你的 Openclaw 使用什么记忆?
摘要
一位开发者讨论了使用 Engram 为 Hermes 代理构建自定义记忆插件,该插件将新信息与现有记忆进行协调,以避免过时和重复,并向 OpenClaw 社区询问他们记忆使用的情况。
我一直在研究代理的长期记忆,最近使用 Engram 为 Hermes 构建了一个自定义记忆插件。它不是将记忆视为仅追加存储,而是将新信息与现有记忆进行协调,Engram 会在事实发生变化时更新,删除重复项,并保持记忆图相对清晰。这似乎比持续积累过时或冗余的记忆更实用。我正在考虑为 OpenClaw 构建类似的记忆提供程序,但在此之前,我想了解社区目前正在使用的方案。您使用的是默认记忆实现还是自定义插件?如果您集成了其他记忆系统,您是否遇到过记忆过时、重复、检索质量或长对话中记忆增长的问题?
相似文章
用于Claude Code、Hermes和OpenClaw Agent的开源自然时序记忆库
agentmemory是一个开源库,为Claude Code、Hermes和OpenClaw等AI代理提供自然时序记忆。它采用三层架构,结合混合检索(BM25、向量、知识图谱)和艾宾浩斯衰减,在达到上下文限制前,可实现约92%的令牌减少和200倍的更多工具调用。
问题:Hermes 代理应如何处理跨会话的持久化内存?
社区关于 Hermes 代理应如何处理跨会话持久化内存的讨论,探索外部内存层(8mem),并比较了感知内存与通用输出。
@bayendor: 刚刚完成将三层记忆栈接入Hermes Agent。第一层:Honcho Session + PostgreSQL上的对等记忆。处…
描述了为Hermes Agent实现一个三层记忆栈,结合了PostgreSQL上的会话记忆、带有模式脱敏的工作记忆以及使用PGLite的长期知识图谱。
@KSimback: https://x.com/KSimback/status/2058262328496554021
一份关于Hermes Agent记忆系统的全面指南,解释了三层记忆架构,并比较了各种记忆工具和提供商。
昨天我看到一篇关于 δ-mem 并与 openclaw 集成的新研究论文
一篇关于 δ-mem 的新研究论文在与 openclaw 集成后,将智能体响应质量提升了 7-32%。该项目目前仅适用于 mlx 和 Qwen3:4b,但预计会推出其他模型的适配器。