在理解了记忆机制的通用原理之后，最关键的问题来了：当前主流的开源 Agent，到底是怎么实现记忆的？它们之间有什么本质差异？
本文将四大主流 Agent——OpenClaw、QwenPaw、Hermes Agent、HiClaw——的记忆系统逐层拆解，从存储架构、检索策略、写入机制到核心设计哲学，做一次彻底的横向对比。
一、四大 Agent 一句话定位
| OpenClaw | 插件化记忆后端，让任何 LLM 都能"记住" | SQLite + Markdown + 混合检索 + memory-host-sdk |
| Hermes Agent | 与你共同成长的自进化个人智能体 | 四层记忆栈 + Agent 策展 + KEPA 反向传播 + Honcho 建模 |
| QwenPaw | 本地优先的个人助理型"Agent 操作系统" | 每 Agent 独立记忆 + Multi-Agent 协作共享 + 本地模型 |
| HiClaw | 多 Agent 协作系统，Manager-Workers 架构 | 专属 Manager Claw 统筹 + Matrix 实时通信 + 记忆隔离 |
二、记忆架构逐层对比
🧠 2.1 存储架构对比
| 核心存储介质 | SQLite + Markdown 文件 | SQLite WAL + FTS5 + MEMORY.md / USER.md | 本地文件系统 + SQLite（AgentScope Runtime） | 每个 Claw 独立存储 |
| 长期记忆文件 | MEMORY.md（工作区根目录） | MEMORY.md（2200字符）+ USER.md（1375字符） | 每个 Agent 独立的 memory 目录 | 各 Claw 独立记忆 |
| 短期/会话记忆 | memory/YYYY-MM-DD.md 每日日志 | SQLite 原始对话记录（Session Memory） | Agent 内部 memory（对话历史 + 执行记录） | Worker Claw 会话记忆 |
| 是否向量化 | ✅ LanceDB（可选扩展） | ❌ 无向量数据库（FTS5 + LLM 摘要） | ✅ 支持（通过 AgentScope Runtime） | ❌ 偏关键词检索 |
| 字符硬限制 | ❌ 无显式限制 | ✅ MEMORY.md ≤2200 chars，USER.md ≤1375 chars | ❌ 无 | ❌ 无 |
🔑 核心差异：OpenClaw 和 QwenPaw 走"向量化"路线，Hermes 故意不用向量库，用 FTS5 + LLM 摘要实现"轻量级语义检索"——这是 Hermes 最独特的设计选择。
🔍 2.2 检索策略对比
| 关键词检索 | ✅ FTS5 / BM25 | ✅ FTS5（SQLite 全文索引） | ✅ 支持 | ✅ 支持 |
| 向量语义检索 | ✅ LanceDB（混合检索，默认 7:3 权重） | ❌ 不使用 | ✅ AgentScope Runtime 内置 | ❌ |
| LLM 摘要检索 | ✅ 检索后 LLM 提炼摘要再注入 | ✅ 核心策略：检索→LLM 摘要→注入 | ✅ Planner 驱动按需检索 | ⚠️ Manager 统筹 |
| 混合检索权重 | 70% 向量 + 30% 关键词 | 无（纯 FTS5 + LLM） | 动态（Runtime 调度） | N/A |
| 去重策略 | ✅ MMR（最大边际相关性） | ✅ Jaccard 相似度去重 | ✅ Runtime 内置 | ⚠️ 依赖 Manager |
| 时间衰减 | ✅ 指数衰减（半衰期 30 天），常青记忆不衰减 | ✅ 定时提醒 + 字符限制自然控制 | ⚠️ 无显式衰减 | ⚠️ 无 |
| 检索效果对比 | OpenClaw | Hermes Agent | QwenPaw |
|————-|———-|————–|
| 语义理解深度 | ⭐⭐⭐⭐⭐（向量检索） | ⭐⭐⭐（FTS5 + LLM 摘要） | ⭐⭐⭐⭐（向量 + LLM） |
| 精确匹配能力 | ⭐⭐⭐⭐（BM25 保留） | ⭐⭐⭐⭐⭐（FTS5 关键词强） | ⭐⭐⭐⭐ |
| 部署复杂度 | ⭐⭐⭐（需 LanceDB） | ⭐⭐⭐⭐⭐（零额外依赖） | ⭐⭐⭐ |
| 检索成本 | 中（Embedding 计费） | 低（纯 SQLite） | 中 |
✏️ 2.3 记忆写入机制对比
| 写入触发 | Agent 主动调用 memory_search / 压缩前自动刷新 | 定时提醒（每 120 秒）+ Agent 主动 memory 工具 | Agent Loop 中每轮 read→write | Manager 统筹 + Worker 自主 |
| 写入方式 | LLM 提炼 → 写入 Markdown → SQLite 索引增量更新 | 字符截断 → 写入 MEMORY.md / USER.md → SQLite | 写入 Agent 独立 memory 目录 | 各 Claw 独立写入 |
| 总结/压缩 | ✅ Memory Flush：压缩前触发记忆刷新，LLM 主动提炼持久事实 | ✅ ContextCompressor：五阶段压缩（工具输出裁剪→头部保护→尾部预算→LLM 摘要→flush） | ✅ Runtime 内置压缩 | ⚠️ 依赖 Manager |
| Agent 策展 | ❌ 无（全量记录） | ✅ 核心特色：Agent 自主决定保存什么，不是自动录制一切 | ⚠️ 部分（Skill 驱动） | ⚠️ Manager 统筹 |
| 元记忆/反思 | ❌ 无显式元记忆 | ✅ KEPA 反向传播：失败信号 → 更新提示模板和技能定义 | ⚠️ Planner 隐式反思 | ❌ |
| 双状态管理 | ✅ 快照注入 + 实时落盘 | ✅ MemoryStore 双状态：系统提示快照（冻结）+ 实时状态（工具修改） | ✅ Profile 冻结 + Memory 动态 | ⚠️ Claw 隔离 |
🔄 2.4 记忆生命周期
