小呆子调研：深度阅读源码并产出报告：评估 Hermes Agent（https://github.com/Nou

结论

• Hermes 在 run_agent.py 中通过线程安全的迭代预算、上下文压缩与插件 hook 形成了高度可控的主循环，OpenClaw 需要以兼容自身模型/工具体系的方式移植这些控制点。
• Memory、SessionDB 与多重安全扫描（memory/skills/terminal）解耦良好，可直接为 OpenClaw 提供低成本的持久记忆与供应链安全基线。
• Gateway、MCP 动态注册与 subagent 架构扩展能力强，但与 OpenClaw 的运行/部署假设差异较大，需按平台/凭证体系做二次封装后才能稳定落地。

模块评估

Agent Loop（结论：需改造）

• run_agent.py:170-312 的 IterationBudget 与 _should_parallelize_tool_batch 把线程安全预算、只读工具白名单和路径冲突检测集中在一起；OpenClaw 现有循环若想引入并行工具或子迭代，需要匹配自己的工具命名与任务追踪结构。
• run_agent.py:5992-6399 的 run_conversation 在一次迭代内同时处理 Honcho 预取、系统提示缓存、前置压缩、插件 pre_llm_call 以及 Anthropic prompt caching，保证上下文稳定，同时允许中断与重新压缩；OpenClaw 需根据自身缓存与provider支持重写这些 hook。
• 结论：建议对齐 IterarionBudget + 压缩 + 插件 hook 的抽象，但要重新绑定 OpenClaw 的 provider/telemetry，否则直接移植会因不同 API 与会话缓存策略而失效。

Memory（结论：直接可迁移）

• tools/memory_tool.py:40-230 的 MemoryStore 把 MEMORY.md/USER.md 做成分段文件，内置 ENTRY_DELIMITER、重复去重和 fcntl 文件锁，易于嵌入任意 repo；OpenClaw 直接引用可获得稳定的跨进程记忆。
• tools/memory_tool.py:186-320 的 add/replace/remove 带注入扫描与字符限额反馈，结合 tools/memory_tool.py:50-86 的威胁模式，可减少记忆污染。
• hermes_state.py:33-215 的 SessionDB 采用 WAL+FTS5，并在 315 行起加入 reasoning 列，可为 OpenClaw 现有搜索/回放模块提供 drop-in replacement。
• 结论：文件级记忆 + SQLite SessionDB 独立于 Hermes 其他模块，OpenClaw 仅需调整 get_hermes_home() 等路径适配即可直接使用。

Skills（结论：需改造）

• agent/skill_commands.py:155-210 的 scan_skill_commands 统一 CLI 与 Gateway，对 ~/.hermes/skills 以及外部目录做 frontmatter 解析与平台过滤，自动生成 /skill 别名。
• agent/skill_commands.py:79-152 的 _build_skill_message 会植入 activation note、setup hints 与 supporting files 列表，并指引使用 skill_view；这一消息拼接依赖 Hermes 的 tools 与 prompt 约定。
• 结论：OpenClaw 若沿用 SlashCommand，需要复刻扫描+渲染流程，但要对接自身命令分发与工具命名，因此属于“需改造”。

Gateway（结论：需改造）

• gateway/run.py:366-434 的 GatewayRunner 把平台适配器、prefill、reasoning_config、provider routing 与会话缓存（含 _agent_cache_lock）集中管理，且通过 SessionStore 与 process_registry 互锁，避免多平台同时写同一终端。
• gateway/run.py:531-676 持久化 per-chat voice 模式、自动记忆 flush（通过 _flush_memories_for_session 调起轻量代理）并维护 Honcho manager 池；这些假设依赖 Hermes 的技能/记忆路径。
• 结论：OpenClaw 若需要多平台消息 + 语音，需要先抽象自己的 PlatformAdapter 与会话锁，再移植 Gateway 机制，否则会与现有 Deployment/credential 管理冲突。

Tool/MCP（结论：需改造）

• model_tools.py:35-126 通过持久 asyncio 循环与线程本地 loop 解决工具 handler 的 async/多线程复用问题，是 OpenClaw 构建统一工具桥接的可复用模板。
• model_tools.py:234-352 在 get_tool_definitions 内动态裁剪 schema（execute_code 可用工具、browser_navigate 描述等），防止模型看到不可用工具；OpenClaw 如要采用需重写针对自家工具集的过滤逻辑。
• tools/mcp_tool.py:188-328 的环境过滤、错误脱敏与 SamplingHandler 速率限制，加上 tools/mcp_tool.py:1746-1858 的并行 discover/mapping，可直接把 MCP 服务注册到 registry；但 OpenClaw 的配置格式与凭证分发不同，需二次封装。
• 结论：推荐把 async loop & schema 过滤思路移植，同时把 MCP 发现流程嵌入 OpenClaw 的 config/secret 管理后再上线。

