nobusukef

3 months ago

『Obsidian』×『Claude Code』ガチで最強すぎるこれで月々のコスト半減したw 長期開発では最強の組み合わせ・会話ログ保存・仕様書をMarkdown化・Claude.mdでルール固定・必要な情報だけAIへ渡す・Vault化して知識を再利用これやるだけで、毎回全文読み込み問題がかなり減る。結果として・無駄トークン削減・使用制限に到達しにくい・コンテキスト崩壊しにくい・長期開発が安定・MCP/CLI連携もしやすい AI時代って、プロンプト力よりコンテキスト管理力の差がデカくなってる。特にObsidianは、 AI専用の外部記憶装置みたいに使えるのが強い。

gagarotai200's tweet photo. 『Obsidian』×『Claude Code』
ガチで最強すぎる
これで月々のコスト半減したw

長期開発では最強の組み合わせ

・会話ログ保存
・仕様書をMarkdown化
・Claude.mdでルール固定
・必要な情報だけAIへ渡す
・Vault化して知識を再利用

これやるだけで、
毎回全文読み込み問題がかなり減る。

結果として
・無駄トークン削減
・使用制限に到達しにくい
・コンテキスト崩壊しにくい
・長期開発が安定
・MCP/CLI連携もしやすい

AI時代って、
プロンプト力より
コンテキスト管理力の差が
デカくなってる。

特にObsidianは、
AI専用の外部記憶装置みたいに
使えるのが強い。

3

59

3

43

6K

NouvelleCaledo7 retweeted

3 months ago

Hermes Agentをただ使ってるのは論外どうやって使ったら効果を最大化できるか誰でも1ステップで効果が実感できる方法は　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　普通の対話型LLMは、質問するとすぐ答えてくれる。これはめちゃくちゃ便利です。ただ、実務で使おうとすると限界もあります。たとえば、・毎回、背景や目的を説明し直す・「もっと深く」「別案も」「調べて」と何度も往復する・出てきた答えを人間が整理する・資料化、実行、確認、修正は結局人間がやる・気づいたら自分がAIのマネージャー役になっている Hermes Agentは、単に質問に答えさせるのではなく、最初に目的・条件・資料・ゴールを渡して、作業全体を動かす司令塔として使うのが強い。たとえば、「この投稿を作って」ではなく、・誰に向けた投稿なのか・何を伝えたいのか・どんなトーンにしたいのか・参考資料はどれか・最終的に何を作りたいのか・どこまで自動で進めてほしいのかまで渡す。するとHermes Agentは、要件整理、タスク分解、調査、文章作成、比較、レビュー、改善案出しまで、一つの流れとして扱いやすくなる。ここが普通の対話型LLMとの大きな違い。 Hermes Agentは、最初に全体像を渡すことで、複数のAIやツールをつなぎながら、作業を前に進める前提で使える。つまり、AIを相談相手として使うか、実務を動かすチームとして使うかの違い。これからのAI活用で重要なのは、良いプロンプトを書くことだけではなく、 AIに仕事の流れそのものを設計させること。 AIに質問する人より、 AIに段取りを組ませて、実行まで回せる人が強くなる。 Hermes Agentは、まさにそのための入口になる。

gagarotai200's tweet photo. Hermes Agentをただ使ってるのは論外
どうやって使ったら効果を最大化できるか
誰でも1ステップで効果が実感できる方法は　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

普通の対話型LLMは、
質問するとすぐ答えてくれる。
これはめちゃくちゃ便利です。
ただ、実務で使おうとすると限界もあります。

たとえば、

・毎回、背景や目的を説明し直す
・「もっと深く」「別案も」「調べて」と何度も往復する
・出てきた答えを人間が整理する
・資料化、実行、確認、修正は結局人間がやる
・気づいたら自分がAIのマネージャー役になっている

Hermes Agentは、単に質問に答えさせるのではなく、
最初に目的・条件・資料・ゴールを渡して、
作業全体を動かす司令塔として使うのが強い。
たとえば、

「この投稿を作って」ではなく、

・誰に向けた投稿なのか
・何を伝えたいのか
・どんなトーンにしたいのか
・参考資料はどれか
・最終的に何を作りたいのか
・どこまで自動で進めてほしいのか
まで渡す。
するとHermes Agentは、
要件整理、タスク分解、調査、
文章作成、比較、レビュー、改善案出しまで、
一つの流れとして扱いやすくなる。

ここが普通の対話型LLMとの大きな違い。

Hermes Agentは、
最初に全体像を渡すことで、
複数のAIやツールをつなぎながら、
作業を前に進める前提で使える。
つまり、AIを相談相手として使うか、
実務を動かすチームとして使うかの違い。

これからのAI活用で重要なのは、
良いプロンプトを書くことだけではなく、
AIに仕事の流れそのものを設計させること。

AIに質問する人より、
AIに段取りを組ませて、
実行まで回せる人が強くなる。

Hermes Agentは、まさにそのための入口になる。

0

13

3

14

3K

3 months ago

GWゆっくり研究しようかな✨️✨️

ガガロット

@gagarot200

3 months ago

🦞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。

gagarot200's tweet photo. 🦞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。

1

282

27

387

48K

0

7

1

4

1K

NouvelleCaledo7 retweeted

ガガロット

@gagarot200

3 months ago

🦞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。

1

282

27

387

48K

3 months ago

素晴らしい情報ありがとうございます！早速、触ってみます🔥

3 months ago

『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

gagarotai200's tweet photo. 『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

9

164

10

160

12K

0

2

1

469

3 months ago

今、色々触って経験積んでる人は数年後相当強くなっていそうですね✨

3 months ago

🚨【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

gagarotai200's tweet photo. 🚨【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

2

102

8

88

7K

0

3

2

1

1K

3 months ago

全部押さえておきたい✨

3 months ago

⚠️【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

gagarotai200's tweet photo. ⚠️【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

5

24

2

39

3K

1

4

1

3

795

NouvelleCaledo7 retweeted

3 months ago

⚠️【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

5

24

2

39

3K

3 months ago

どんどん触って使いこなしていかないと💦進化のスピードがエグい😅

3 months ago

🚨【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

gagarotai200's tweet photo. 🚨【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

2

65

5

40

5K

0

3

1

730