AI Systems

Denna sektion samlar guider om bestående kunskap och minne för AI-system — hur assistenter behåller fakta, preferenser och sammanfattad kontext över sessioner utan att stoppa in varje token i en enda prompt. Här innebär minne medveten bevarande (användarfakta, sammanfattningar, pluginbaserade lagringar), inte GPU-minne eller modellvikt.

Du känner igen mönstret. Du öppnar en chatt med en AI-assistent, förklarar ditt projekt, delar dina preferenser, får lite arbete gjort och stänger fliken. När du kommer tillbaka veckan efter är det som att prata med en främling — all kontext är borta, varje preferens är glömd och projektet måste förklaras från scratch.

OpenClaw misslyckades inte som produkt. Den förlorade sin drivkraft.

Hermes AI-assistenten, officiellt dokumenterad som Hermes Agent, positioneras inte som en enkel chattinpackning.

OpenClaw har två olika sätt att utöka funktionerna på, och det är lätt att blanda ihop dem.

Plugins utökar runtime-miljön. Skills utökar agentens beteende.

Den här artikeln handlar om OpenClaw-tillägg — inbyggda gateway-paket som lägger till kanaler, modellleverantörer, verktyg, röstminne, media, webbsökning och andra runtime-ytor.

OpenClaw ser enkel ut i demomiljöer. I produktionsmiljöer blir det ett system.

Den tysta luckan som drev en våg av agentexperiment är nu stängd.

Hermes Agent är en självhostad, modellagnostisk AI-assistent som körs på en lokal maskin eller en lågkostnad VPS, fungerar via terminal- och meddelande gränssnitt och förbättras över tid genom att omvandla upprepade uppgifter till återanvändbara färdigheter.

De flesta lokala AI-uppsättningar börjar med en modell och en körningstid (runtime).

OpenClaw är en självhostad AI-assistent som är designad för att köras med lokala LLM-runtime som Ollama eller med molnbaserade modeller som Claude Sonnet.

De flesta lokala AI-installationer börjar på samma sätt: en modell, en runtime och ett chattgränssnitt.