Hermes Agent 的孤立记忆困境与共享方案

Hermes agent 是由 Nous Research 在 2026年2月 推出的开源智能体，它具备独立的记忆能力。该模型会在会话开始时加载 memory.md 和 user.md 两个文件以保存笔记，但这导致其记忆数据被严格限制在自身内部。其他智能体如 Codex、Open Claude 或 Claude Code 完全无法访问这些笔记，造成每个智能体都在孤立工作。为了解决这一痛点，作者在其 Agent OS 中引入了“Agent Daily Log System”（智能体每日日志系统）。该系统利用 Obsidian 这款个人免费、基于本地纯文本文件存储的笔记应用，构建了一个共享记忆库。每晚，每个智能体会自动生成当天的简短总结，涵盖工作内容、完成事项及学习心得，并写入 Obsidian 中的共享笔记。次日清晨，任何智能体均可读取该日志以接续其他智能体的工作进度。用户无需手动编辑文件，即可实现跨智能体的知识同步。

Obsidian 记忆星系与 PARA 结构化组织法

在 Agent OS 中，作者展示了其 Obsidian “记忆星系”（Memory Galaxy），即笔记图的视图模式。图中包含数千个相互链接的记忆节点，涵盖合作人员、策略和项目等所有信息。这些记忆由智能体自动更新和维护，无需人工干预。为了保持结构清晰，系统采用了 Tiago Forte 提出的 PARA 文件夹管理法。该方法将内容分为四类：Projects（当前进行的项目）、Areas（持续维护的领域，如 SEO 和社区管理）、Resources（参考资料，如个人简介和 SOPs）以及 Archive（已完成归档的内容）。作者为智能体设计了具体的文件夹结构：包含用于存放不确定内容的 Inbox（收件箱）、记录每日前三项优先事项和明日笔记的 Daily Folder、按项目划分的 Projects 文件夹，以及专门存放决策日志的 Memories 文件夹和 Agent OS 自身配置所在的智能体专属文件夹。Claude、Hermes、Codex 甚至 Hermes Oracle 和语音助手 Apollo 均同步至同一 Vault（知识库）。

Orchestrator 编排机制与配置流程

为了避免逐个打开不同智能体的低效操作，作者建议指定一个“Boss”角色作为 Orchestrator（编排器）。Claude Code 和 Codex 因具备跨机器读写文件的能力，非常适合担任此角色。用户只需粘贴一个包含 Vault 路径和智能体列表的大提示词（Mega Prompt），编排器即可自动完成剩余工作。该过程包括创建文件夹、编写协议、向其他智能体添加指令并进行测试。如果用户已有现有设置，模型会检查同步状态并调整提示词以适配当前环境。作者在使用 Opus 5.5 模型时运行了这一流程。对于希望获取完整 Agent OS zip 文件及30天学习路线图的用户，作者推荐加入 AI Profit Boardroom。该服务每周提供四次辅导通话，帮助用户解决在 Hermes、Obsidian 或提示词使用中遇到的具体问题。所有演示内容均整合在该路线图之中。

智能体交互示例与关键配置错误警示

通过实际案例展示，当语音助手被要求查看 Vault 以了解近期工作时，它直接读取笔记并指出：“I'd been generating video title ideas in Claude”（我一直在用 Claude 生成视频标题创意）。这证明语音助手无需额外解释即可知晓近期工作。每个智能体的配置包含两部分：一是指令中的简短指针，告知 Vault 的存在；二是夜间自动执行的任务，该任务依据 Vault 中单一笔记的规则生成总结。编排器负责确定每个智能体读取的指令文件、历史记录位置及任务调度细节，用户无需触碰这些底层配置。

关于记忆存储的关键错误警示：切勿将每次对话都保存进 Obsidian。如果加载过多记忆，Vault 会变得庞大且混乱，导致智能体每次读取时消耗大量 Token（文本块）。Obsidian 并非处理数百万条记忆的正确工具，因此这不是真正的“无限内存”。虽然向量数据库适合搜索存储的记忆，但对大多数用户而言技术门槛过高。每日日志应仅包含一条全天总结（针对 Hermes 包括工作内容、学习心得、决策及进行中的事项），而非每条任务单独记录。“Learned”（所学部分）最为关键，因为 Hermes 的自我改进层若仅内部生效，其他智能体将无法受益。建议尝试“晨间简报”（让智能体读取昨日日志并输出5条要点，不写入 Vault）、“启动前提示”（检查过去3天记忆中的相关项目）以及“每周汇总”和“健康检查”。

