hermes agent 资源占用过高时，需依次优化日志轮转、轨迹压缩、向量存储内存占用及关闭非必要监控模块。具体包括：启用 daily logrotate 并保留14天；将 trajectory token 限为3500并设缓存 ttl 为1小时；qdrant 启用 on_disk_payload 和量化；禁用 monitoring.enabled 及相关探测字段。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在运行 Hermes Agent 时观察到 CPU 或内存持续处于高位，系统响应变慢或出现频繁 GC 停顿，则很可能是由于默认配置未适配当前硬件资源或任务负载。以下是解决此问题的步骤：
一、调整日志采集与轮转策略
高频日志写入会显著增加 I/O 负载，并间接推高内存映射压力，尤其当 /var/log/hermes/ 目录下日志文件累积超过 5GB 时，磁盘延迟将直接拖累主线程执行效率。启用结构化日志轮转可切断该瓶颈。
1、检查当前日志体积：du -sh /var/log/hermes/*.log
2、创建 logrotate 配置文件：sudo tee /etc/logrotate.d/hermes-agent
3、写入以下内容：/var/log/hermes/*.log { daily missingok rotate 14 compress notifempty sharedscripts postrotate systemctl reload hermes-agent.service endscrip }
4、手动触发一次轮转验证：sudo logrotate -f /etc/logrotate.d/hermes-agent
二、启用轨迹压缩与缓存 TTL 控制
Hermes Agent 在处理多步推理轨迹（trajectory）时，默认保留完整原始序列，导致内存中驻留大量冗余中间状态。通过预设生命周期与压缩阈值，可将单次会话内存开销降低约 60%。
1、定位轨迹压缩配置文件：config/trajectory_compression.yaml
2、修改 target_max_tokens 值为 3500（原默认为 5000）
3、设置缓存过期时间：在 tools/terminal_tool.py 中调用 cache_manager.set_ttl('trajectory_cache', hours=1)
4、强制清理已有缓存：cache_manager.cleanup_expired()
三、限制向量存储内存占用
当 Hermes Agent 启用本地 Qdrant 向量库且未启用磁盘持久化时，全部索引与 payload 将常驻内存，极易引发 OOM。开启量化与磁盘后端可将内存占用从 2.4GB 峰值压降至 800MB 左右。
1、确认当前 vector_store 初始化方式是否含 on_disk_payload=True
2、若未启用，在初始化处添加参数：QdrantVectorStore(..., on_disk_payload=True, quantization_config=ScalarQuantization())
3、检查 Qdrant 数据目录权限：ls -ld /qdrant/storage，确保运行用户有读写权限
4、重启服务前清空旧内存索引：rm -rf /qdrant/storage/collections/hermes_agent_data
四、关闭非必要监控模块
Hermes Agent 默认启动多个后台健康检查线程，包括网络连通性探测、环境变量变更监听及 SSH 连接池心跳检测。在边缘设备或低配服务器上，这些轻量级任务叠加后可贡献 12–18% 的 CPU 占用。
1、编辑主配置文件：cli-config.yaml
2、将 monitoring.enabled 设为 false
3、注释或删除以下字段：network_probe_interval_sec、env_watch_enabled
4、重启 agent：systemctl restart hermes-agent.service
