深蒸馏 · 企业 AI 原生转型

Hermes 比 openclaw 更完善 harness · 深蒸馏(24)

抖音短视频 | 2026-04-14 | 6.3 分钟 | 已深蒸馏 24 / 30 | 2 组 · 2 表
来源:原视频 | VA7(抖音)| 2026-04-14 | 6.3 分钟 / 约 2.3 千字转写
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.douyin.com/video/7628522061673925028
阅读路径:全员换 Hermes 一周后的体感报告,重点在记忆机制。第一组是两套记忆的差别(错题集 vs 2000 字符内化);第二组是选型时踩的坑。这条对理解「记忆文件该多大」很有用。
一句话结论:错题集式记忆在短的时候很有用,一长就命中率下降、token 消耗上升;有尺寸上限、强制内化的记忆反而更能让 agent 真正「听进去」。

第一组 · 两种记忆机制

1.1 openclaw:错题集

每次你指出错误就记下来,下次遇到相似话题再翻。错题集短时很有效;写长之后,每次搜索的命中率下降,而且默认走向量搜索,每次检索消耗大量 token。

1.2 Hermes:有上限的记忆文件

核心 memory file 只有约 2000 字符。习得新经验时不是一直加长,而是合并相似经验、删掉不重要的,腾出空间给更重要的事。

1.3 体感差别

「你批评它、强调的东西,它真的能听进去」——因为重要的事不会被淹没在几百条旧错题里。

原文在说什么

他把「记忆」从容量问题变成了压缩问题:不设上限,记忆就会退化成日志;有上限,才逼出「什么最重要」的判断。

关键概念
对你的实际应用

你的 CONTEXT.md、WORKING-METHODS.md 也在变长。按这条,应该给它们设上限(比如各 200 行),超了就合并同类项——这比不断追加更能让我「听进去」。

第二组 · 选型时踩的坑

2.1 架构牵引

他们做架构选择时不是按功能清单选,而是按「记忆与状态怎么管」选。

2.2 迁移成本

全员换 harness 会带来习惯与配置的重建;他提到的做法是让 agent 写一份配置指南,交给新同事的 agent 自动生成配置建议。

2.3 结论

短期看功能,长期看记忆机制——因为功能大家都会追平,记忆决定「用得久好不好用」。

原文在说什么

选 harness 的标准被他改成「记忆怎么长」,这是很少见的视角:多数人比工具数量,他比记忆质量。

关键概念
对你的实际应用

你不需要换 harness(WorkBuddy 够用),但可以借用「配置由 agent 生成」这条:把 cron-jobs.json、凭据位置、脚本清单写成一份可被读懂的配置,换机器时我照着重放即可。


与在用工作的关联

这条里的什么对应你手上的什么具体怎么用
错题集越长越钝CONTEXT.md 持续追加设行数上限,超了合并
强制内化规则只加不删每季度删 20% 过时规则
记忆决定长期体验我接手要重读全部保持入口文件短而准
配置可迁移换机器要重配写 SETUP.md 照着重放

原文:VA7《Hermes比openclaw更完善harness》,2026-04-14,6.3 分钟。

本篇依据:全程转写约 2.3 千字。两套记忆机制、2000 字符上限、命中率与 token 消耗、配置由 agent 生成均为原文表述。

更正与边界:这是一周使用体感,不是长期评测;「不再换回龙虾」是他的团队判断,取决于使用场景。

定位:中文深蒸馏,不是逐字摘要。标「对你的实际应用」的部分是我的分析。