真正的学习回路——每一次对话都不是终点，而是下一次更好服务的起点。

去 MotoAgent 下载桌面端，创建一个配置了 Hermes Agent 后端的 Agent，用一段时间你就会发现——它真的在一天天变聪明。