Honcho 记忆
Honcho 是一个 AI 原生的记忆后端，它在 Hermes 内置记忆系统之上增加了辩证推理和深度用户建模能力。与简单的键值存储不同，Honcho 通过在对话发生后进行推理，持续维护一个关于用户是谁的模型——包括他们的偏好、沟通风格、目标和行为模式。
Honcho 已集成到记忆提供者系统中。下文所有功能均可通过统一的记忆提供者接口使用。
Honcho 带来的能力
| 能力 | 内置记忆 | Honcho |
|---|---|---|
| 跨会话持久化 | ✔ 基于文件的 MEMORY.md/USER.md | ✔ 服务端 API 支持 |
| 用户画像 | ✔ 手动 Agent 整理 | ✔ 自动辩证推理 |
| 会话摘要 | — | ✔ 会话范围上下文注入 |
| 多 Agent 隔离 | — | ✔ 按对等方（peer）画像分离 |
| 观察模式 | — | ✔ 统一或定向观察 |
| 结论（推导出的洞察） | — | ✔ 服务端对模式进行推理 |
| 跨历史记录搜索 | ✔ FTS5 会话搜索 | ✔ 基于结论的语义搜索 |
辩证推理：在每次对话轮次后（由 dialecticCadence 控制），Honcho 会分析对话内容，并推导出关于用户偏好、习惯和目标的洞察。这些洞察会随时间累积，使 Agent 获得超越用户明确表述的、不断加深的理解。辩证推理支持多轮深度（1-3 轮），并自动选择冷/热启动提示——冷启动查询侧重于一般用户事实，而热启动查询则优先考虑会话范围内的上下文。
会话范围上下文：基础上下文现在包含会话摘要，以及用户表征和对等方卡片。这使 Agent 能够了解当前会话中已经讨论过的内容，减少重复并保持连续性。
多 Agent 画像：当多个 Hermes 实例与同一用户对话时（例如，一个编码助手和一个个人助手），Honcho 会维护独立的“对等方”画像。每个对等方只能看到自己的观察和结论，防止上下文交叉污染。
设置
hermes memory setup # 从提供者列表中选择 "honcho"
或手动配置：
# ~/.hermes/config.yaml
memory:
provider: honcho
echo "HONCHO_API_KEY=*** >> ~/.hermes/.env
在 honcho.dev 获取 API 密钥。
架构
双层上下文注入
在每次轮次（hybrid 或 context 模式下），Honcho 会组装两层上下文注入到系统提示中：
- 基础上下文 —— 会话摘要、用户表征、用户对等方卡片、AI 自我表征和 AI 身份卡片。按
contextCadence刷新。这是“用户是谁”的层面。 - 辩证补充 —— 由 LLM 合成的关于用户当前状态和需求的推理。按
dialecticCadence刷新。这是“当前什么最重要”的层面。
这两层内容会被拼接起来，并在设置了 contextTokens 预算的情况下进行截断。
冷/热启动提示选择
辩证推理会自动在两种提示策略之间选择：
- 冷启动（尚无基础上下文）：通用查询 —— “这个人是谁？他们的偏好、目标和工作风格是什么？”
- 热会话（基础上下文已存在）：会话范围查询 —— “根据本次会话目前讨论的内容，关于此用户的哪些上下文最相关？”
这是根据基础上下文是否已填充来自动决定的。
三个正交配置旋钮
成本和深度由三个独立的旋钮控制：
| 旋钮 | 控制内容 | 默认值 |
|---|---|---|
contextCadence | context() API 调用之间的轮次数（基础层刷新） | 1 |
dialecticCadence | peer.chat() LLM 调用之间的轮次数（辩证层刷新） | 2（推荐 1–5） |
dialecticDepth | 每次辩证调用中 .chat() 的轮次数（1–3） | 1 |
这两者是正交的——你可以设置高频的上下文刷新配合低频的辩证，也可以在低频下进行深度多轮的辩证。例如：contextCadence: 1, dialecticCadence: 5, dialecticDepth: 2 表示每轮都刷新基础上下文，每 5 轮运行一次辩证，且每次辩证运行进行 2 轮。 |
辩证深度（多轮）
当 dialecticDepth > 1 时，每次辩证调用会运行多轮 .chat()：
- 第 0 轮：冷启动或热启动提示（见上文）
- 第 1 轮：自我审查——识别初始评估中的空白，并从近期会话中综合证据
- 第 2 轮：调和——检查前几轮之间是否存在矛盾，并生成最终的综合结果
每一轮都使用按比例分配的逻辑推理级别（前几轮较轻，主轮使用基础级别）。可以通过 dialecticDepthLevels 覆盖每轮的级别——例如，对于一个深度为 3 的运行，使用 ["minimal", "medium", "high"]。
如果前一轮返回了强信号（冗长、结构化的输出），则后续轮次会提前退出，因此深度为 3 并不总是意味着 3 次 LLM 调用。
