🦞Open Clawの10倍の勢いで 利用者が急増しているHermes Agent 「月1000万円」まで稼ぎたいと考えてるなら 絶対に今すぐ導入しろ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 記憶システムを読み解く OpenClawの何を改善したのか ChatGPT、Claude、Clawdbotの記憶システムについて書いてきた中で、ずっと気になっていた問いがある。 AIエージェントは実際、どうやって「記憶」しているのか。 Hermes Agentが特に面白いのは、今回はコードが全部公開されていた点だ。 挙動を推測するのではなく、コードを直接読める。 プロンプトの組み立て方、セッションの保存、記憶の整理、過去の会話の検索まで、実際の処理を追うことができた。 結論から言うと、Hermesの記憶は1つではなく、4つの層に分かれている。 ① MEMORY.md と USER.md に保存される、圧縮されたプロンプト記憶 ② SQLiteに蓄積された、検索可能な過去セッションのアーカイブ ③ スキルとして保存される、操作の手順記憶 ④ より深いユーザー理解のための、オプションのHonchoレイヤー 設計の軸はシンプルだ。 プロンプトはできるだけ変えずにキャッシュ効率を上げ、複雑な処理はツールに任せる。 ◆ Hermesがモデルに渡している情報 記憶の話に入る前に、Hermesがモデルに何を渡しているかを整理しておく。 システムプロンプトは、おおむね次の順で組み立てられる。 [0] エージェントの基本設定 [1] ツール使用のルール [2] Honcho連携（オプション） [3] 追加のシステムメッセージ [4] MEMORY.md のスナップショット（固定） [5] USER.md のスナップショット（固定） [6] スキルの一覧 [7] ルールファイル（AGENTS.md、SOUL.md など） [8] 日時とプラットフォーム情報 [9] 会話履歴 [10] 現在のユーザーメッセージ ここで重要なのは、Hermesがプロンプトキャッシングを強く意識して設計されている点だ。 プロンプトの先頭部分をできるだけ変えないことで、キャッシュを最大限に活かす。 毎回必要な情報はプロンプトに小さく埋め込む。 量が多いもの・古い履歴・たまにしか使わないものは外に出して、必要なときだけ検索する。 この考え方が、記憶アーキテクチャ全体の土台になっている。 ◆ 第1層：プロンプト記憶（MEMORY.md と USER.md） Hermesの常駐記憶は、2つのファイルだけだ。 MEMORY.md（上限2,200文字） 環境情報、ツールの癖、繰り返し起きたエラーへの対処法など USER.md（上限1,375文字） ユーザーの好み、コミュニケーションスタイル、基本情報など 合計しても約1,300トークン。かなり小さい。 これは意図的な設計だ。 セッション開始時にこの2ファイルを読み込んでプロンプトに固定し、セッション中は変えない。 途中で新しい記憶が書き込まれてもディスクに保存されるだけで、次のセッションが始まるまで反映されない。 保存する情報の基準も明確だ。 保存するもの：ユーザーの好み、環境の事実、エラーの修正方法、安定した仕様 保存しないもの：タスクの進捗、セッションの結果、一時的なToDoリスト MEMORY.md は「記録帳」ではなく「厳選されたメモ」として機能する。 ここがOpenClawとの最大の違いだ。 設計で特に気に入った点が3つある。 文字数制限を使っていること トークン計算がモデルに依存しなくなる。 区切りは § だけのシンプルなテキスト形式 複雑なDBや独自フォーマットが不要。 