基于 Obsidian 的共享记忆架构设计

在构建 Agent OS（智能体操作系统）时，核心挑战在于如何让不同的 AI 代理共享上下文与记忆。作者展示了一种基于 Obsidian 笔记库的解决方案，通过同步最近的记忆文件，使智能体能够将其转化为应用、文章或脚本等多种内容形式。这种架构的优势在于 数据的所有权与可读性，因为 Obsidian 存储的是纯文本文件，用户可以直接打开阅读和编辑，无需依赖复杂的向量数据库技术栈。相比需要更高技术门槛的向量数据库，Obsidian 笔记库是大多数用户更易于上手的起点。作者强调保持系统简洁的重要性，建议从最基础的 每日日志（Daily Log） 开始搭建记忆流。虽然也可以尝试每任务一记录、每天一个智能体文件或让代理直接写入 Para 等复杂结构，但 每日日志足以满足大多数场景，且能有效避免系统过于臃肿。此外，还可以构建关于人物、工具和主题的自动 Wiki 来丰富知识库。

记忆采集工具与系统组件概览

除了手动或半自动的记录方式，市场上还有如 Omi 和 Screenpipe 等捕获工具。这些工具通过 监控屏幕活动和监听麦克风，将用户的日常操作和对话自动转化为记忆并同步到 Obsidian。作者指出，随着智能体能力的提升，对这类全自动捕获工具的依赖正在降低，因为现在的代理已经足够智能，能够自主整理和提取关键信息。在具体的 Agent OS 内部结构中，作者集成了多个自定义工作流组件：包括 Hermes Apollo 和 Hermes Oracle，它们分别处理不同的任务逻辑；还有一个随时可用的 弹出式语音代理，允许用户通过自然语言与系统交互。在界面顶部，还有一个 记忆银河（Memory Galaxy） 可视化组件，帮助用户直观地查看和管理分散的记忆节点。作者表示该系统每天都在迭代优化，旨在实现 智能体之间的相互学习与协作。

与其他记忆方案的对比分析

在探讨如何实现智能体共享记忆时，作者将 Hermes 内置方案与外部存储进行了对比。Hermes 本身具备 内置记忆功能，仅涉及两个文件的管理；同时它也支持集成如 Mem Zero 和 Super Memory 等第三方记忆插件，这提供了一条扩展额外记忆工具的路线。然而，Obsidian 笔记库提供了另一种更通用的路径。这种方案的核心优势在于 去中心化与标准化：每个智能体都可以访问相同的纯文本文件，且这些文件对人类用户完全透明。相比之下，向量数据库虽然能容纳海量数据，但其 技术运行门槛较高，不适合非技术人员快速部署。因此，对于希望建立共享记忆但又不想陷入复杂技术细节的用户来说，基于文件的笔记库是更平衡的选择。作者建议用户根据自身的熟悉程度和技术能力来选择最适合的记忆存储后端。

实施策略与社区资源推荐

为了确保系统稳定运行，作者提出了两条关键的操作建议。第一是 在提示词中明确指定智能体名称，例如清晰列出 Claude Code、Hermes Codex 和 Open Claw 等代理的身份。这样做能让编排器（Orchestrator）准确地知道如何连接和配置各个组件，避免指令混淆。第二是 保持初始阶段的极简主义，仅启用每日日志功能并专注于此，同时定期运行健康检查提示词（Health Check Prompt），以确认所有夜间任务仍在正常执行。作者总结道，虽然 Hermes 具备记忆能力，但其他代理往往缺乏这一特性；通过 一个共享的 Obsidian 库、一个编排器、一套提示词以及每晚的智能体摘要，即可解决这一痛点。对于希望深入学习的用户，作者推荐加入 AI Profit Boardroom 获取完整的 Agent OS ZIP 安装文件、30天路线图及每周四次直播辅导；同时，AI Success Lab 作为一个拥有近十万成员的免费社区，提供了视频笔记和超过百种 AI 用例教程，帮助用户在同行中共同学习与实践。

结论

基于 Obsidian 的共享记忆架构通过纯文本文件实现了跨智能体的知识同步，有效解决了 Hermes、Codex 等模型间记忆孤立的痛点。其核心优势在于数据所有权透明及低技术门槛，相比向量数据库更易上手且无需复杂部署。然而，该方案并非真正的“无限内存”，过度存储会导致 Token 消耗激增与系统混乱。因此，它适用于追求简洁、去中心化且具备一定技术能力的用户群体。

实施成功的关键在于严格的流程控制：必须指定 Orchestrator 进行编排，并坚持极简主义策略。仅保留每日一条总结日志而非全量记录，能确保系统高效运行并促进智能体间的自我改进与协作。对于希望快速落地共享记忆系统的用户，这是一种平衡了功能性与易用性的务实选择；若需处理海量数据或追求自动化捕获，则需结合更高级的工具链。