hermes教程-[记忆提供者]

Hermes Agent 内置了 8 个外部记忆提供者插件，为智能体提供跨会话的持久化知识，超越内置的 MEMORY.md 和 USER.md。一次只能激活一个外部提供者——内置记忆始终与其同时激活。

快速开始

hermes memory setup      # 交互式选择器 + 配置
hermes memory status     # 检查当前激活的提供者
hermes memory off        # 禁用外部提供者

你也可以通过 hermes plugins → Provider Plugins → Memory Provider 选择激活的记忆提供者。

或者手动在 ~/.hermes/config.yaml 中设置：

memory:
  provider: openviking   # 或 honcho, mem0, hindsight, holographic, retaindb, byterover, supermemory

工作原理

当记忆提供者激活时，Hermes 会自动：

1. 将提供者上下文注入系统提示（提供者所知的内容）
2. 预取相关记忆在每次对话轮次之前（后台、非阻塞）
3. 同步对话轮次到提供者（每次响应后）
4. 在会话结束时提取记忆（对于支持此功能的提供者）
5. 镜像内置记忆写入到外部提供者
6. 添加提供者专属工具，使智能体能够搜索、存储和管理记忆

内置记忆（MEMORY.md / USER.md）继续像以前一样工作。外部提供者是附加的。

可用提供者

Honcho

AI 原生跨会话用户建模，支持辩证推理、会话范围上下文注入、语义搜索和持久化结论。基础上下文现在包含会话摘要以及用户表示和同伴卡片，使智能体能够感知已讨论的内容。

工具（5 个）： honcho_profile（读取/更新同伴卡片）、honcho_search（语义搜索）、honcho_context（会话上下文——摘要、表示、卡片、消息）、honcho_reasoning（LLM 合成）、honcho_conclude（创建/删除结论）

架构： 两层上下文注入——基础层（会话摘要 + 表示 + 同伴卡片，按 contextCadence 刷新）加上辩证补充（LLM 推理，按 dialecticCadence 刷新）。辩证机制根据基础上下文是否存在，自动选择冷启动提示（通用用户事实）或热启动提示（会话范围上下文）。

三个正交配置旋钮独立控制成本和深度：

• contextCadence —— 基础层刷新频率（API 调用频率）
• dialecticCadence —— 辩证 LLM 触发频率（LLM 调用频率）
• dialecticDepth —— 每次辩证调用的 .chat() 轮次数量（1–3，推理深度）

设置向导：

hermes memory setup        # 选择 "honcho" —— 运行 Honcho 专属的后置设置

旧的 hermes honcho setup 命令仍然有效（现在重定向到 hermes memory setup），但仅在 Honcho 被选为激活的记忆提供者后才注册。

配置： $HERMES_HOME/honcho.json（配置文件本地）或 ~/.honcho/config.json（全局）。解析顺序：$HERMES_HOME/honcho.json > ~/.hermes/honcho.json > ~/.honcho/config.json。参见配置参考和 Honcho 集成指南。

{
  "apiKey": "your-key-from-app.honcho.dev",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "peerName": "your-name",
      "workspace": "hermes"
    }
  }
}

{
  "baseUrl": "http://localhost:8000",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "peerName": "your-name",
      "workspace": "hermes"
    }
  }
}

提示——从 hermes honcho 迁移

如果你之前使用过 hermes honcho setup，你的配置和所有服务器端数据都完好无损。只需通过设置向导重新启用，或手动设置 memory.provider: honcho 即可通过新系统重新激活。

多同伴设置：

Honcho 将对话建模为同伴之间交换消息——每个 Hermes 配置文件有一个用户同伴和一个 AI 同伴，所有同伴共享一个工作区。工作区是共享环境：用户同伴在所有配置文件中是全局的，每个 AI 同伴都有自己的身份。每个 AI 同伴根据自身的观察构建独立的表示/卡片，因此 coder 配置文件保持代码导向，而 writer 配置文件针对同一用户保持编辑导向。

映射关系：

新配置文件，新的 Honcho 同伴

hermes profile create coder --clone

--clone 在 honcho.json 中创建一个 hermes.coder 主机块，包含 aiPeer: "coder"、共享的 workspace、继承的 peerName、recallMode、writeFrequency、observation 等。AI 同伴会在 Honcho 中主动创建，以便在第一条消息之前就已存在。

现有配置文件，回填 Honcho 同伴

hermes honcho sync

扫描每个 Hermes 配置文件，为没有主机块的配置文件创建主机块，继承默认 hermes 块的设置，并主动创建新的 AI 同伴。幂等——跳过已有主机块的配置文件。

每个配置文件的观察

每个主机块可以独立覆盖观察配置。示例：一个代码导向的配置文件，其中 AI 同伴观察用户但不自我建模：

"hermes.coder": {
  "aiPeer": "coder",
  "observation": {
    "user": { "observeMe": true, "observeOthers": true },
    "ai":   { "observeMe": false, "observeOthers": true }
  }
}

