Hermes Agent存储空间不足主因是模型和运行数据未管理：本地大模型（4–8 GB）、SQLite历史库（数百MB）、技能缓存、未清理检查点最占空间；可通过量化模型、vacuum压缩DB、设历史保留天数、禁用FTS等优化。
☞☞☞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☜☜☜
Hermes Agent 本身安装包很轻（核心仅几 MB），但真正吃空间的是你后续加载的大模型、缓存文件、SQLite 记忆库和技能快照。所谓“存储空间不足”，90% 情况下不是 Hermes 本体太大，而是模型和运行数据没做管理。
哪些内容最占空间？
• 本地大模型文件：比如用 Ollama 加载的 deepseek-v3.2、glm-5.1 等，单个模型常达 4–8 GB（FP16）；
• SQLite 全量历史数据库：长期运行后，hermes.db 可能增长至数百 MB（含 FTS5 全文索引）；
• 技能缓存与临时产物：自动保存的 Python 技能快照、浏览器截图、下载附件、终端执行日志等；
• 未清理的会话检查点（checkpoints）：v0.11+ 版本支持任务中断恢复，但旧 checkpoint 若不手动清理会持续堆积。
模型端瘦身：量化 + 精简加载
如果你用的是本地模型（如 Ollama、llama.cpp、vLLM），而非直连 API，这是最大的优化入口：
- 优先选用已量化模型：Ollama 官方库中带
:q4_k_m、:q5_k_s后缀的版本（如deepseek-v3.2:q4_k_m），体积可压缩 50–60%，推理速度提升 20–40%，精度损失极小； - 禁用不必要的上下文长度：在
hermes config中将model.max_tokens设为 2048 或 4096（非默认 32768），避免内存预分配浪费； - Ollama 用户可执行：
ollama show查看是否含冗余参数，删去--modelfile num_ctx超大值或重复adapter； - 不用时卸载模型：
ollama rm，Hermes 启动时按需拉取，比常驻更省空间。
运行时精简：清缓存 + 压缩记忆库
Hermes 自带工具链可直接操作，无需手动删文件：
- 一键清理临时产物：
hermes cleanup --temp（清除 /tmp 下技能中间文件、截图、日志）； - 压缩 SQLite 数据库：
hermes db vacuum（重建 DB 文件，回收已删除记录占用空间，通常减小 30–70%）； - 限制历史保留天数：
hermes config set memory.history_retention_days=30（默认不限制，设为 30 后自动归档旧对话）； - 关闭全文索引（仅限低频检索用户）：
hermes config set memory.enable_fts=false，可减少 DB 体积约 40%，搜索降级为模糊匹配。
部署层规避：跳过冗余组件
新手常误装全套，其实多数功能可按需关闭：
- 不用 Web 面板？运行
hermes start前先执行hermes config set web.enabled=false，省下前端资源和静态文件； - 不接消息网关（微信/飞书/Discord）？配置时选 Skip messaging setup，避免下载对应 SDK 和 token 缓存；
- 禁用自动技能生成（若你只手动写 Skill）：
hermes config set skills.auto_generate=false，减少 Python 编译缓存和 AST 分析开销； - CLI 模式启动即可：
hermes --no-web --no-gateway，最小内存占用，适合低配 VPS 或 WSL2。
不复杂但容易忽略：空间压力往往来自“一直开着却没管”的后台模型和日积月累的 SQLite 日志。定期 hermes db vacuum + 用量化模型，就能让 4GB 内存的轻量服务器稳跑半年以上。