#mermaid-svg-5V8gPhaohHvl1Lz2{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-5V8gPhaohHvl1Lz2 .error-icon{fill:#552222;}#mermaid-svg-5V8gPhaohHvl1Lz2 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-5V8gPhaohHvl1Lz2 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .marker.cross{stroke:#333333;}#mermaid-svg-5V8gPhaohHvl1Lz2 svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-5V8gPhaohHvl1Lz2 p{margin:0;}#mermaid-svg-5V8gPhaohHvl1Lz2 .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .cluster-label text{fill:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .cluster-label span{color:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .cluster-label span p{background-color:transparent;}#mermaid-svg-5V8gPhaohHvl1Lz2 .label text,#mermaid-svg-5V8gPhaohHvl1Lz2 span{fill:#333;color:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .node rect,#mermaid-svg-5V8gPhaohHvl1Lz2 .node circle,#mermaid-svg-5V8gPhaohHvl1Lz2 .node ellipse,#mermaid-svg-5V8gPhaohHvl1Lz2 .node polygon,#mermaid-svg-5V8gPhaohHvl1Lz2 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .rough-node .label text,#mermaid-svg-5V8gPhaohHvl1Lz2 .node .label text,#mermaid-svg-5V8gPhaohHvl1Lz2 .image-shape .label,#mermaid-svg-5V8gPhaohHvl1Lz2 .icon-shape .label{text-anchor:middle;}#mermaid-svg-5V8gPhaohHvl1Lz2 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .rough-node .label,#mermaid-svg-5V8gPhaohHvl1Lz2 .node .label,#mermaid-svg-5V8gPhaohHvl1Lz2 .image-shape .label,#mermaid-svg-5V8gPhaohHvl1Lz2 .icon-shape .label{text-align:center;}#mermaid-svg-5V8gPhaohHvl1Lz2 .node.clickable{cursor:pointer;}#mermaid-svg-5V8gPhaohHvl1Lz2 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .arrowheadPath{fill:#333333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-5V8gPhaohHvl1Lz2 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-5V8gPhaohHvl1Lz2 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-5V8gPhaohHvl1Lz2 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-5V8gPhaohHvl1Lz2 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .cluster text{fill:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 .cluster span{color:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-5V8gPhaohHvl1Lz2 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-5V8gPhaohHvl1Lz2 rect.text{fill:none;stroke-width:0;}#mermaid-svg-5V8gPhaohHvl1Lz2 .icon-shape,#mermaid-svg-5V8gPhaohHvl1Lz2 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-5V8gPhaohHvl1Lz2 .icon-shape p,#mermaid-svg-5V8gPhaohHvl1Lz2 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-5V8gPhaohHvl1Lz2 .icon-shape .label rect,#mermaid-svg-5V8gPhaohHvl1Lz2 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-5V8gPhaohHvl1Lz2 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-5V8gPhaohHvl1Lz2 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-5V8gPhaohHvl1Lz2 :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
OpenClaw 记忆生命周期
是
否
会话开始
加载 MEMORY.md + 最近2天 daily.md
注入 System Prompt
每轮对话 → messages 追加
上下文达到压缩阈值?
