建议关注、收藏，常查常用。
为了更清晰地展示三款框架的记忆架构差异，本文从记忆模型、存储介质、检索机制、核心特性、性能指标等维度进行横向对比，为开发者提供直观的选型参考。
1 架构特性对比
| 特性维度 | OpenClaw | Hermes | Claude Code |
|---|---|---|---|
| 记忆模型 | 分层蒸馏架构（短期 - 中期 - 长期） | 五层主动学习架构（核心 - 会话 - 用户 - 实体 - 环境） | 四层认知架构（L1-L4） |
| 存储介质 | Markdown 文件系统 + LanceDB | SQLite FTS5 + 图数据库 + JSON 文件 | 本地文件系统（Markdown + JSON） |
| 检索机制 | QMD 混合检索（BM25 + 向量 + LLM 重排序） | SQLite FTS5 全文检索 + 图检索 | 分层检索（索引优先 + 语义兜底） |
| 核心特性 | 完全可解释、蒸馏式记忆流转、幂等性保障 | 记忆审查、GEPA 自我进化、认知经济性 | Auto Memory、AutoDream、1M Token 上下文 |
| 优势 | 可审计性强、长期记忆稳定、多模态支持 | 效率高、记忆质量优、自我进化能力强 | 编程场景适配好、记忆结构化程度高 |
| 劣势 | 写性能较低、不适合高并发场景 | 核心记忆容量有限、结构化程度较低 | 仅支持编程场景、部署复杂度较高 |
2 性能指标对比
| 性能指标 | OpenClaw | Hermes | Claude Code |
|---|---|---|---|
| 检索准确率 | 92.19%（原生插件） | 未公开（需结合 GEPA 引擎评估） | 未公开（编程场景≈90%） |
| Token 消耗 | 降低 83%（分层蒸馏） | 降低 60%（认知经济性） | 降低 50%（AutoDream 整理） |
| 跨会话记忆保留率 | 95%（周度精炼） | 90%（记忆审查） | 98%（Auto Memory+AutoDream） |
| 写延迟 | 1-5 秒（文件系统操作） | 0.5-2 秒（SQLite 操作） | 1-3 秒（文件系统操作） |
| 读延迟 | 100-300ms（向量索引） | 50-150ms（FTS5 检索） | 200-400ms（分层检索） |
3 场景映射表
| 场景类型 | 最佳框架 | 次选框架 | 不推荐框架 | 核心原因 |
|---|---|---|---|---|
| SOP 流程自动化 | OpenClaw | Hermes | Claude Code | OpenClaw 的 Markdown 文件系统支持记忆的可追溯性与可干预性，完美适配 SOP 的合规要求 |
| 知识库问答 | OpenClaw | Claude Code | Hermes | OpenClaw 的分层蒸馏机制适合长期知识沉淀，Claude Code 的文件系统支持知识库的版本化 |
| 多 Agent 协作 | OpenClaw | Hermes | Claude Code | OpenClaw 的任务结果卡机制支持标准化的记忆交接，Hermes 的主动学习机制适合多 Agent 的信息同步 |
| 个人数字助理 | Hermes | OpenClaw | Claude Code | Hermes 的主动学习机制适合个性化交互，OpenClaw 的可解释性适合个人用户的干预需求 |
| 智能客服 | Hermes | Claude Code | OpenClaw | Hermes 的会话检索机制适合快速响应，Claude Code 的 Auto Memory 适合沉淀客服经验 |
| 持续学习型任务 | Hermes | OpenClaw | Claude Code | Hermes 的 GEPA 引擎适合知识沉淀与自我优化，OpenClaw 的分层蒸馏机制适合长期任务的记忆管理 |
| 长周期项目开发 | Claude Code | OpenClaw | Hermes | Claude Code 的四层认知架构适合项目级的上下文一致性，OpenClaw 的可解释性适合项目的可追溯性 |
| 代码审查与调试 | Claude Code | Hermes | OpenClaw | Claude Code 的 Auto Memory 适合沉淀代码经验，Hermes 的主动学习机制适合快速定位问题 |
| 多人协作编程 | Claude Code | OpenClaw | Hermes | Claude Code 的文件系统与版本控制集成适合多人协作，OpenClaw 的可审计性适合项目的合规要求 |