hermes agent记忆系统分为四层解耦结构：l1为上下文窗口内短期记忆，保障单次会话连贯；l2以skill.md固化程序化技能；l3用sqlite存储标注化情景历史；l4借honcho引擎动态演进用户画像。
☞☞☞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☜☜☜
如果您正在研究Hermes Agent的记忆机制，却发现其四层结构（L1–L4）在文档中描述抽象、彼此耦合紧密，则可能是由于各层功能边界未被清晰解耦。以下是对其记忆系统原理解析的结构化展开：
一、L1：短期记忆——上下文窗口内的即时交互承载
L1层不依赖外部存储，完全依托大模型自身的上下文窗口容量，专用于维持单次会话中的语义连贯性。它不持久化、不跨轮次保留，仅服务于当前推理链的完整性，是所有后续记忆层得以触发的前提基础。
1、识别当前对话轮次中用户最新输入与历史消息的逻辑关联。
2、将关键指令、临时变量、中间状态压缩进Token序列，确保模型能基于完整上下文生成响应。
3、当上下文长度逼近窗口上限时，自动触发L3层的检索介入与L2层的技能调用判断。
二、L2：技能记忆——程序化经验的固化与复用
L2层是Hermes区别于其他Agent的核心创新点，它将成功执行的任务流程提炼为结构化、可版本控制的SKILL.md文件，实现“操作即知识”的闭环沉淀。该层不依赖人工编写，而是由系统依据明确触发条件自动生成与迭代。
1、检测任务执行过程中是否满足任一复盘条件：工具调用超5次、中途出错后自主修复、用户明确纠正步骤或采用非标准但高效路径。
2、提取该次执行的完整动作序列，包括工具名称、参数、执行顺序、规避项与成功判据。
3、以Markdown格式写入~/.hermes/skills/目录，文件名含时间戳与任务摘要，支持agentskills.io标准解析。
Hermes Agent (v0.8.0) 是由 Nous Research 开发的开源自进化 AI 智能体，被誉为“与你共同成长的 Agent”。其核心优势在于内置学习闭环，能从任务中自动提炼技能、持久记忆用户偏好，越用越懂你。该版本聚焦“智能”升级，支持后台任务自动通知、模型实时切换及 MCP OAuth 2.1。它兼容 200+ 主流大模型，支持微信、Telegram 等多平台接入，仅需 5 美元 VPS 即可部署，是提升个人与企业生产力的理想选择。
三、L3：情景记忆——本地SQLite驱动的全文可回溯历史库
L3层通过轻量级本地SQLite数据库持久化全部原始对话记录，但并非无差别存储，而是结合定时Nudge机制进行内容筛选与结构标注，确保仅高价值片段进入长期索引，避免冗余膨胀。
1、每轮对话结束后，系统扫描消息流，剔除问候语、重复确认、空泛表达等低信息密度内容。
2、对保留条目打上多维标签：任务类型、涉及工具、用户显式偏好、异常反馈点、时间戳与会话ID。
3、启用FTS5全文检索扩展，支持自然语言查询如“上次如何部署FastAPI到Vercel”直接命中对应会话块。
四、L4：用户建模——Honcho引擎驱动的辩证式画像演进
L4层不直接存储原始数据，而是调用Honcho服务，将用户当前陈述（正题）与新对话中浮现的矛盾或补充信息（反题）交由LLM融合，生成动态更新的用户理解（合题），构成真正意义上的个性化认知锚点。
1、每次会话结束，Agent将完整消息历史发送至Honcho服务端。
2、Honcho提取本次交互中新出现的用户观察，例如“拒绝使用curl而坚持httpx”或“三次强调输出必须带行号”。
3、LLM将该反题与现有画像（正题）进行黑格尔式综合，输出结构化更新包，注入下次会话的系统提示前缀。
