Hermes Agent の記憶システムを深度解析：OpenClaw の誤解をどう修正したか

## Hermes エージェントの記憶システムを深度解析：OpenClaw の誤りをどのように修正したか 著者：Manthan Gupta** 原文：[Hermes Agent の記憶システムを読み、OpenClaw が間違えた点を修正する](https://x.com/manthanguptaa/status/2034849672985288957) もし私が以前に ChatGPT、Claude、そして Clawdbot の記憶システムに関する記事を読んだことがあるなら、私が一貫して追求してきた同じ問題をご存知のことでしょう：これらの AI エージェント（AI Agent）は実際にはどのように記憶しているのか？ Hermes エージェントは私にとって特に興味深い存在です。なぜなら今回は、その行動を観察するだけで「逆エンジニアリング」を行う必要がないからです。Hermes はオープンソースであり、そのコードベースとドキュメントはすべて公開されています。したがって、プロンプト（Prompt）を用いてこのブラックボックスを盲目にテストするのではなく、そのコードパスを直接確認しました——プロンプト状態の構築方法からセッションの永続化、そして記憶のクリーンアップや履歴対話へのクエリに至るまで。 要約すると：Hermes が持っているのは単一の記憶システムではなく、**4 つの異なるシステム**です。** - MEMORY.md と USER.md に保存された、高度に凝縮されたプロンプトベースの記憶。 - session_search 関数を通じて呼び出される SQLite の履歴セッションアーカイブ（検索可能）。 - プログラム的記憶（Procedural Memory）のように機能するエージェントスキル管理。 - より深いユーザーモデリング（User Modeling）のためのオプションである Honcho レイヤー。 これらの設計を結びつける中心的な論理は非常にシンプルです：**プロンプトを安定させてキャッシュ（Caching）を活用し、それ以外の複雑な情報はすべてツールに任せる。** ![image](https://s.baoyu.io/imgs/2026-04-29/manthanguptaa-2034849672985288957/01-infographic-memory-layers.png) では、詳しく見ていきましょう。 ![image](https://s.baoyu.io/imgs/2026-04-29/manthanguptaa-2034849672985288957/info.png) ## Hermes のコンテキスト構造 記憶を理解する前に、まず Hermes がモデルに実際に送信している内容を見てみましょう。 システムプロンプト（System Prompt）は、おおよそ以下の順序で組み立てられます： [0] デフォルトのエージェントアイデンティティ [1] ツール使用行動ガイドライン [2] Honcho 統合モジュール（オプション） [3] オプションのシステムメッセージ [4] 固定化された MEMORY.md スナップショット [5] 固定化された USER.md スナップショット [6] スキルインデックス [7] コンテキストファイル（AGENTS.md、SOUL.md などのルールファイル） [8] 日付/時刻 + プラットフォーム情報 [9] 対話履歴 [10] 現在のユーザーメッセージ これは非常に重要です。なぜなら Hermes は大規模言語モデルベンダーの**プロンプトキャッシュ（Prompt Caching）**メカニズムに対して最適化されているからです。コードを見ると、プロンプトビルダの目標は非常に明確です：**安定したプレフィックス部分を可能な限り長く一定に保つこと。** この一つの決断が、Hermes の記憶アーキテクチャの大部分を説明しています。 ある情報が対話の各ラウンドで必要とされる場合、Hermes はそれを極限まで圧縮して注入します。一方、情報量が多く、過去の履歴や時折しか不要な情報は、プロンプトから除外し、「オンデマンド検索」方式を採用します。 ![image](https://s.baoyu.io/imgs/2026-04-29/manthanguptaa-2034849672985288957/02-infographic-prompt-cache.png) ## 第一层：固化的提示词记忆 その内蔵メモリシステムは驚くほど小さい。 Hermes は永続的記憶を ~/.hermes/memories/ ディレクトリ内の 2 つのファイルに保存する。 