会话启动预热
在会话初始化时，Honcho 会在后台以配置的完整 dialecticDepth 发起一次辩证调用，并将结果直接交给第 1 轮的上下文组装。对于一个冷启动的对等体，单轮预热通常返回较薄的输出——多轮深度运行会在用户开口之前就执行审查/调和循环。如果预热在第 1 轮之前尚未完成，第 1 轮将回退到具有有限超时的同步调用。
查询自适应推理级别
自动注入的辩证会根据查询长度调整 dialecticReasoningLevel：≥120 字符时 +1 级，≥400 字符时 +2 级，上限为 reasoningLevelCap（默认为 "high"）。通过设置 reasoningHeuristic: false 可以禁用此功能，将每次自动调用固定为 dialecticReasoningLevel。可用级别：minimal、low、medium、high、max。
配置选项
Honcho 在 ~/.honcho/config.json（全局）或 $HERMES_HOME/honcho.json（配置文件本地）中进行配置。设置向导会为你处理此事。
完整配置参考
| 键 | 默认值 | 描述 |
|---|---|---|
contextTokens | null（无上限） | 每轮自动注入上下文的令牌预算。设置为整数（例如 1200）以设置上限。在单词边界处截断 |
contextCadence | 1 | context() API 调用（基础层刷新）之间的最小轮数间隔 |
dialecticCadence | 2 | peer.chat() LLM 调用（辩证层）之间的最小轮数间隔。建议 1–5。在 tools 模式下不相关——模型调用是显式的 |
dialecticDepth | 1 | 每次辩证调用的 .chat() 轮数。限制在 1–3 |
dialecticDepthLevels | null | 可选的每轮推理级别数组，例如 ["minimal", "low", "medium"]。覆盖按比例分配的默认值 |
dialecticReasoningLevel | 'low' | 基础推理级别：minimal、low、medium、high、max |
dialecticDynamic | true | 当为 true 时，模型可以通过工具参数按调用覆盖推理级别 |
dialecticMaxChars | 600 | 注入系统提示的辩证结果的最大字符数 |
recallMode | 'hybrid' | hybrid（自动注入 + 工具）、context（仅注入）、tools（仅工具） |
writeFrequency | 'async' | 何时刷新消息：async（后台线程）、turn（同步）、session（结束时批量），或整数 N |
saveMessages | true | 是否将消息持久化到 Honcho API |
observationMode | 'directional' | directional（全部开启）或 unified（共享池）。使用 observation 对象进行细粒度控制以覆盖 |
messageMaxChars | 25000 | 通过 add_messages() 发送的每条消息的最大字符数。超出则分块 |
dialecticMaxInputChars | 10000 | 辩证查询输入到 peer.chat() 的最大字符数 |
sessionStrategy | 'per-directory' | per-directory、per-repo、per-session 或 global |
会话策略控制 Honcho 会话如何映射到你的工作：
per-session—— 每次hermes运行都获得一个新的会话。干净的起点，通过工具进行记忆。推荐新用户使用。per-directory—— 每个工作目录对应一个 Honcho 会话。上下文在多次运行间累积。per-repo—— 每个 git 仓库对应一个会话。global—— 跨所有目录的单一会话。 Recall 模式控制记忆如何流入对话：hybrid— 上下文自动注入系统提示词，且工具可用（模型决定何时查询）。context— 仅自动注入，工具隐藏。tools— 仅工具，无自动注入。Agent 必须显式调用honcho_reasoning、honcho_search等。
各 Recall 模式下的设置：
| 设置项 | hybrid | context | tools |
|---|---|---|---|
writeFrequency | 刷新消息 | 刷新消息 | 刷新消息 |
contextCadence | 控制基础上下文刷新 | 控制基础上下文刷新 | 无关 — 无注入 |
dialecticCadence | 控制自动 LLM 调用 | 控制自动 LLM 调用 | 无关 — 模型显式调用 |
dialecticDepth | 每次调用多轮 | 每次调用多轮 | 无关 — 模型显式调用 |
