项目概览
Hermes Agent 记忆系统是开源 AI Agent 框架 Hermes Agent（由 Nous Research 开发）内置的多层记忆架构，由四套协同工作的记忆子系统组成。第一层为固化提示词记忆，将高频关键信息存入 MEMORY.md 和 USER.md 文件，合计约 1,300 Token，会话期间固化不变。第二层为会话搜索回溯，历史对话存储在 SQLite 数据库中，通过 FTS5 全文搜索按需检索，并使用辅助模型进行摘要。第三层为技能系统，用于记住如何做事的程序记忆，技能文件存储在 ~/.hermes/skills/ 目录。第四层为可选的 Honcho 用户建模，用于跨会话、跨平台的深层用户画像。该系统的核心设计思想是缓存优先，保持系统提示词前缀稳定以最大化利用 Prompt Caching，同时采用冷热分离策略，只保存用户偏好、环境事实、错误修正、稳定规范和学到的技能五类高价值信息。
解决什么问题
在没有分层记忆设计之前，主流 AI Agent 的记忆方式存在六大痛点。第一是上下文膨胀，大多数 Agent 把所有历史信息、用户偏好、环境事实一股脑塞进系统提示词，随着使用时间增长，提示词越来越长，Token 成本线性上升，延迟也水涨船高。第二是缓存失效，大模型供应商的 Prompt Caching 机制要求前缀保持稳定，每次修改系统提示词都会导致缓存失效，重新计算前缀部分的 Token 费用。第三是记忆类型混淆，把用户偏好、任务进度、环境信息、临时待办全部混在同一个存储里，没有区分信息的优先级和生命周期。第四是信息衰减无机制，长对话经过压缩后，重要事实可能被摘要遗漏，没有在压缩前主动提取关键记忆的机制。第五是缺乏程序记忆，大多数记忆系统只关注语义回溯，但 Agent 还需要记住如何做事，即反复出现的复杂流程、最佳实践、踩过的坑。第六是模型绑定，依赖特定模型的 Token 计算来判断记忆容量，切换模型后记忆逻辑可能失效。
工作方式
Hermes Agent 记忆系统由四套协同工作的记忆子系统组成。第一层是固化提示词记忆，将高频关键信息存入 MEMORY.md 和 USER.md 两个文件，分别有 2,200 字符和 1,375 字符的限制，合计约 1,300 Token，会话开始时加载并渲染进系统提示词，整个会话期间固化不变。第二层是会话搜索回溯，所有过去的会话存储在 SQLite 数据库中，使用 FTS5 全文搜索索引，工作流程为在历史消息中执行全文搜索、按会话分组结果、加载匹配度最高的会话、使用廉价辅助模型做摘要总结、将精炼后的回顾内容返回给主模型。第三层是技能系统，技能存储在 ~/.hermes/skills/ 目录，技能不在完整内容注入提示词，只放一个技能索引，需要时才加载具体技能内容。第四层是 Honcho 用户建模，为可选的跨设备、跨平台记忆连续性层，第一轮对话时 Honcho 上下文织入系统提示词，后续对话时回溯内容附加在用户消息后面，保持前缀稳定。
核心能力
- 缓存优先设计，系统提示词前缀在会话期间完全固化，最大化利用 Prompt Caching
- 冷热分离，热记忆直接注入系统提示词，冷记忆存 SQLite 按需检索
- 记忆是精选状态，只保存用户偏好、环境事实、错误修正、稳定规范、学到的技能五类信息
- 模型无关设计，使用字符限制而非 Token 限制管理记忆容量
- 安全内建，记忆条目写入前会被安全扫描，拦截 Prompt Injection、凭证泄露和恶意 Unicode 字符
- 压缩前记忆冲刷，长对话压缩前先让 Agent 把值得记住的内容写入 MEMORY.md
- 会话搜索使用辅助模型做摘要，比盲目塞历史便宜高效
- 技能系统兼容 agentskills.io 开放标准
- 支持从 OpenClaw 一键迁移
- 架构简洁零依赖，不需要向量数据库、嵌入模型或额外基础设施
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 该系统的热记忆容量极小，约 1,300 Token 的限制意味着只能保存非常精简的信息，复杂场景可能不够用。session_search 基于全文搜索，无法处理语义相似但表述不同的查询。记忆质量依赖模型判断，Agent 需要自主判断什么该记、什么不该记，模型能力不足时可能遗漏重要信息。session_search 使用辅助模型做摘要，增加了 API 调用成本。Honcho 是额外依赖，深层用户建模需要额外的 Honcho 框架，增加了部署复杂度。该系统不适合需要大容量持久上下文的场景，如长篇文档分析；不适合需要精确语义检索的场景，如法律文档、医疗记录；不适合多人共享同一 Agent 实例的场景，USER.md 是单用户设计。此外，需要检索海量文档的知识库、需要精确语义匹配的场景、需要多人实时协作的记忆、需要审计追踪的企业合规场景、需要跨 Agent 共享记忆的场景均不建议使用该系统。