Memory Flush → LLM 提炼
写入 MEMORY.md
会话结束
写入 memory/YYYY-MM-DD.md
SQLite 索引增量更新
跨会话 → memory_search 检索
#mermaid-svg-gTBpFbuKMNGz6Jjr{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-gTBpFbuKMNGz6Jjr .error-icon{fill:#552222;}#mermaid-svg-gTBpFbuKMNGz6Jjr .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-gTBpFbuKMNGz6Jjr .marker{fill:#333333;stroke:#333333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .marker.cross{stroke:#333333;}#mermaid-svg-gTBpFbuKMNGz6Jjr svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-gTBpFbuKMNGz6Jjr p{margin:0;}#mermaid-svg-gTBpFbuKMNGz6Jjr .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .cluster-label text{fill:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .cluster-label span{color:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .cluster-label span p{background-color:transparent;}#mermaid-svg-gTBpFbuKMNGz6Jjr .label text,#mermaid-svg-gTBpFbuKMNGz6Jjr span{fill:#333;color:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .node rect,#mermaid-svg-gTBpFbuKMNGz6Jjr .node circle,#mermaid-svg-gTBpFbuKMNGz6Jjr .node ellipse,#mermaid-svg-gTBpFbuKMNGz6Jjr .node polygon,#mermaid-svg-gTBpFbuKMNGz6Jjr .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .rough-node .label text,#mermaid-svg-gTBpFbuKMNGz6Jjr .node .label text,#mermaid-svg-gTBpFbuKMNGz6Jjr .image-shape .label,#mermaid-svg-gTBpFbuKMNGz6Jjr .icon-shape .label{text-anchor:middle;}#mermaid-svg-gTBpFbuKMNGz6Jjr .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .rough-node .label,#mermaid-svg-gTBpFbuKMNGz6Jjr .node .label,#mermaid-svg-gTBpFbuKMNGz6Jjr .image-shape .label,#mermaid-svg-gTBpFbuKMNGz6Jjr .icon-shape .label{text-align:center;}#mermaid-svg-gTBpFbuKMNGz6Jjr .node.clickable{cursor:pointer;}#mermaid-svg-gTBpFbuKMNGz6Jjr .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .arrowheadPath{fill:#333333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-gTBpFbuKMNGz6Jjr .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-gTBpFbuKMNGz6Jjr .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-gTBpFbuKMNGz6Jjr .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-gTBpFbuKMNGz6Jjr .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .cluster text{fill:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr .cluster span{color:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-gTBpFbuKMNGz6Jjr .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-gTBpFbuKMNGz6Jjr rect.text{fill:none;stroke-width:0;}#mermaid-svg-gTBpFbuKMNGz6Jjr .icon-shape,#mermaid-svg-gTBpFbuKMNGz6Jjr .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-gTBpFbuKMNGz6Jjr .icon-shape p,#mermaid-svg-gTBpFbuKMNGz6Jjr .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-gTBpFbuKMNGz6Jjr .icon-shape .label rect,#mermaid-svg-gTBpFbuKMNGz6Jjr .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-gTBpFbuKMNGz6Jjr .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-gTBpFbuKMNGz6Jjr .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-gTBpFbuKMNGz6Jjr :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
Hermes Agent 记忆生命周期
是
是
否
是
否
是
否
会话开始
加载 MEMORY.md + USER.md
拼接为 System 前缀
每轮对话 → MemoryStore 双状态
每 120 秒?
Memory Nudge 提醒
Agent 判断是否保存?
写入 MEMORY.md / USER.md
上下文达到阈值?
ContextCompressor 五阶段压缩
flush_memories
失败或纠错?