ファイル | 用途 | 制限 ---|---|--- MEMORY.md | エージェントノート：環境、仕様、ツールの癖、教訓 | 2,200 文字 USER.md | ユーザープロファイル：嗜好、コミュニケーションスタイル、身元情報 | 1,375 文字 この容量は決して大きくない。合計しても約 1,300 の **トークン（モデルがテキストを理解する最小単位）** に過ぎない。 **しかし、これは意図的な設計だ。** セッション開始時、Hermes はこれら 2 つのファイルを読み込み、プロンプトブロックにレンダリングして、**セッション全体を通じてこのスナップショットを固定化**する。セッション中に書き込まれた記憶は即座にディスクに保存されるが、すでに生成されたシステムプロンプトには反映されない。これらの変更が有効になるのは、新しいセッションを開始するか、「圧縮（Compression）」によってプロンプトの再構築がトリガーされた場合のみである。 レンダリング後の形式は以下の通りだ： ══════════════════════════════════════════════ MEMORY (あなたの個人ノート) [67% — 1,474/2,200 文字] ══════════════════════════════════════════════ ユーザーのプロジェクトは ~/code/myapi にある Rust Web サービスで、Axum + SQLx を使用している § このマシンは Ubuntu 22.04 で動作し、Docker と Podman がインストールされている § ユーザーは簡潔な回答を好み、冗長な説明を嫌う ここには私が特に評価するいくつかの設計上の細部がある： - トークン制限ではなく文字制限を使用している点：これによりメモリロジックがモデルに依存しなくなる。Hermes は特定のモデル計算ツールを呼び出すことなく、メモリがいっぱいになったかどうかを判断できる。 - 単純な区切り文字ファイル形式：項目間は § で区切られる。複雑なベクトルデータベース（Vector DB）も独自バイナリストレージもなく、純粋なテキストのみだ。 - あえて極小のシステムプロンプト領域を維持している点：これが設計全体の最重要事項である。Hermes はすべての履歴をプロンプトに詰め込むつもりはない。最も価値のある事実だけを必要としているのだ。 - メモリは「日記」ではなく「精選された状態」である点：これが Hermes と OpenClaw の最大の違いだ。 OpenClaw のログはどちらかといえば「時系列の記録（日誌）」に近い。一方、Hermes はそれとは逆のアプローチを取る。そのツールアーキテクチャとテストロジックは以下を強調する： - ユーザーの嗜好を保存する。 - 環境に関する事実を保存する。 - 繰り返し発生するエラー修正を保存する。 - 安定した仕様を保存する。 - タスクの進行状況を保存しない。 - セッションの結果を保存しない。 - 一時的なToDo（TODO）を保存しない。 **真実はこうだ：Hermes は MEMORY.md と USER.md を簡潔で、頻繁に更新され、キャッシュに優しい状態に保ちたいと考えている。** ![image](https://s.baoyu.io/imgs/2026-04-29/manthanguptaa-2034849672985288957/03-comparison-hot-cold-memory.png) ## memory ツール Hermes は、add（追加）、replace（置換）、remove（削除）の 3 つの操作を持つ memory ツールを通じてこれらのファイルを管理する。 非常に使い勝手の良い細部として、replace と remove が**部分文字列マッチング**を使用している点が挙げられる。項目の内部 ID を覚える必要はなく、既存の項目から一意なテキストの一部を指定するだけでよい。 また、システムは完全に重複したコンテンツを拒否し、危険な情報を遮断します。ソースコードは記憶項目をスキャンして、**プロンプトインジェクション（Prompt Injection、入力を通じて悪意のある指示を与え AI を誤導する行為）**、認証情報の漏洩、または隠された Unicode 文字を防ぎます。 ## セッション検索による状況の再構築（第二層） MEMORY.md が Hermes の「短期ホットメモリ」であるなら、session_search はその「長尾バックシステム」と言えます。 過去のすべてのセッションは SQLite データベースに保存されており、完全なインデックスと検索機能を備えています。モデルが以前の話した内容を思い出そうとする際、MEMORY.md をめくるのではなく、このセッションデータベースを検索します。 そのワークフローは以下の通りです： - 過去メッセージの全文検索を行う。 - 結果をセッションごとにグループ化する。 - 最も関連性の高いセッションを読み込む。 - 安価な補助モデルを使用してこれらのセッションを要約する。 - 精製された振り返り内容をメインモデルに返す。 これは非常に実用的な設計です。無闇に膨大な歴史をすべてのプロンプトに詰め込むよりも、はるかに低コストで効率的です。 ## メモリ圧縮と記憶のフラッシュ（第三層） Hermes のもう一つの賢い点は、長文会話における「圧縮」処理の方法です。 セッションが長くなりすぎると、Hermes は会話の中間部分を圧縮してスペースを節約します。しかし、要約には損失が生じるため、重要な事実が失われる可能性があります。 **そこで Hermes はまず「メモリフラッシュ（記憶の洗い流し）」を実行します。** 圧縮を行う前に、モデルに以下の指示を送信します： ** "セッションが間もなく圧縮されます。覚えておくべきものはすべて保存してください。具体的なタスクの詳細よりも、ユーザーの好み、修正提案、反復パターンを優先して保存してください。" ** その後、memory ツールのみを有効にして追加のモデル呼び出しを実行します。モデルに何か残すべきものがある場合、会話が"洗い流される"前に MEMORY.md に書き込まれます。 ![image](https://s.baoyu.io/imgs/2026-04-29/manthanguptaa-2034849672985288957/04-flowchart-search-flush.png) ## プログラムとしての記憶：スキル（第四層） Hermes は事実だけでなく、**スキルの記憶も可能**です。 スキルは ~/.hermes/skills/ 配下に保存されます。Hermes が複雑なプロセスを発見したり、厄介な問題を解決したり、より良い方法を学んだりした際、それを「スキル」として保存できます。 多くの記憶システムが「意味的な再構築」（名前、好み、事実）に焦点を当てるのに対し、エージェントは**物事のやり方**も記憶する必要があります。 効率化のため、Hermes はすべてのスキルをプロンプトに詰め込むのではなく、**スキルインデックス**のみを含め、必要に応じて具体的なスキル内容を読み込みます。 ## 深層モデリングのための Honcho（第五層） 最後にオプションの Honcho レイヤーがあります。ローカルメモリが Hermes のノートブックであるなら、Honcho は構築しようとする複雑なユーザーモデルです。これはデバイスやプラットフォームを跨ぐ記憶の連続性を実現します。 最も巧妙なのは、プロンプトキャッシュを破綻させることなく統合する方法です： - セッションの初回ラウンドでは、Honcho のコンテキストがシステムプロンプトに織り込まれます。 - その後の会話では、プロンプトの安定性を保つため、Honcho からの再構築内容は現在のユーザーの質問の後に付加され、システムプロンプト自体は変更されません。 **これによりキャッシュの有効性が維持される一方で、AI は最新の背景情報を依然として読み取ることができます。** ## Hermes と OpenClaw の違い - OpenClaw：記憶は「Markdown 中心のストレージ」に近く、ログと永続ファイルが主要な事実源です。 - Hermes：プロンプト内の記憶は厳しく制限され、履歴は SQLite に保存され、必要に応じて検索されます。 **Hermes はキャッシュ効率をより重視しています。** それは、すべての情報を「システムプロンプト」という黄金の立地に住まわせる必要はないと考えています。 ![image](https://s.baoyu.io/imgs/2026-04-29/manthanguptaa-2034849672985288957/05-comparison-hermes-openclaw.png) ## 総括：Hermes は何を正しく行ったのか？ - コールドとホットの分離：小規模なプロンプトメモリが常駐情報の役割を担い、検索が稀に利用される情報の役割を担います。 - キャッシュ優先：頻繁にプロンプトを変更すると遅延が増加しコストが上昇することを認識しています。 - メモリの多様性：メモリは階層化されていることを認めています——個人のプロファイル、状況の追跡、操作スキル、そして深いモデル化が含まれます。 Hermes の核心的な設計原則で最も感銘を受けたのはこれです：**メモリは、プロンプトの安定性を破壊して博識を得る代わりに、エージェントをより使いやすくするべきものです。** 真の秘訣は、単に多くを記憶することではなく、正しい階層で、適切なコストで、正しいことを記憶することにあります。

Hermes Agent の記憶システムを深度解析：OpenClaw の誤解をどう修正したか

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト