Hermes 四层记忆架构：从短期到永久的记忆系统
为什么 Agent 需要记忆 人类记忆分为短期记忆、工作记忆、长期记忆，各有不同容量与持久性。AI Agent 面临同样的问题：对话窗口有限，但用户期望 Agent 记住偏好、历史决策、学到的技能。 传统 Agent 的记忆方案通常是两种极端： 全部塞进 context：对话历史越来越长，token 成本爆炸，性能下降 无持久记忆：每次对话从零开始，用户反复解释需求 Hermes Agent 的解决方案是四层记忆架构，模拟人类记忆的分层机制，在不同层级存储不同生命周期的信息。 四层记忆总览 ┌─────────────────────────────────────────────────┐ │ 第一层：核心记忆 (Core Memory) │ │ 容量：~800 token | 生命周期：当前会话 │ │ 存储介质：内存 | 检索方式：直接注入 prompt │ ├─────────────────────────────────────────────────┤ │ 第二层：用户画像 (User Profile) │ │ 容量：~2000 token | 生命周期：永久 │ │ 存储介质：USER.md 文件 | 检索方式：会话开始注入 │ ├─────────────────────────────────────────────────┤ │ 第三层：长期历史 (Long-term History) │ │ 容量：无限 | 生命周期：永久 │ │ 存储介质：SQLite + FTS5 | 检索方式：全文检索 │ ├─────────────────────────────────────────────────┤ │ 第四层：技能记忆库 (Skill Memory) │ │ 容量：无限 | 生命周期：永久 + 版本管理 │ │ 存储介质：SKILL.md 文件集 | 检索方式：语义匹配 │ └─────────────────────────────────────────────────┘ 第一层：核心记忆（Core Memory） 核心记忆是 Agent 的"工作记忆"，存在于当前会话的 context window 中。Hermes 严格控制其大小在 800 token 以内。 ...