KEPA 反向传播
更新技能定义 + 提示模板
跨会话 → session_search FTS5
LLM 摘要 → 注入上下文
#mermaid-svg-tkdItZnagdo5qkeQ{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-tkdItZnagdo5qkeQ .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-tkdItZnagdo5qkeQ .error-icon{fill:#552222;}#mermaid-svg-tkdItZnagdo5qkeQ .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-tkdItZnagdo5qkeQ .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-tkdItZnagdo5qkeQ .marker{fill:#333333;stroke:#333333;}#mermaid-svg-tkdItZnagdo5qkeQ .marker.cross{stroke:#333333;}#mermaid-svg-tkdItZnagdo5qkeQ svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-tkdItZnagdo5qkeQ p{margin:0;}#mermaid-svg-tkdItZnagdo5qkeQ .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-tkdItZnagdo5qkeQ .cluster-label text{fill:#333;}#mermaid-svg-tkdItZnagdo5qkeQ .cluster-label span{color:#333;}#mermaid-svg-tkdItZnagdo5qkeQ .cluster-label span p{background-color:transparent;}#mermaid-svg-tkdItZnagdo5qkeQ .label text,#mermaid-svg-tkdItZnagdo5qkeQ span{fill:#333;color:#333;}#mermaid-svg-tkdItZnagdo5qkeQ .node rect,#mermaid-svg-tkdItZnagdo5qkeQ .node circle,#mermaid-svg-tkdItZnagdo5qkeQ .node ellipse,#mermaid-svg-tkdItZnagdo5qkeQ .node polygon,#mermaid-svg-tkdItZnagdo5qkeQ .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-tkdItZnagdo5qkeQ .rough-node .label text,#mermaid-svg-tkdItZnagdo5qkeQ .node .label text,#mermaid-svg-tkdItZnagdo5qkeQ .image-shape .label,#mermaid-svg-tkdItZnagdo5qkeQ .icon-shape .label{text-anchor:middle;}#mermaid-svg-tkdItZnagdo5qkeQ .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-tkdItZnagdo5qkeQ .rough-node .label,#mermaid-svg-tkdItZnagdo5qkeQ .node .label,#mermaid-svg-tkdItZnagdo5qkeQ .image-shape .label,#mermaid-svg-tkdItZnagdo5qkeQ .icon-shape .label{text-align:center;}#mermaid-svg-tkdItZnagdo5qkeQ .node.clickable{cursor:pointer;}#mermaid-svg-tkdItZnagdo5qkeQ .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-tkdItZnagdo5qkeQ .arrowheadPath{fill:#333333;}#mermaid-svg-tkdItZnagdo5qkeQ .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-tkdItZnagdo5qkeQ .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-tkdItZnagdo5qkeQ .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-tkdItZnagdo5qkeQ .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-tkdItZnagdo5qkeQ .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-tkdItZnagdo5qkeQ .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-tkdItZnagdo5qkeQ .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-tkdItZnagdo5qkeQ .cluster text{fill:#333;}#mermaid-svg-tkdItZnagdo5qkeQ .cluster span{color:#333;}#mermaid-svg-tkdItZnagdo5qkeQ div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-tkdItZnagdo5qkeQ .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-tkdItZnagdo5qkeQ rect.text{fill:none;stroke-width:0;}#mermaid-svg-tkdItZnagdo5qkeQ .icon-shape,#mermaid-svg-tkdItZnagdo5qkeQ .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-tkdItZnagdo5qkeQ .icon-shape p,#mermaid-svg-tkdItZnagdo5qkeQ .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-tkdItZnagdo5qkeQ .icon-shape .label rect,#mermaid-svg-tkdItZnagdo5qkeQ .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-tkdItZnagdo5qkeQ .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-tkdItZnagdo5qkeQ .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-tkdItZnagdo5qkeQ :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
QwenPaw 记忆生命周期
否
是
Agent 初始化
load_agents 加载独立 memory
Agent Loop 开始
read memory
Planner 决策
executor 执行
write back memory
任务完成?
Multi-Agent 消息通信
记忆共享与传递
Mission Mode 任务拆解
子 Agent 执行
结果整合 → 记忆沉淀
┌─────────────────────────────────────────────────────────────────┐
│ OpenClaw 记忆生命周期 │
│ │
│ 会话开始 → 加载 MEMORY.md + 最近2天 daily.md → 注入 System │
│ │ │
│ ▼ │
│ 每轮对话 → messages 追加 → 上下文累积 │
│ │ │
│ ▼ │
│ 上下文压缩 → Memory Flush → LLM 提炼 → 写入 MEMORY.md │
│ │ │
│ ▼ │
│ 会话结束 → session 快照写入 memory/YYYY-MM-DD.md → 索引增量更新 │
│ │ │
│ ▼ │
│ 跨会话 → memory_search 语义/关键词检索 → 注入上下文 │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ Hermes Agent 记忆生命周期 │
│ │
│ 会话开始 → 加载 MEMORY.md + USER.md → 拼接为 System 前缀 │
│ │ │
│ ▼ │
│ 每轮对话 → MemoryStore 双状态：快照不动 + 实时状态落盘 │
│ │ │
│ ▼ │
│ 每 120 秒 → Memory Nudge 提醒 → Agent 判断是否保存 │
│ │ │
│ ▼ │
│ 上下文压缩 → ContextCompressor 五阶段 → flush_memories │
│ │ │
│ ▼ │
│ 失败/纠错 → KEPA 反向传播 → 更新技能定义 + 提示模板 │
│ │ │
│ ▼ │
│ 跨会话 → session_search FTS5 → LLM 摘要 → 注入上下文 │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ QwenPaw 记忆生命周期 │
│ │
│ Agent 初始化 → load_agents → 每个 Agent 加载独立 memory │
│ │ │
│ ▼ │
│ Agent Loop → read memory → Planner 决策 → executor 执行 │
│ │ │ │
│ │ ▼ │
│ │ write back memory │
│ │ │
│ ▼ │
│ Multi-Agent → 消息通信 → 记忆共享（通过消息传递上下文） │
│ │ │
│ ▼ │
│ Mission Mode → 任务拆解 → 子 Agent 执行 → 结果整合 → 记忆沉淀 │
└─────────────────────────────────────────────────────────────────┘
三、核心设计哲学对比（最关键的差异）
| 设计哲学 | “记忆是可插拔的后端” | “记忆是 Agent 的核心能力” | “记忆服务于多 Agent 协作” | “记忆由 Manager 统筹” |
| 记忆是谁的？ | LLM 的外部插件 | Agent 自主策展 | 每个 Agent 独立 | 每个 Claw 独立 |
| 谁决定存什么？ | LLM（通过记忆工具） | Agent 自主决定（策展式） | Planner + Skill | Manager Claw |
| 谁决定怎么存？ | 统一后端（SQLite + LanceDB） | 四层栈 + 字符硬限制 | Runtime 统一管理 | 各 Claw 自管 |
| 记忆能进化吗？ | ⚠️ 被动积累 | ✅ KEPA 反向传播 + Honcho 建模 | ✅ Skill 沉淀 | ⚠️ 有限 |
| 可扩展性 | ⭐⭐⭐⭐⭐ memory-host-sdk | ⭐⭐⭐⭐ MemoryProvider 插件 | ⭐⭐⭐⭐ Skill 插件系统 | ⭐⭐⭐ Claw 定制 |
| 数据主权 | 本地（SQLite） | 完全自托管 | 完全本地，支持本地模型 | 自托管 |
| 最大优势 | 生态最开放，任何 LLM 都能用 | 越用越懂你，真正的"自进化" | 多 Agent 协作 + 本地优先 | 分布式协作 + 企业级 |
| 最大局限 | Agent 不主动策展，噪声多 | 无向量检索，语义召回弱 | 单 Agent 记忆深度有限 | 架构复杂，上手门槛高 |
四、记忆能力详细对比表
| 跨会话记忆 | ✅ MEMORY.md | ✅ MEMORY.md + USER.md | ✅ 独立 memory | ✅ 各 Claw 独立 |
| 语义检索 | ✅✅ LanceDB | ⚠️ FTS5 + LLM 摘要 | ✅ 向量检索 | ❌ |
| 精确检索 | ✅✅ BM25 | ✅✅ FTS5 | ✅ | ✅ |