contextTokens | 限制注入量 | 限制注入量 | 无关 — 无注入 |
dialecticDynamic | 控制模型覆盖 | 不适用（无工具） | 控制模型覆盖 |
在 tools 模式下，模型完全掌控 — 它可以在需要时调用 honcho_reasoning，并选择任意的 reasoning_level。节奏和预算设置仅适用于具有自动注入的模式（hybrid 和 context）。
观察模式（定向 vs. 统一）
Honcho 将对话建模为对等方交换消息。每个对等方有两个观察开关，与 Honcho 的 SessionPeerConfig 一一对应：
| 开关 | 效果 |
|---|---|
observeMe | Honcho 根据此对等方自己的消息构建其表征 |
observeOthers | 此对等方观察其他对等方的消息（用于跨对等方推理） |
两个对等方 × 两个开关 = 四个标志位。observationMode 是一个预设的简写：
| 预设 | 用户标志位 | AI 标志位 | 语义 |
|---|---|---|---|
"directional" (默认) | me: 开, others: 开 | me: 开, others: 开 | 完全相互观察。启用跨对等方辩证 — “AI 根据用户所说和 AI 的回复，对用户了解什么。” |
"unified" | me: 开, others: 关 | me: 关, others: 开 | 共享池语义 — AI 仅观察用户消息，用户对等方仅自我建模。单观察者池。 |
可以通过显式的 observation 块覆盖预设，以实现按对等方控制：
"observation": {
"user": { "observeMe": true, "observeOthers": true },
"ai": { "observeMe": true, "observeOthers": false }
}
常见模式：
| 意图 | 配置 |
|---|---|
| 完全观察（大多数用户） | "observationMode": "directional" |
| AI 不应从其自身回复中重新建模用户 | "ai": {"observeMe": true, "observeOthers": false} |
| AI 对等方不应通过自我观察更新的强角色 | "ai": {"observeMe": false, "observeOthers": true} |
通过 Honcho 仪表板 设置的服务器端开关优先级高于本地默认值 — Hermes 在会话初始化时会同步它们。
工具
当 Honcho 作为记忆提供者激活时，五个工具变为可用：
| 工具 | 用途 |
|---|---|
honcho_profile | 读取或更新对等方卡片 — 传入 card（事实列表）以更新，省略以读取 |
honcho_search | 对上下文进行语义搜索 — 原始摘录，无 LLM 合成 |
honcho_context | 完整会话上下文 — 摘要、表征、卡片、最近消息 |
honcho_reasoning | 来自 Honcho LLM 的合成答案 — 传入 reasoning_level (minimal/low/medium/high/max) 以控制深度 |
honcho_conclude | 创建或删除结论 — 传入 conclusion 以创建，delete_id 以删除（仅限 PII） |
CLI 命令
hermes honcho status # 连接状态、配置和关键设置
hermes honcho setup # 交互式设置向导
hermes honcho strategy # 显示或设置会话策略
hermes honcho peer # 为多 Agent 设置更新对等方名称
hermes honcho mode # 显示或设置 recall 模式
hermes honcho tokens # 显示或设置上下文令牌预算
hermes honcho identity # 显示 Honcho 对等方身份
hermes honcho sync # 为所有配置文件同步主机块
hermes honcho enable # 启用 Honcho
hermes honcho disable # 禁用 Honcho
从 hermes honcho 迁移
如果你之前使用过独立的 hermes honcho setup：
- 你现有的配置（
honcho.json或~/.honcho/config.json）会被保留 - 你的服务器端数据（记忆、结论、用户档案）保持完整
- 在 config.yaml 中设置
memory.provider: honcho以重新激活
无需重新登录或重新设置。运行 hermes memory setup 并选择 "honcho" —— 向导会检测到你现有的配置。
完整文档
完整参考请查阅 记忆提供者 — Honcho。