观察开关（每个同伴一组）：

通过 observationMode 预设：

• "directional"（默认）—— 全部四个标志开启。完全相互观察；启用跨同伴辩证。
• "unified" —— 用户 observeMe: true，AI observeOthers: true，其余为 false。单观察者池；AI 对用户建模但不自我建模，用户同伴仅自我建模。

通过 Honcho 仪表板 设置的服务器端开关会覆盖本地默认值——在会话初始化时同步回来。

完整的观察参考，请参见 Honcho 页面。

网关身份映射

上述同伴模型涵盖 CLI、TUI 和桌面会话，其中每个对话解析为 peerName。网关 增加了第二个维度：用户携带平台原生的运行时 ID（Telegram UID、Discord snowflake、Slack 用户），三个键决定每个 ID 解析到哪个同伴。

在网关之外，这些键不起作用。hermes memory setup 仅在检测到已连接的网关平台时才会提示它们。解析器阶梯和设置流程，请参见 Honcho 页面。

{
  "apiKey": "your-key",
  "workspace": "hermes",
  "peerName": "eri",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "workspace": "hermes",
      "peerName": "eri",
      "recallMode": "hybrid",
      "writeFrequency": "async",
      "sessionStrategy": "per-directory",
      "observation": {
        "user": { "observeMe": true, "observeOthers": true },
        "ai": { "observeMe": true, "observeOthers": true }
      },
      "dialecticReasoningLevel": "low",
      "dialecticDynamic": true,
      "dialecticCadence": 2,
      "dialecticDepth": 1,
      "dialecticMaxChars": 600,
      "contextCadence": 1,
      "messageMaxChars": 25000,
      "saveMessages": true
    },
    "hermes.coder": {
      "enabled": true,
      "aiPeer": "coder",
      "workspace": "hermes",
      "peerName": "eri",
      "recallMode": "tools",
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    },
    "hermes.writer": {
      "enabled": true,
      "aiPeer": "writer",
      "workspace": "hermes",
      "peerName": "eri"
    }
  },
  "sessions": {
    "/home/user/myproject": "myproject-main"
  }
}

参见配置参考和 Honcho 集成指南。

OpenViking

由火山引擎（字节跳动）提供的上下文数据库，具有文件系统风格的知识层次、分层检索和自动记忆提取（分为 6 个类别）。

工具： viking_search（语义搜索）、viking_read（分层：摘要/概览/完整）、viking_browse（文件系统导航）、viking_remember（存储事实）、viking_add_resource（导入 URL/文档）

设置：

## 首先启动 OpenViking 服务器
pip install openviking
openviking-server
## 然后配置 Hermes
hermes memory setup    # 选择 "openviking"
## 或手动：
hermes config set memory.provider openviking
echo "OPENVIKING_ENDPOINT=http://localhost:1933" >> ~/.hermes/.env

主要特性：

• 分层上下文加载：L0（约 100 令牌）→ L1（约 2k）→ L2（完整）
• 会话提交时自动记忆提取（个人资料、偏好、实体、事件、案例、模式）
• viking:// URI 方案，用于层次化知识浏览

Mem0

服务器端 LLM 事实提取，支持语义搜索、重排序和自动去重。

工具： mem0_profile（所有存储的记忆）、mem0_search（语义搜索 + 重排序）、mem0_conclude（存储逐字事实）

设置：

hermes memory setup    # 选择 "mem0"
## 或手动：
hermes config set memory.provider mem0
echo "MEM0_API_KEY=your-key" >> ~/.hermes/.env

配置： $HERMES_HOME/mem0.json

Hindsight

长期记忆，支持知识图谱、实体解析和多策略检索。hindsight_reflect 工具提供跨记忆合成，这是其他提供者所没有的。自动保留完整的对话轮次（包括工具调用）以及会话级别的文档跟踪。

工具： hindsight_retain（存储并提取实体）、hindsight_recall（多策略搜索）、hindsight_reflect（跨记忆合成）

设置：

hermes memory setup    # 选择 "hindsight"
## 或手动：
hermes config set memory.provider hindsight
echo "HINDSIGHT_API_KEY=your-key" >> ~/.hermes/.env

设置向导会自动安装依赖项，并且只安装所选模式所需的内容（云端用 hindsight-client，本地用 hindsight-all）。需要 hindsight-client >= 0.4.22（如果过时，会在会话启动时自动升级）。