| 主动总结 | ✅ Memory Flush | ✅ 定时提醒 + KEPA | ✅ Runtime 压缩 | ⚠️ |
| Agent 策展 | ❌ | ✅✅ 核心特色 | ⚠️ | ⚠️ |
| 失败学习 | ❌ | ✅✅ KEPA 反向传播 | ⚠️ | ❌ |
| 用户建模 | ❌ | ✅✅ Honcho 辩证建模 | ⚠️ Profile | ⚠️ |
| 技能沉淀 | ❌ | ✅✅ Skill Memory | ✅ Skill 系统 | ⚠️ |
| 多 Agent 记忆共享 | ❌ | ❌（单 Agent） | ✅✅ 核心能力 | ✅✅ Manager 统筹 |
| 外部程序读写记忆 | ✅ memory-host-sdk | ✅ MemoryProvider 插件 | ⚠️ API | ❌ |
| 本地模型支持 | ✅ | ✅ 200+ 模型 | ✅✅ Ollama/llama.cpp | ⚠️ |
| 字符限制防膨胀 | ❌ | ✅✅ 硬限制 3575 chars | ❌ | ❌ |
| 缓存友好 | ⚠️ | ✅✅ 快照冻结不破坏 system_and_3 | ⚠️ | ⚠️ |
五、记忆写入流程深度对比
OpenClaw 的写入
Agent 调用 memory 工具
│
▼
LLM 提炼关键信息
│
▼
写入 MEMORY.md（长期）或 memory/YYYY-MM-DD.md（短期）
│
▼
SQLite 索引增量更新：
├── 文件 hash 对比 → 没变就跳过（省钱）
├── chunk 重建 → tokens*4 字符分块
├── embedding 缓存复用 → 避免重复计费
└── id = sha256(source:path:line:chunk.hash:provider.model)
→ ON CONFLICT DO UPDATE
Hermes 的写入
每 120 秒 Memory Nudge 触发
│
▼
Agent 判断：是否有值得保存的内容？
│
├── 是 → 调用 memory 工具 → 字符截断 → 写入 MEMORY.md / USER.md
│ └── 截断规则：MEMORY.md ≤2200 chars，USER.md ≤1375 chars
│
└── 否 → 跳过（只有"忘记保存"的 Agent 才会被提醒）
│
▼
ContextCompressor 触发（上下文达阈值）：
Phase 1: 工具输出裁剪
Phase 2: 头部保护（保留关键指令）
Phase 3: 尾部 token 预算
Phase 4: LLM 摘要
Phase 5: flush_memories() → 用户角色消息注入
│
▼
KEPA 反向传播（仅失败/纠错时）：
失败点定位 → 生成替代提示 → 更新技能定义 → 写入长期记忆
QwenPaw 的写入
Agent Loop 每轮：
┌──────────────────────────────┐
│ read memory → think → act │
│ ↑ │ │
│ └── write back ┘ │
└──────────────────────────────┘
│
▼
Mission Mode（自动任务）：
目标 → 任务拆解 → 子 Agent 执行 → 结果整合 → 记忆沉淀
│
▼
Multi-Agent 协作：
Agent A 完成 → 消息 → Agent B 接收（上下文即记忆传递）
六、检索注入流程深度对比
| 触发时机 | 任务开始前 + 推理中按需 | 会话启动自动加载 + 相似度>0.82 自动注入 | Agent Loop 每轮 + Planner 按需 |
| 检索工具 | memory_search(query) | session_search(query) | Runtime 内存检索 |
| 检索算法 | FTS5 + LanceDB 混合（7:3） | FTS5 全文 → LLM 摘要 | 向量 + 关键词 |
| 注入方式 | 注入 System Prompt | 拼接为 System 前缀（§ 分隔） | 注入 Agent memory 上下文 |
| 注入量控制 | MMR 去重 + 数量限制 | 字符硬限制 + 摘要压缩 | Token 预算 |
| 缓存策略 | ✅ embedding 缓存（provider+model+hash） | ✅ 快照冻结不破坏 system_and_3 | ⚠️ Runtime 内置 |
七、实战场景对比：谁更适合什么？
| 个人日常助理，需要跨会话记住偏好 | ⭐⭐⭐⭐⭐ Hermes | Honcho 用户建模 + 字符限制 + KEPA 进化，真正"越用越懂你" |
| 接入已有 LLM，快速加记忆能力 | ⭐⭐⭐⭐⭐ OpenClaw | memory-host-sdk 生态最开放，任何 LLM 都能用 |
| 多 Agent 协作完成复杂任务 | ⭐⭐⭐⭐⭐ QwenPaw | Multi-Agent + 记忆共享 + Mission Mode，协作能力最强 |
