単一のチャットスレッドを超えた持続的なナレッジ。
このセクションでは、AIシステムの永続的な知識とメモリに関するガイドをまとめています。アシスタントがすべてのトークンを1つのプロンプトに詰め込むことなく、セッションをまたいで事実、設定、抽出されたコンテキストをどのように保持するかについて解説しています。ここでは、メモリとは意図的な保持（ユーザーの事実、要約、プラグイン連携によるストア）を指し、GPU RAMやモデルの重みを指すものではありません。
キャプチャポリシーの重要性は、リコールと同等までに高まっている。
2026年9月更新: MnemosyneとMemoriを追加し、HonchoとHindsightの設定を拡張しました。また、元のインフラストラクチャ表に加えてキャプチャポリシー比較表を追加しました。
タブを閉じるとすべての記憶を失う現代のAIアシスタントに対し、コンテキストウィンドウを超えて永続化する何かが必要になります。エージェントメモリプロバイダーとは、セッション間で事実や要約を保持するサービスやライブラリであり、フレームワークをスリムに保ちつつメモリをスケーリングするために、多くの場合プラグインとして組み込まれます。
本ガイドでは、Hermes Agentの外部メモリプラグインとして提供されるメモリバックエンド（Honcho、OpenViking、Mem0、Hindsight、Holographic、RetainDB、ByteRover、Supermemory、Mnemosyne、Memori）を比較し、それらがより広い**AIシステムのスタックにどのように組み込まれるかを説明します。同じベンダーは、コミュニティまたは公式統合を通じて、OpenClawや他のエージェントツールにも登場します。AIシステム メモリハブ**には、この記事に加えCogneeや関連するガイドがリストされています。
Hermesに固有のバウンデッドコアメモリ（MEMORY.mdとUSER.md）、フリーズ動作、トリガーについては、**Hermes Agent メモリシステム**を参照してください。HermesのネイティブメモリプロバイダーがOpenClawに対する採用優位性の拡大（GitHubスター数、OpenRouterトークンランキング、エコシステム規模の比較など）にどのように貢献しているかという背景については、OpenClaw vs Hermes Agent: Stars, Downloads & Usage 2026を参照してください。
メモリこそが、ツールとパートナーとの違いを創り出す。
AI エージェントとのチャットを開始し、プロジェクトの概要を説明し、好みを共有し、いくつかの作業を行い、タブを閉じる。その翌週にもう一度戻ってくると、まるで見知らぬ人と話しているかのようですね。すべてのコンテキストが失われ、すべての好みは忘れられ、プロジェクトはゼロから再説明しなければなりません。
OpenClawは急速に台頭し、その後、さらに急速に姿を消した。
OpenClawは製品として失敗したわけではありません。単に「燃料」を失っただけです。
再起動せずにLLMを配信・切り替え可能。
長らく、llama.cpp には致命的な制限がありました。
それは、1プロセスにつき1つのモデルしか提供できず、モデルを切り替えるには再起動が必要だった点です。
PKMツール、方法、および自己ホスト型Wikiの比較
パーソナル・ナレッジ・マネジメント（PKM）には、Obsidian、Logseq、DokuWiki、Zettelkasten、PARAといった選択肢がありますが、適切なツールは、ローカル環境でのノートグラフ、セルフホスト型ウィキ、アウトライナー駆動型のワークフローのいずれを優先するかによって異なります。
本格的なワークロード向け「Profile-first」Hermes設定
公式にはHermes Agentとして文書化されているHermes AIアシスタントは、単なるチャットラッパーとしては位置づけられていません。
保持すべきスキルと、スキップしてよいスキル
OpenClawには2つの拡張ストーリーがあり、それらは混同されやすいものです。
プラグインはランタイムを拡張します。スキルはエージェントの振る舞いを拡張します。
まずはプラグイン。スキルの名称を簡潔に。
この記事は、チャネル、モデルプロバイダー、ツール、音声、メモリ、メディア、Web 検索、その他ランタイムの表面機能などを追加するネイティブゲートウェイパッケージであるOpenClaw プラグインについて解説します。
実際のOpenClawシステムはどのように構成されているのか
OpenClawのデモではシンプルに見えます。 しかし、本番環境では、それは一つのシステムへと変貌します。
ローカルLLMによるセルフホステッドAI検索
Vaneは、「引用付きAI検索」分野でより実用志向の選択肢の一つです。ライブなWeb検索とローカルまたはクラウドのLLMを組み合わせつつ、スタック全体を自分自身の管理下におくセルフホスト型の回答エンジンです。
Hermes Agentのインストールと開発者向けクイックスタート
Hermes Agentは、セルフホスティングでモデル非依存型のAIアシスタントであり、ローカルマシンや低コストのVPS上で動作します。ターミナルとメッセージングインターフェースを通じて利用可能で、反復されるタスクを再利用可能なスキルに変換することで、時間が経つにつれてパフォーマンスが向上します。
TGI をインストールし、迅速にデプロイ、さらに高速にデバッグ。
Text Generation Inference (TGI) は、非常に特有の雰囲気を持っています。 推論の分野で最も新しい子供ではありませんが、すでに本番環境でのトラブルを学び、その教訓をデフォルト設定に焼き付けているのが TGI です。
SGLang を使ってオープンモデルを高速に提供。
SGLang は、大規模言語モデルおよびマルチモーダルモデル向けの高パフォーマンスなサービングフレームワークであり、単一の GPU から分散クラスターに至るまで、低レイテンシかつ高スループットの推論を提供するために設計されています。
クライアントを変更せずにローカルLLMをホットスワップできます。
すぐにvLLM、llama.cpp、そしてその他の多数のスタックを回す必要が出てきます。それぞれのスタックは独自のポートを使います。しかし、下流のすべてのアプリケーションは、/v1 ベースの単一のURLを期待しています。そうでなければ、ポート、プロファイル、使い捨てのスクリプトの入れ替えを繰り返すことになります。llama-swap は、これらのスタックの前段にある /v1 プロキシです。
ほとんどのローカルAIセットアップは、モデルとランタイムから始まります。
