Hermes 代理 Memory 功能：為什麼真正的 AI 代理需要精心策劃的 Memory，而不是無限的聊天歷史記錄

記憶體是長時間運行的代理工作的控制層

良好的記憶系統可以減少重複的解釋。糟糕的記憶系統會產生陳舊的假設、隱藏的風險和令人困惑的行為。

當人們第一次測試人工智慧代理時，他們通常會關注工具的使用。可以瀏覽嗎？可以運行程式碼嗎？它可以打開終端機嗎？可以寫文件嗎？這些東西固然重要，但不是核心瓶頸。更難的問題出現在第三次或第四次之後。您告訴代理您的後端使用 Go，您的臨時分支有不同的部署命令，您的團隊避免某些複製模式，並且您的 SEO 簡介必須遵循固定的結構。代理在該會話中表現良好。然後第二天，它會再次詢問相同的設定問題，或產生違反您已經做出的決定的工作。

這就是記憶體成為工作流程功能的地方。如果沒有持久內存，每項任務都需要手動重新補充上下文。您要么貼上舊的說明，要么保留長的提示模板，要么容忍重複的更正。這些都不能很好地擴展。 Hermes Agent 透過分層記憶體模型來解決這個問題。它的內建記憶體是有意限制和管理的。它儲存有關使用者、環境和代理學習的操作上下文的緊湊事實。這與將整個轉錄本轉儲到向量資料庫並希望檢索有效不同。

Hermes Agent其實記得什麼

Hermes 將持久記憶體分為兩個實用類別。第一個是代理記憶：有關環境、專案、約定、工作流程和經驗教訓的記錄。代理程式可能會在此處儲存儲存庫使用 pnpm、透過特定 Makefile 目標執行的測試或臨時伺服器需要非預設 SSH 連接埠的資訊。第二個是使用者記憶：偏好、溝通方式、期望、角色和工作流程習慣。代理商可能會記得您更喜歡簡潔的回复，不喜歡投機性的主張，或希望以特定方式建立 SEO 草案。

這種區別很重要，因為並非所有記憶都有相同的作用。用户偏好应该影响沟通。项目事实应该影响执行。完成的任务注释应该可以防止返工。工具解決方法應該可以減少未來的調試時間。

User memory     = how to work with me
Project memory  = how this environment works
Task memory     = what already happened
Searchable log  = what we may need to find later
External memory = what should scale beyond local notes

這就是為什麼“更多內存”並不自動更好。如果每個對話細節都變成永久指令，那麼代理人就會變得吵鬧。目標不是完全回憶。目標是有用的連續性。

為什麼有限記憶體是一個特性，而不是一個限制

乍一看，小型的精選記憶體儲存看起來有限制性。在實踐中，它可以增強內存衛生。許多團隊犯的錯誤是將代理記憶體視為倉庫。它們儲存會議記錄、原始日誌、長程式碼片段、客戶記錄和模糊的提醒。隨後，代理檢索技術上相關但操作上無用的片段。更糟糕的是，它可能會將過時的資訊視為最新資訊。

Hermes 的有限記憶體設計推動代理程式走向壓縮。它應該保存教訓，而不是保存完整的調試會話：

Bad memory:
On Tuesday, we debugged the deployment script for two hours...

Good memory:
Project deploys to staging with `make deploy-staging`; required env vars
are in `.env.staging.local`; do not use production credentials during test deploys.

第二個條目更短、更安全、更有用。它告訴代理下次要做什麼，而不保留不必要的敘述。這對於實際工作很重要，因為記憶體被注入到代理的操作上下文中。儲存在那裡的任何內容都可能影響未來的決策。如果記憶變得臃腫、陳舊或矛盾，智能體的行為就會下降。緊湊的記憶體層保持“始終可用”的上下文乾淨。

核心記憶體、會話搜尋、外部供應商

三個記憶層：用於始終可用的事實的核心策劃記憶、用於情景回憶的會話搜尋以及用於擴展的外部提供者。

第一層：核心策劃內存

核心記憶體包含代理應該始終知道的事實。這包括持久的偏好、穩定的專案慣例、環境事實和反覆修正。

User prefers draft articles in a natural Medium tone, with short paragraphs,
practical examples, and no exaggerated marketing claims.

Project `content-pipeline` uses Python 3.11, Poetry, Playwright, and a local
SQLite queue. Run tests with `poetry run pytest`.