| 企业级多 Agent 分布式部署 | ⭐⭐⭐⭐ HiClaw | Manager-Workers + Matrix 通信，架构最完整 |
| 追求语义检索精度 | ⭐⭐⭐⭐ OpenClaw | LanceDB 向量检索 + 混合检索，召回质量最高 |
| 追求零依赖、轻量部署 | ⭐⭐⭐⭐⭐ Hermes | 无向量库，纯 SQLite + FTS5，部署最简单 |
| 需要外部程序读写 Agent 记忆 | ⭐⭐⭐⭐⭐ OpenClaw | memory-host-sdk 独立 SDK，6 个文件搞定 |
| 需要从失败中自动学习 | ⭐⭐⭐⭐⭐ Hermes | KEPA 反向传播是独家能力，其他三家都没有 |
| 数据完全本地、隐私敏感 | ⭐⭐⭐⭐ QwenPaw / Hermes | 两者都支持 100% 本地部署 + 本地模型 |
八、一张图总结四大 Agent 记忆系统
记忆能力光谱
语义检索强度 ←──────────────────────────→ 精确检索强度
OpenClaw [████████████░░] 向量+关键词混合，最均衡
QwenPaw [███████████░░░] 向量为主，协作增强
Hermes [██████░░░░░░░░] FTS5+摘要，精确为主
HiClaw [█████░░░░░░░░░] 关键词为主，Manager统筹
记忆进化能力 ←──────────────────────────→ 部署简单度
Hermes [██████████████] KEPA+Honcho，进化最强
OpenClaw[███████████░░░] 记忆刷新，中等进化
QwenPaw [████████░░░░░░] Skill沉淀，协作进化
HiClaw [██████░░░░░░░░] 架构复杂，进化有限
┌──────────────┬──────────────┬──────────────┬──────────────┐
│ OpenClaw │ Hermes │ QwenPaw │ HiClaw │
├──────────────┼──────────────┼──────────────┼──────────────┤
│ 插件化后端 │ 自进化个体 │ Agent OS │ 多Agent协作 │
│ SQLite+MD │ 四层记忆栈 │ 每Agent独立 │ Claw隔离 │
│ LanceDB向量 │ FTS5+LLM摘要 │ 向量+LLM │ 关键词检索 │
│ 全量记录 │ Agent策展 │ Planner驱动 │ Manager统筹 │
│ memory-sdk │ KEPA反向传播 │ Multi-Agent │ Matrix通信 │
│ 生态最开放 │ 越用越懂你 │ 本地优先 │ 企业级架构 │
└──────────────┴──────────────┴──────────────┴──────────────┘
九、核心结论
| OpenClaw 是"记忆基础设施" | 它不追求记忆多智能，但提供了最开放、最标准化的记忆后端，任何项目都可以接入 |
| Hermes 是"记忆原生 Agent" | 记忆不是外挂，而是 Agent 的核心能力。四层栈 + 策展 + KEPA，代表了"Agent 记忆"的最前沿方向 |
| QwenPaw 是"记忆协作平台" | 单 Agent 记忆不是最强，但 Multi-Agent 记忆共享 + Mission Mode 让它在复杂任务场景下无敌 |
| HiClaw 是"记忆企业方案" | 架构最重，但对于需要多 Agent 分布式协作的企业场景，它是最完整的选择 |
🔥 2026 年的趋势判断：Hermes 的"Agent 策展 + KEPA 反向传播"代表了 Agent 记忆的未来方向——不是记得越多越好，而是 Agent 自主决定什么值得记、怎么记、怎么用。OpenClaw 的 memory-host-sdk 生态则代表了另一个方向——记忆标准化、可插拔、跨 Agent 互通。两者融合，才是最优解。
核心公式（更新版）
$ \\boxed{\\text{Agent 能力} = (\\text{推理能力} \\times \\text{上下文窗口}) + \\text{记忆系统质量} \\times \\text{协作系数}} $
| OpenClaw | ⭐⭐⭐⭐ | ⭐⭐ | 适合单 Agent + 外接 LLM |
| Hermes | ⭐⭐⭐⭐⭐ | ⭐⭐ | 适合个人助理，越用越强 |
| QwenPaw | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 适合复杂多步任务 |
| HiClaw | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 适合企业多 Agent 部署 |