本地模式 UI： hindsight-embed -p hermes ui start

配置： $HERMES_HOME/hindsight/config.json

完整配置参考，请参见插件 README。

Holographic

本地 SQLite 事实存储，支持 FTS5 全文搜索、信任评分和用于组合代数查询的 HRR（全息简化表示）。

工具： fact_store（9 个操作：添加、搜索、探查、相关、推理、矛盾、更新、移除、列出）、fact_feedback（有用/无用评分，训练信任分数）

设置：

hermes memory setup    # 选择 "holographic"
## 或手动：
hermes config set memory.provider holographic

配置： config.yaml 下的 plugins.hermes-memory-store

独特能力：

• probe —— 实体特定的代数回忆（关于一个人/事物的所有事实）
• reason —— 跨多个实体的组合 AND 查询
• contradict —— 自动检测冲突事实
• 信任评分，支持不对称反馈（+0.05 有用 / -0.10 无用）

RetainDB

云端记忆 API，支持混合搜索（向量 + BM25 + 重排序）、7 种记忆类型和增量压缩。

工具： retaindb_profile（用户资料）、retaindb_search（语义搜索）、retaindb_context（任务相关上下文）、retaindb_remember（存储，带类型 + 重要性）、retaindb_forget（删除记忆）

设置：

hermes memory setup    # 选择 "retaindb"
## 或手动：
hermes config set memory.provider retaindb
echo "RETAINDB_API_KEY=your-key" >> ~/.hermes/.env

ByteRover

通过 brv CLI 实现的持久化记忆——层次化知识树，支持分层检索（模糊文本 → LLM 驱动搜索）。本地优先，可选云端同步。

工具： brv_query（搜索知识树）、brv_curate（存储事实/决策/模式）、brv_status（CLI 版本 + 树统计）

设置：

## 首先安装 CLI
curl -fsSL https://byterover.dev/install.sh | sh
## 然后配置 Hermes
hermes memory setup    # 选择 "byterover"
## 或手动：
hermes config set memory.provider byterover

主要特性：

• 自动预压缩提取（在上下文压缩丢弃之前保存洞察）
• 知识树存储在 $HERMES_HOME/byterover/（配置文件范围）
• SOC2 Type II 认证的云端同步（可选）

Supermemory

语义长期记忆，支持资料回忆、语义搜索、显式记忆工具和会话结束时的对话导入（通过 Supermemory 图 API）。

工具： supermemory_store（保存显式记忆）、supermemory_search（语义相似性搜索）、supermemory_forget（按 ID 或最佳匹配查询遗忘）、supermemory_profile（持久化资料 + 近期上下文）

设置：

hermes memory setup    # 选择 "supermemory"
## 或手动：
hermes config set memory.provider supermemory
echo 'SUPERMEMORY_API_KEY=***' >> ~/.hermes/.env

配置： $HERMES_HOME/supermemory.json

环境变量： SUPERMEMORY_API_KEY（必需）、SUPERMEMORY_CONTAINER_TAG（覆盖配置）。

主要特性：

• 自动上下文隔离——从捕获的轮次中剥离回忆的记忆，防止递归记忆污染
• 全会话导入——整个对话在会话边界时一次性发送
• 会话结束时的对话导入（到 /v4/conversations），用于在 Supermemory 中构建更丰富的资料和图
• 在首次轮次和可配置间隔时注入资料事实
• 配置文件范围容器——在 container_tag 中使用 {identity}（例如 hermes-{identity} → hermes-coder）以隔离每个 Hermes 配置文件的记忆
• 多容器模式——启用 enable_custom_container_tags 并设置 custom_containers 列表，让智能体跨命名容器读写。自动操作仍保留在主容器上。

{
  "container_tag": "hermes",
  "enable_custom_container_tags": true,
  "custom_containers": ["project-alpha", "shared-knowledge"],
  "custom_container_instructions": "Use project-alpha for coding context."
}

支持： Discord · support@supermemory.com

Memori

使用 Memori Cloud 的结构化长期记忆，支持后台已完成轮次捕获、工具感知的轮次上下文以及用于事实、摘要、配额、注册和反馈的显式回忆工具。

工具： memori_recall（搜索长期记忆）、memori_recall_summary（摘要上下文）、memori_quota（使用量/配额）、memori_signup（请求注册邮件）、memori_feedback（发送集成反馈）

设置：

pip install hermes-memori
hermes-memori install
hermes config set memory.provider memori
hermes memory setup

提供者比较

配置文件隔离

每个提供者的数据按配置文件隔离：

• 本地存储提供者（Holographic、ByteRover）使用 $HERMES_HOME/ 路径，不同配置文件路径不同
• 配置文件文件提供者（Honcho、Mem0、Hindsight、Supermemory）将配置存储在 $HERMES_HOME/ 中，因此每个配置文件有自己的凭据
• 云端提供者（RetainDB）自动派生配置文件范围的项目名称
• 环境变量提供者（OpenViking）通过每个配置文件的 .env 文件配置

构建记忆提供者

请参阅开发者指南：记忆提供者插件了解如何创建自己的提供者。