這些條目不是成績單。它們是壓縮的操作知識。

第 2 層：會話搜尋

並非每個細節都值得永久記憶。有時，代理只需要找到先前的討論。為此，會話搜尋更合適。想像一下，您三週前告訴代理程式為什麼特定的資料庫遷移被延遲。這可能不需要永久地註入到未來的每個提示中。但當您問「我們對遷移做出了什麼決定？」代理應該能夠搜尋過去的會話並檢索相關的交換。這個區別很重要。核心記憶體用於儲存預設應塑造行為的事實。會話搜尋用於情景回憶。

第 3 層：外部記憶體提供者

Hermes 也支援外部記憶體提供者。這就是記憶體變得更具可擴展性和專業化的地方。根據提供者的不同，代理可以使用語義搜尋、使用者建模、後台同步、記憶體提取或特定於提供者的工具。當座席從個人生產力轉向團隊工作流程時，這非常有用。單一開發人員可能會喜歡緊湊的本機記憶體和會話搜尋。內容團隊、研究小組或營運團隊可能需要更廣泛地回憶簡報、活動、使用者資料、專案歷史和重複工作流程。架構問題變成：什麼應該保留在本地，什麼應該是可搜尋的，以及什麼應該由記憶體提供者管理？

實用的工作流程：帶有記憶體的 SEO 內容代理

假設您使用 Hermes Agent 來支援 SEO 內容工作流程。代理研究主題、建立大綱、起草文章、檢查內部連結機會並為 CMS 準備內容。如果沒有記憶，每篇文章都以重複的設定開始：使用我們的品牌聲音，避免點擊誘餌，自然地提及產品，不要過度使用項目符號，遵循我們的內部連結規則，使用短段落，不要發明統計數據。經過幾次會議後，這變得很煩人。經過幾十次會議後，它就成為工作流程的隱性負擔。

有了記憶，代理商應該堅持穩定的規則：使用者為海外科技讀者撰寫SEO文章；風格：分析性、實用性、短段落、無炒作、無虛假統計、無關鍵字堆砌；產品提及必須自然並嵌入到工作流程上下文中。

赫爾墨斯式的記憶對於連續性和代理推理來說具有很強的能力。 EasyClaw 當內容工作流程需要跨桌面工具、CMS 介面、電子表格、研究選項卡和發布步驟移動而不將每個操作都轉變為自訂 API 整合時，這一點就更有意義。在實際的內容運作中，我不會將這些工具視為「以一換一」。我會分層思考。 Hermes 記憶可以保留推理情境：品牌規則、內容標準、先前的決策和工作流程經驗教訓。 EasyClaw 可以幫助執行草稿存在後發生的混亂的跨應用程式工作：將內容移至 CMS、檢查格式、準備元資料或跨工具協調發布任務。

關鍵是避免儲存所有內容。對於 SEO 工作流程，良好的記憶條目可能包括：品牌聲音——清晰、專業、海外技術受眾，沒有誇大的主張；文章結構——前150字內有鉤子，H2每2-4段，例子在建議之前，軟CTA僅在接近結尾處； SEO規則——在標題、簡介、一個H2和結論中自然提及主要關鍵詞；避免重複的關鍵字堆砌。這些記憶緊湊、耐用且具有行動指導作用。

什麼不該保存

最被低估的記憶功能是遺忘。永遠不會忘記的記憶系統會成為一種負擔。它可能會保留過時的首選項、臨時調試事實、過期的活動詳細資訊或舊的專案假設。在代理工作流程中，過時的記憶體通常比沒有記憶體更糟糕，因為用戶可能沒有意識到代理正在依賴它。不要保存原始日誌、完整的文章草稿、臨時檔案路徑、一次性瀏覽器狀態或易於重新發現的事實。不要保存敏感憑證。不要保存諸如“用戶喜歡 SEO”或“項目很重要”之類的模糊記憶。這些條目會佔用空間而不會改善決策。

更好的測試是：「這一事實是否有助於代理在未來的會話中做出更好的決策，而無需進行完整的對話？」如果答案是否定的，則它屬於會話歷史記錄、專案文件或無處可去。

如何在自動化工作之前設計記憶體策略

在大量使用 Hermes Agent 記憶體功能之前，定義一個簡單的記憶體策略。這並不需要太複雜。它只需要防止意外混亂。我使用四個類別。首先，保存穩定的使用者偏好：語氣、格式、技術深度、語言偏好和重複期望。其次，保存穩定的專案約定：儲存庫結構、測試命令、部署規則、CMS 格式化規則、命名約定和工具鏈詳細資訊。第三，保存重複的更正：如果使用者兩次更正相同的行為，它可能屬於記憶體。第四，保存經驗教訓以防止將來出現錯誤：如果代理發現命令因本地環境異常而失敗，請保存解決方法。其他一切都應該謹慎對待。

# Check active memory provider
hermes memory status
# Configure external memory provider
hermes memory setup
# Disable external provider when testing local-only behavior
hermes memory off

確切的提供者選擇取決於您的工作流程。對於單一用戶本地設置，內建記憶體加上會話搜尋可能就足夠了。對於團隊規模、多個人資料或跨會話個性化，外部提供者可能值得增加複雜性。

代理工作流程的簡單記憶體流程圖

這是我在決定某些內容是否屬於記憶體時所使用的實用決策流程：

flowchart TD
    A[New information appears] --> B{Will it matter in future sessions?}
    B -- No --> C[Do not save]
    B -- Yes --> D{Is it stable or repeated?}
    D -- No --> E[Keep in session history]
    D -- Yes --> F{Is it compact and safe?}
    F -- No --> G[Summarize, redact, or skip]
    F -- Yes --> H{Does it guide behavior?}
    H -- No --> E
    H -- Yes --> I[Save to memory]

這使內存保持運行。重點不是為了記住事實而記住事實。重點是改善未來的行為。

效能權衡：始終在線上下文與按需調用

Memory 造成了效能權衡。永遠在線的內存速度很快，因為它可以立即可用。但它也會消耗上下文並影響每一個回應。按需召回更乾淨，因為代理僅在需要時進行搜尋。但它要求代理知道何時進行搜索。這就是 Hermes 將持久記憶體和會話搜尋分開的有用之處。核心記憶體應該包含在每次會話中都值得付費的一小部分事實。會話搜尋應該保留之前討論的長尾。

例如，「使用者更喜歡簡潔的回應」就屬於核心記憶體。 「我們在三月比較了三個 CMS 插件」可能屬於會話搜尋。 「該專案在上傳之前使用了自訂的影像壓縮腳本」如果影響重複發布任務，則可能屬於核心記憶體。您的分類越好，代理就越可靠。

產業相關性：為什麼記憶體比個人助理更重要

Memory 變得越來越重要，因為人工智慧代理正在從聊天轉向操作。在軟體團隊中，記憶可以幫助代理人了解專案約定、本地環境、重複出現的錯誤和先前的實施決策。在內容團隊中，記憶保留了品牌聲音、編輯規則、關鍵字策略和發布工作流程。在客戶營運中，只要仔細處理隱私和治理，記憶體就可以幫助代理商保持跨案例、升級規則和客戶特定偏好的連續性。

共同的模式是連續性。真正的工作不是單一的提示。這是一個持續數天或數週的一系列相關決策。團隊不想要一個僅在孤立的情況下很好地回答的代理。他們想要一個記憶力足夠的代理，以避免浪費注意力。這就是 Hermes Agent 記憶功能的真正價值。它們使代理減少對完美提示的依賴。代理不會每次都強迫使用者重述操作上下文，而是會轉發重要的部分。

風險：記憶可能成為看不見的提示

使記憶變得有用的功能也使其具有風險。 Memory 的作用就像一個看不見的提示。如果用戶無法檢查、編輯或質疑它，他們可能無法理解代理為何以某種方式運行。這就是記憶體治理很重要的原因。使用者應定期查看代理保存的內容。團隊應該決定允許哪些類別。應排除或編輯敏感資訊。舊的項目事實發生變化時應進行更新。對於生產使用，我會將記憶體視為配置，而不是隨意的聊天歷史記錄。它應該是可讀的、可編輯的、可審計的和有意維護的。

如何用好Hermes Agent記憶體特性

使用 Hermes 內存的最佳方法是從小處開始。不要從連接每個提供者並儲存每個會話開始。從內建記憶體層開始。讓代理人記住您穩定的偏好和一兩個項目慣例。然後觀察未來的訓練是否有改善。如果代理繼續犯同樣的錯誤，請進行更正。如果重複需要相同的設定詳細信息，請保存它。如果某個記憶已經過時，請更換它，而不是添加矛盾的註釋。基本循環工作後，添加會話搜尋以進行情景回憶。當您需要代理程式查找先前的決策時使用它，而不是當您需要它遵守常規指示時使用它。然後才考慮外部記憶體提供者。它們很有價值，但它們增加了另一層配置和治理。記憶系統越強大，定義應該記住什麼、如何檢索、誰可以修改它就變得越重要。

結論：記住正確的事情

Hermes Agent 記憶體功能預示著人工智慧工作流程設計將發生更廣泛的轉變。獲勝的代理商不會是那些盲目保留一切的代理商。他們將知道要保留什麼、要搜尋什麼、要壓縮什麼以及要忘記什麼。對於使用者來說，實際的收穫很簡單：將記憶體視為操作層。用它來儲存持久的偏好、項目慣例、重複的更正以及防止未來錯誤的教訓。將原始細節保留在可搜尋歷史記錄中。僅當您的工作流程真正需要擴展時才使用外部記憶體提供者。對於建立嚴格的代理工作流程的團隊來說，應該在自動化擴展之前設計記憶體。否則，代理人可能會變得強大但不穩定：有能力行動，但無法保持連續性。最好的人工智慧代理並不是記憶力最強的人工智慧代理。它能夠以正確的細節程度記住正確的事情，然後利用這些記憶讓下一個任務變得更容易。