卡片式对话不是把组件塞进聊天框，而是涉及模型输出、Markdown 流式解析、实时数据获取、跨端渲染和事件通信的一整套协议设计。这里系统讲解代码块扩展、占位符、自定义标签、增量 Patch、Tool 驱动以及四层统一协议的落地方式。
Hermes Agent 的 Skills 系统让 Agent 能把复杂任务经验沉淀成可复用技能，并在后续使用中自动检索、加载、修正。这里从 Skill 创建、索引缓存、条件激活、渐进式加载、安全扫描和自改进机制几个角度拆解它的核心设计。
Claude Code 不只是一个命令行编程助手，更像一套面向复杂任务的 Agent Runtime。这里从启动链路、REPL 控制面、Query Loop、工具运行时、权限系统、多 Agent 任务系统和 MCP 扩展层拆解它的架构设计。
Hermes-Agent 和 OpenClaw 都是面向 AI Agent 开发的框架，但侧重点不同。这里从记忆系统、工具生态、部署方式、模型支持和安全机制几个维度拆解两者差异，帮助开发者根据场景做选型。
智能体在没有规则的目录里会直接执行任务，久了就会留下混乱的文件结构、命名和上下文。约束先行要求先写全局与项目级 CLAUDE.md，再让 Agent 按规则开发、研究或管理知识。
RAG 系统做文档切割时，固定长度分块容易把完整语义拆散，导致向量检索召回失败。这里系统讲解重叠切割、语义边界切割、句子窗口检索、父子切割、命题化切割和 Contextual Retrieval 的原理、实现方式与选型取舍。
横纵分析法是一套适合配合 Deep Research 使用的研究框架：纵向梳理对象的发展脉络，横向比较它在当下赛道里的位置，再把两条线交叉形成判断。适合快速研究产品、公司、技术概念和行业人物。
Hermes Agent 是一个可自托管的开源 Agent，核心能力是把任务执行经验沉淀成可复用 Skills，并在后续任务中持续加载和改进。围绕它的学习闭环、持久化记忆、定时任务、多代理并行机制，以及 MiniMax M2.7 这类底层模型在 Agent 场景中的作用进行拆解。
OpenClaw 的核心价值不只是个人 AI 助理形态，而是它在提示词动态组装、上下文压缩、分层记忆、工具约束和安全护栏上的工程设计。围绕 Prompt、Context、Harness 三个维度，可以拆出一套可迁移到 Agent 系统里的架构方法。
OpenClaw 和 Hermes Agent 都属于通用 Agent 系统，但架构重心不同：OpenClaw 更偏本地优先的 Gateway 控制面，Hermes 更偏会沉淀经验的学习型 Runtime。这里从系统分层、Skills、Memory、安全、安装和迁移几个角度讲清两者的差异与选型思路。