Subagent（结论：需改造）

• tools/delegate_tool.py:28-76 定义 DELEGATE_BLOCKED_TOOLS、最大并发与深度，杜绝递归代理、clarify、execute_code 等高风险工具进入子任务。
• tools/delegate_tool.py:48-185 通过 _build_child_system_prompt 与 _build_child_agent 为每个任务生成专用 prompt、toolset 与凭证继承，还可选择不同 provider。
• tools/delegate_tool.py:150-320 在构建/执行阶段补充 progress callback、记录 tool trace、传播中断，形成可控的多线程子代理池。
• 结论：OpenClaw 可重用“受限 toolset + 独立预算”的理念，但具体实现需与本身的 AIAgent/credential 管线整合，因此判为“需改造”。

Security（结论：直接可迁移）

• tools/approval.py:25-302 覆盖危险命令模式、session/permanent allowlist 与 CLI/Gateway 提示，逻辑自包含，可直接嵌入 OpenClaw 的终端工具链。
• tools/memory_tool.py:50-86 在记忆写入前扫描隐形字符、注入和 exfil pattern，为所有写入 system prompt 的内容提供统一过滤。
• tools/skills_guard.py:1-315 的技能供应链扫描基于 regex + 信任策略（builtin/trusted/community），独立于 Hermes 其他模块。
• 结论：以上三个安全组件依赖极少，替换路径/常量后即可保护 OpenClaw 的终端执行与技能商店。

Config（结论：需改造）

• hermes_cli/config.py:137-441 的 DEFAULT_CONFIG 把模型、工具、安防、审批、语音、Delegation、技能等配置集中，并用 _config_version 管理 schema 迁移。
• hermes_cli/config.py:1033-1178 的 get_missing_config_fields、check_config_version 与 migrate_config 会自动修补 YAML、新增 env，并把历史 env 迁移到 config；这一流程假设 Hermes 的目录结构与 CLI 交互形式。
• 结论：OpenClaw 若沿用 YAML+ENV，需要重写字段集合与迁移提示，但可直接复用版本检查/缺失项算法。

路线图

短期（≤2周）

• 在 OpenClaw agent loop 中实现 IterationBudget + 并行工具白名单，并引入 ContextCompressor 风格的预估/压缩钩子，防止长任务撑爆窗口（参考 run_agent.py:170-6399）。
• 迁移 MemoryStore 与 SessionDB，先将 MEMORY.md/USER.md + SQLite state 接入 OpenClaw 的工作目录与 CI，再补充记忆注入扫描（参考 tools/memory_tool.py:40-320, hermes_state.py:33-215）。
• 接入 tools/approval.py 与 tools/skills_guard.py，在终端命令与技能安装路径增加拦截，并用现有配置系统提供 allowlist/信任级别开关。

中期（≈1个月）

• 重构 OpenClaw 的 config/skill CLI，复用 Hermes 的缺失字段检测与 slash command 扫描，确保 CLI、Gateway、一体化命令表一致（参考 agent/skill_commands.py、hermes_cli/config.py）。
• 集成 MCP 与 subagent：在 OpenClaw 的工具 registry 中嵌入 Hermes async loop + MCP discover，随后按任务类型开放 delegate 任务（参考 model_tools.py, tools/mcp_tool.py, tools/delegate_tool.py）。
• 评估 Gateway 迁移：选定 1-2 个 OpenClaw 目标平台（如 Discord/Slack），按 GatewayRunner 结构实现 adapter 缓存、会话锁、voice/记忆 flush，再逐步扩展。

风险与缓解

• Prompt caching 与上下文压缩策略若与 OpenClaw 当前缓存机制冲突，会导致重复计费或上下文错乱；需在灰度环境中只启用预算/压缩而暂时关闭 Anthropic cache 标记。
• Memory 与 SessionDB 采用文件/SQLite 写锁，若 OpenClaw 运行在多容器环境，需额外加分布式锁或限定写节点，避免锁饥饿。
• MCP/Subagent 引入新的外部进程与 API key，若未复用 OpenClaw 的凭证管理，可能泄漏；建议先在沙箱 profile 中验证，再放开生产配置。

（via codex248 全自动调研）