プロンプト内の記憶領域を意図的に小さく保っていること 全部を詰め込むのではなく、本当に価値の高い事実だけを置く。 memoryツールには add・replace・remove の3操作があり、部分文字列マッチングで動く。 IDを管理する必要はなく、一意に識別できる文字列を指定するだけでいい。 プロンプトインジェクションや認証情報の混入を防ぐスキャンも内部で走っている。 ◆ 第2層：過去セッションの検索（session_search） MEMORY.md が「常に手元に置くメモ」なら、session_search は「必要なときに引き出す記録棚」だ。 過去のセッションはすべてSQLiteに保存されていて、全文検索が使える。 モデルが過去の会話を参照したいとき、MEMORY.md を見るのではなくこのDBを検索する。 流れはこうだ。 過去メッセージを全文検索 → セッション単位でグループ化 → 一致度の高いものを読み込む → 補助モデルで要約 → 整理された内容をメインモデルに返す。 長い履歴をそのままプロンプトに流し込むよりも、コストも精度も現実的な設計だ。 ◆ 第3層：圧縮とメモリフラッシュ 会話が長くなりすぎたとき、Hermesは中盤部分を圧縮してスペースを確保する。 ただし圧縮すると情報が失われるリスクがある。 そこで圧縮の前に「メモリフラッシュ」を行う。 モデルに「このセッションは圧縮されます。残す価値のあるものを保存してください。優先すべきはユーザーの好み・修正提案・繰り返すパターンで、タスクの詳細ではありません」と伝えた上で、memoryツールだけを有効にした追加の呼び出しを行う。 モデルが必要と判断した情報は、圧縮される前にMEMORY.mdへ書き込まれる。 ◆ 第4層：スキル記憶 Hermesは事実だけでなく「やり方」も保存できる。 複雑な手順を発見したとき、厄介な問題を解決したとき、より良い方法を学んだとき、それを「スキル」として ~/.hermes/skills/ に保存する。 ただしすべてのスキルをプロンプトに詰め込むことはしない。 プロンプトに入るのはスキルの一覧だけで、必要なときに本体を読み込む。 ◆ 第5層：Honcho（オプション） ローカル記憶がHermes自身のノートだとすれば、Honchoはより複雑なユーザー像を構築するための層だ。 デバイスやプラットフォームをまたいで記憶をつなげられる。 工夫されているのはキャッシュとの両立だ。 最初のターンではHonchoの情報をシステムプロンプトに組み込み、それ以降はプロンプトを変えずにユーザーメッセージの後ろに追記する。 これでキャッシュを壊さずに最新の背景情報を参照できる。 ◆ HermesとOpenClawの違い OpenClawは記憶が「Markdownの記録帳」に近く、ログや長期ファイルが主な情報源になっている。 Hermesはプロンプト記憶を厳しく制限し、履歴はSQLiteに保存して必要なときだけ検索する。 Hermesはキャッシュ効率を最優先にしている。 システムプロンプトはすべての情報を置く場所ではない、という考え方だ。 ◆ まとめ Hermesが正しく実装したのは、主に3点だ。 ホット／コールドの分離 小さなプロンプト記憶が常駐情報を担い、たまに必要なものは検索で補う。 キャッシュ優先の設計 プロンプトを頻繁に変えると遅延とコストが増えることを前提にしている。 記憶の多層化 個人プロファイル・状況想起・操作スキル・深いユーザー理解を、それぞれ別の層で持つ。 Hermesの核心にある考え方はシンプルだ。 記憶はエージェントを使いやすくするためにある。プロンプトの安定性を犠牲にしてまで物知りにするためではない。 大切なのは、より多くを記憶することではなく、何を・どの層で・どのコストで記憶するかを見極めることだ。

