拆解 Hermes 四层记忆系统配置

整体架构设计逻辑​

Hermes 记忆体系划分为 热记忆、冷记忆、过程记忆、深度记忆 四个分层模块，四类记忆依据数据使用频次和加载逻辑，划分存储载体与注入链路。​

​

💡

统一遵循设计逻辑：尽可能精简常驻系统提示词的内容体量，非高频刚需的记忆数据全部下沉至检索链路，在用户单次请求触发时按需调取、压缩、组装后再送入大模型。​

​

​

四层架构拆解​

Layer 1：热记忆层（MEMORY.md）​

​

💙

底层逻辑：热记忆作为整套架构里常驻系统提示词的记忆单元，依托MEMORY.md与USER.md两份 Markdown 文档落地存储，核心属性为体量小、稳定性强，采用每一会话初始化阶段一次性注入、会话周期内内容冻结锁定的运行规则。 ​

​

🌀基本工作流：​

•

单次会话开启时，系统自动读取两份文档内容并写入系统提示词，整个会话生命周期中热记忆内容不再发生变动，以此为 LLM 锚定本会话基础边界；​

•

会话结束后，系统基于本轮全量对话完成内容总结，迭代更新两份文档内容，作为下一次会话启动的基础锚点。​

✅核心作用：​

从业务作用来看，该层负责留存单轮会话周期内的关键共识、用户基础临时诉求、会话前置约束等轻量化关键信息，区别于全量对话记录，仅收纳经过会话总结提炼后的核心结论，不会冗余存储对话细节。 ​

​

​

Layer 2：冷记忆层（STATE.db）​

​

💙

底层逻辑：冷记忆面向跨轮次、跨会话的历史情节回忆需求，全量原始会话数据落地在 SQLite 数据库state.db中，原始对话内容永远不提前灌入提示词，仅在用户消息触发检索需求时启动调用流程。 ​

​

🌀基本工作流分为三步：​

首先依托session_search检索指令，基于当前用户提问语义，在会话数据库中筛选关联性较高的历史对话片段；​

其次系统对检索到的零散片段做摘要压缩处理，剔除无效语气、冗余对话，凝练为精简的上下文摘要；​

最后将压缩后的摘要内容动态并入本轮上下文，和常驻的热记忆完成拼接后送入大模型。 ​

✅核心作用：​

解决了全量历史对话无法常驻上下文的痛点，海量历史会话统一落库存储实现数据扩容，借助检索 + 摘要的双层压缩机制，既保留关键历史信息支撑模型回忆过往情节，又严格控制接入 Prompt 的数据体积，适配长周期多轮对话场景下的历史回溯需求。​

​

​

Layer 3：过程记忆层（/Skills）​

​

💙

底层逻辑：过程记忆对应 Agent 可复用业务技能库，所有技能文件统一以 Markdown 格式收纳在/skills目录中，核心定位是定义 Agent 的业务执行能力、标准化工作流程，遵循随用随加载、闲置不驻留的调度规则。​

​

🌀 基本工作流：​

•

在用户请求进入链路后，系统通过skills_get指令做意图判别，只有当当前任务需要调用对应业务能力时，才从技能目录中读取对应 SKILL 文档内容，将解析后的技能规范并入本轮上下文；​

•

若本轮任务无需相关技能，则全程不加载任何技能内容，从源头避免海量技能文档长期占用提示词空间。 ​

✅核心作用：​

这种设计适配多场景通用型 Agent 的开发诉求，项目中沉淀的写作、数据整理、信息抓取等标准化工作流全部归入技能库统一维护，一套技能可以被多个会话反复复用，同时依托按需加载机制规避冗余技能文本污染上下文。​

​

​

Layer 4：深度记忆层（Honcho.db）​

​

💙

底层逻辑：深度记忆属于架构可选扩展层，聚焦用户全生命周期画像搭建，用户偏好、行为特征、交互模式等跨会话数据统一存储在honcho.db数据库内，该模块不参与会话初始化阶段的提示词预埋，采用单次请求触发、按需轮次注入的接入方式。 ​

​

🌀基本工作流：​

•

在用户发起新的提问时，系统基于当前输入语义调取数据库内对应的用户模型数据，提炼本轮交互需要用到的用户特征片段，将整理后的用户上下文以可选链路接入最终的上下文组装环节；​

•

如果当前交互无需参考用户个性化特征，可直接跳过本层数据调取。​

✅核心作用：​

该层的价值在于打破单会话信息壁垒，依托长期沉淀的用户画像实现个性化应答优化，同时作为可选模块不会强制增加基础链路的上下文负担，可根据产品业务需求灵活选配启用。​

​

三、落地选型与适用场景​

Hermes 四层记忆 Agent 设计思路：​

​

💡

热记忆：守住单会话基础连贯底线；​

冷记忆：承接海量历史回溯需求；​

过程记忆：管理全项目通用技能资产；​

深度记忆：实现用户个性化能力拓展​

​

​

代码块​

YAML

System Prompt​

↓​

Hot Memory​

↓​

Session Search​

↓​

​

​

✅兼顾轻量化落地与高阶拓展能力，小到个人自用小型 Agent，大到商业化量产智能产品都能直接套用，既规避了传统记忆方案的各类工程痛点，又形成标准化可复用的开发规范。​

​

事实上，Hermes 最有价值的并不是四层记忆，而是它背后的 Context Routing 思想。如果继续往下拆，你会发现：记忆层只是整个 Agent Runtime 的一部分。它后面还连接着：​

​

💡

•

Skills 系统​

•

Context Engine、Tool Router​

•

User Modeling、Planning Engine、Workflow Runtime​

​

​

⭕️后面我会继续拆解 Hermes 的 Runtime 设计，以及 Claude 和 Codex 最新的 Context Engineering 实现。如果你正在做 Agent 项目，这套架构图建议保存下来。未来两年，它大概率会成为 Agent 的标准形态。​

​