@servasyy_ai: 如何让多个 Agent 之间真正互相学习、互相帮助？ 现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。 最后每个…
摘要
讨论了如何让多个AI Agent之间建立共享记忆，避免重复踩坑，并介绍了通过改造MemOS CLI来实现只记录关键信息并在必要时搜索的方案。
查看缓存全文
缓存时间: 2026/06/11 23:46
如何让多个 Agent 之间真正互相学习、互相帮助？
现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。
Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。
最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。
我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”： 只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。
这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；
一个 Agent 总结出的经验，另一个 Agent 可以继续使用。
记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。
新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。
当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！
这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。
具体看视频，地址在评论区
相似文章
@Pluvio9yte: https://x.com/Pluvio9yte/status/2070318502016426008
本文深入探讨了AI Agent的记忆架构，以Hermes四层记忆模型为例，分析了Claude Code记忆系统的局限性，并介绍了如何通过开源框架（如EverOS）为Agent增添本地记忆能力，提供了详细部署步骤。
@WY_mask: 给各类 AI 编程助手打造持久化记忆引擎 http://github.com/rohitg00/agentmemory… 在后台静默记录代码修改和上下文 自动提取并压缩成结构化记忆 节省长上下文带来的 Token 消耗 关联过去的信息，随…
agentmemory 是一个为 AI 编程助手提供持久化记忆的开源工具，能静默记录代码修改和上下文，自动提取并压缩成结构化记忆，降低 Token 消耗，并支持 Claude Code、Codex 等多种主流平台。
@Saccc_c: https://x.com/Saccc_c/status/2058396860784505295
本文介绍如何通过配置 AGENTS.md 和 Memories 功能让 Codex 拥有持久记忆，从而提高沟通效率和操作安全性。
@9hills: 尝试了多种Agent Memory实现，只有两种我觉得还有点用： 1. Hermes 这种严格限制长度的条目级记忆和会话召回，用来解决个人助理所需的记忆。但是这种和Coding没关系。 2. 根据轨迹沉淀 skill 和 skill 进化…
作者分享了尝试多种Agent Memory实现后的心得，认为只有严格限制长度的条目级记忆（如Hermes）和基于轨迹沉淀的技能进化两种方法比较有用，其他图谱类或卡片类的方法效果不佳。
@koffuxu: AI Agent 开始“长记性”了。 Hermes Agent 把学习循环做进本体：经验沉淀成 Skills，跨会话记住上下文，可在 Telegram/CLI 长期驻场。 经验变 Skills 记忆可检索 定时任务自动跑 你会让 Agen…
Hermes Agent 是一个开源 AI Agent，能够将经验沉淀为可检索的 Skills，跨会话记忆上下文，并支持 Telegram 和 CLI 长期驻场运行。