『HERMES AGENT』がやばすぎるw Claude Codeのエージェント機能と OpenClawが完全に喰われた🚨　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 これは一番人間に近いAIエージェント Claudeは開発者用AI開発アシスタント OpenClawは個人用AI秘書 HERMES AGENTは教えれば教えるほど、 だんだん自分仕様に切り替わっていく 最強のAI作業員 どれを使えばいいか一瞬でわかるはず これ使ってかないと手遅れになるぞ

🚨【衝撃】🚨 低スペックPCでも動く『Bonsai AI』がやばいw もうこれ有料AI使う必要ないww　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 『1bit bonsai AI』 AIって、性能が高いほど重くなるのが 当たり前だと思ってた。 でも『1bit Bonsai』は、 その常識をかなり揺らしてる。 8Bクラスなのに約1.15GB級。 あとから無理やり削った軽量版というより、 最初から超軽量で成立させにいく発想。 これが広がると、 AIを使うだけじゃなく AIを自分のPCや端末で持つ人が 一気に増えるかもしれない。 ローカルAI、今後絶対来るw

⚠️【超特別情報】 オラがいつも学んでる Youtubeチャンネルを特別に公開するw　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 サイバーセキュリティ - NetworkChuck 人工知能 - Two Minute Papers Web開発 - The Net Ninja Pythonプログラミング - Corey Schafer DevOps - TechWorld with Nana クラウドコンピューティング - AWS Developers データ分析 - Luke Barousse デジタルマーケティング - Brian Dean UI/UXデザイン - Jesse Showalter ブロックチェーン開発 - Dapp University React開発 - JavaScript Mastery Javaプログラミング - Amigoscode ネットワーク - Jeremy's IT Lab 個人ブランディング - Dan Koe 絶対これみて勉強してほしい

🚨【事務職の奴オワコンw】 経理、人事、総務のやつ早く転職しろ 『Microsoft』と『OpenClaw』の 組み合わせで事務職完全終了w 事務職AIの使い方は⬇️ Microsoft公式のmarkitdownとOpenClawを組み合わせるだけで、 PDF整理、議事録要約、 TODO抽出、共有、 報告まで自動化ラインに乗ります。 これまで人が何時間もかけていた作業、 もうAIで余裕でできる。 markitdownが資料をAIが食べやすい形に変える。 OpenClawがそのまま処理して、実務まで動かす。 つまり 読むだけのAIじゃなく、仕事を進めるAIが現実になってきたということ。 事務作業を人力で回している会社、 かなり危ない。 先に導入した側だけが、どんどん軽くなる時代。 マジで導入しなかったら手遅れになる

Flare DeFi just hit $236M TVL Before you ask, it includes borrowing and liquid staking. That’s not just capital. That’s conviction. Builders are building. Users are sticking. And rewards? Still rewarding DeFi users that got us here.

🚨 TRUMP TO MAKE 3 PM ANNOUNCEMENT WITH SECRETARY OF DEFENSE -WHITE HOUSE

#FlareNetwork 🇯🇵 アカウント運営して約2ヶ月で1000名のフォロワーさんと繋がりました㊗️ありがとうございます！ おかげさまでアンケート企画ができたり！公認アカウントになったり！！と想像以上の出来事がありました㊗️ 日本からフレアを盛り上げるべく引き続き発信頑張ります！ FLRーーーー🚀🚀🚀

【注目！！！】 公式の@FlareNetworks から日本コミュニティへのアンケート調査があります。 下記FlareNetwork公式からです。 是非参加してください！ －－－－－－－ 日本のコミュニティの皆様、こんにちは。 この度は、日本のユーザーの皆様をより深く理解するためのアンケート調査にご協力いただき、誠にありがとうございます。 本アンケートを通じて、フレアは日本における影響力をどのように高め、日本のコミュニティの皆様と共に成長していけるかを検討してまいります。 ご参加いただいた皆様への感謝の気持ちとして、抽選で10名の方に8,000 FLR、総額80,000 FLRを贈呈いたします。 ◻︎抽選への参加方法 ・アンケートの回答 ・@flarejapangroup のフォロー ・この投稿をいいね、リポスト アンケート期間 4/11〜4/20までの10日間 ◻︎当選者発表 アンケート期間終了後、約1週間を予定しております。 ◻︎アンケートはこちら flarecommunity.typeform.com/… 改めて、皆様のご協力に心より感謝申し上げます。 FlareNetwork －－－－－－－ #FlareNetwork #FLR

【注目！！！】 公式の@FlareNetworks から日本コミュニティへのアンケート調査があります。 下記FlareNetwork公式からです。 是非参加してください！ －－－－－－－ 日本のコミュニティの皆様、こんにちは。 この度は、日本のユーザーの皆様をより深く理解するためのアンケート調査にご協力いただき、誠にありがとうございます。 本アンケートを通じて、フレアは日本における影響力をどのように高め、日本のコミュニティの皆様と共に成長していけるかを検討してまいります。 ご参加いただいた皆様への感謝の気持ちとして、抽選で10名の方に8,000 FLR、総額80,000 FLRを贈呈いたします。 ◻︎抽選への参加方法 ・アンケートの回答 ・@flarejapangroup のフォロー ・この投稿をいいね、リポスト アンケート期間 4/11〜4/20までの10日間 ◻︎当選者発表 アンケート期間終了後、約1週間を予定しております。 ◻︎アンケートはこちら flarecommunity.typeform.com/… 改めて、皆様のご協力に心より感謝申し上げます。 FlareNetwork －－－－－－－ #FlareNetwork #FLR