深度解析三大 Agent 上下文工程：Claude Code、OpenClaw、Hermes 的设计哲学

文章主旨：

本文通过对比Claude Code、OpenClaw、Hermes三个代表性AI Agent的上下文管理机制，强调上下文工程是决定AI稳定性和任务表现的关键底层技术，并提炼出面向Agent设计的五条可操作启发。

关键要点：

1. 上下文工程定义与核心问题：上下文工程决定模型每轮可访问的信息，需解决窗口上限、长上下文性能下降、成本膨胀、新会话信息丢失及工具噪音等问题。
2. Claude Code：渐进式5层压缩：先处理高噪音工具输出，再做历史裁剪，采用缓存感知的轻量压缩，压缩后自动恢复最近读取的文件和激活的skills，避免重复读取。
3. OpenClaw：开放的上下文框架：通过可替换的context-engine插件允许用户自定义上下文存储、压缩时机与结构，但需要主动配置才能稳定，否则可能不如预期。
4. Hermes：带交接语义的双层压缩：Agent层50%阈值、Gateway层85%阈值，生成结构化摘要（目标、进度、决策、相关文件、下一步），支持增量更新，压缩即交接。
5. 设计启发五条：①上下文分层（长时记忆、稳定规则、当前技能/文件、任务进展）；②删除无用内容（如问候、无关工具输出）；③缓存稳定性优先，降低成本；④压缩结果写成交接文档而非泛化总结；⑤压缩后恢复当前工作集。

内容结构：

1. 引言：指出Hermes成为热点，引出上下文工程的重要性，并预告对比三个Agent的上下文机制。

2. 上下文工程是什么：定义（决定模型每轮可见内容）、组成要素（记忆、规则、系统提示、用户提示、MCP工具、历史、摘要等），引用Anthropic官方定义和LangChain四维框架（Write/Select/Compress/Isolate）。指出上下文解决的主要痛点：窗口上限、长上下文变笨、成本与速度、新会话丢失、工具噪音。

3. Claude Code：渐进式上下文压缩：展开其背后的5层压缩思路（先处理高噪音工具结果，再历史裁剪，缓存感知轻量压缩，上下文折叠/自动压缩），并强调压缩后自动恢复最近读取的文件和激活skills，避免重复读取。

4. OpenClaw：极度开放的上下文框架：初始占用文件更多（Soul, Identity等），裁剪压缩机制类似但会话重置不如Claude Code强调工作集恢复。突出其context-engine插件可替换，支持自定义上下文策略，并配合内置视图查看注入内容和成本。

5. Hermes：把交接当成常态：采用双层压缩（Agent层50%、Gateway层85%），生成结构化摘要作为交接文件（目标、进度、决策、相关文件、下一步），支持增量更新，保持信息递进。

6. 给Agent设计的五条启发：逐一阐述五条原则，并补充缓存的稳定性和成本意识。

7. 结尾：总结三个Agent各自特色，指出Hermes将压缩变为交接并更早压缩，同时提及其自我进化机制并非独创，但技术以用户可感知的方式展示出来更关键。

文章总结：

文章倡导将上下文工程作为Agent设计的核心环节，通过分层管理、主动压缩、交接式摘要和稳定缓存，可显著提升AI的稳定性与可用性；借鉴Claude Code、OpenClaw、Hermes的设计经验，有助于打造更可靠的AI产品。

为什么有些项目干着干着就成紧急项目了？

了解更多

Becomewiser

查看原文：深度解析三大 Agent 上下文工程：Claude Code、OpenClaw、Hermes 的设计哲学

文章来源：

Becomewiser

扫码关注公众号