三层记忆架构从金鱼到老友的进化跨会话记忆是 AI 从工具到伙伴的分水岭引子和 AI 相处的金鱼困境你有没有经历过这样的场景——你和 AI 聊了一个小时终于把项目背景、技术选型、约束条件都交代清楚了。第二天你打开新对话说继续昨天的项目然后 AI 回复“不好意思请问你指的是什么项目”这种感觉就像和一个只有7秒记忆的金鱼合作——每次见面都要重新自我介绍。这就是传统 AI 对话系统的最大痛点没有长期的跨会话记忆。Hermes 的三层记忆架构就是为了解决这个问题而设计的。它让 AI 从每次见面都像陌生人进化成相处越久越懂你的老友。三层记忆的架构┌─────────────────────────────────────────────────────┐ │ 三层记忆架构 │ ├─────────────────────────────────────────────────────┤ │ │ │ 第一层会话记忆Session Memory │ │ ┌─────────────────────────────────────────────┐ │ │ │ 当前对话的上下文SessionDB FTS5 全文搜索 │ │ │ │ 存储对话历史、当前状态、临时变量 │ │ │ │ 生命周期对话结束 → 结构化提取后归档 │ │ │ └─────────────────────────────────────────────┘ │ │ ↕ 提炼 │ │ 第二层持久记忆Persistent Memory │ │ ┌─────────────────────────────────────────────┐ │ │ │ 跨会话的关键信息MEMORY.md USER.md │ │ │ │ 存储项目背景、用户偏好、关键决策、工作方法 │ │ │ │ 生命周期永久存储除非主动删除 │ │ │ └─────────────────────────────────────────────┘ │ │ ↕ 沉淀 │ │ 第三层Skill 记忆Skill Memory │ │ ┌─────────────────────────────────────────────┐ │ │ │ 可复用的工作方法SKILL.md 文件 │ │ │ │ 存储自动化流程、分析方法、模板、检查清单 │ │ │ │ 生命周期持续改进版本可追溯 │ │ │ └─────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────┘第一层会话记忆——短期工作台会话记忆是最基础的一层负责当前对话的上下文管理。技术实现Hermes 使用SessionDB作为会话记忆的存储引擎底层基于SQLite FTS5全文搜索。这意味着你可以搜索历史对话中的任何内容即使是很久以前的对话只要关键词对就能找到搜索速度极快毫秒级响应记忆内容当前对话的完整历史临时变量和中间结果用户在当前对话中的即时反馈工具调用的输入输出生命周期对话结束后会话记忆不会直接丢弃而是经过记忆策划环节的筛选提炼后有价值的部分被写入持久记忆剩余的噪音信息才被丢弃。第二层持久记忆——长期档案持久记忆是 Hermes 的长期大脑负责跨会话的关键信息存储。两个核心文件MEMORY.md关于事的记忆项目背景和技术选型关键决策及其理由工作进度和待办事项重要约定和规则USER.md关于人的记忆你的身份和角色你的偏好和习惯你的沟通风格你的知识边界一个真实案例假设你是一个做 AI 应用开发的工程师每天和 Hermes 协作。几周后USER.md 可能是这样的# USER.md - 用户画像 ## 身份 - AI 应用开发工程师 - 关注点API 设计、系统架构、性能优化 - 技术栈Python、FastAPI、PostgreSQL、Docker ## 沟通偏好 - 喜欢简洁的结构化输出不要冗长的解释 - 喜欢用表格对比方案 - 遇到问题先给方案再给分析 ## 知识边界 - 擅长后端开发、系统设计、部署运维 - 一般前端开发、UI/UX 设计 - 不擅长DevOps 细节、安全合规 ## 工作习惯 - 每天早上先看代码评审请求 - 每周五下午做项目复盘 - 重要决策偏好用 RFC 文档记录这就是为什么 Hermes 和你相处越久越懂你的原因——它有一本关于你的私密日记每次对话前都会先翻一翻。第三层Skill 记忆——能力仓库Skill 记忆是最高级的一层负责可复用的工作方法沉淀。什么是 SkillSkill 不是一段代码而是一份结构化的操作指南告诉 AI在什么场景下trigger按什么步骤做steps用什么工具tools输出什么结果outputSkill 的三种来源来源方式适用场景自动创建系统从交互中自动提炼重复性任务、常见模式手动编写用户手写 SKILL.md定制化流程、专业领域迁移导入从其他系统或社区导入快速复用成熟方案Skill 的进化Skill 不是一次创建就固定不变的。Hermes 会在每次使用后评估效果自动优化新增规则用户的新偏好调整优先级用户显示出的偏好排序删除规则不再适用的旧规则合并 Skill相关的 Skill 自动合并三层记忆的协作流程当用户向 Hermes 提出请求时完整的工作流程是这样的用户请求帮我检查一下昨天的 PR │ ├─→ 检索会话记忆当前对话上下文 ├─→ 检索持久记忆项目背景、代码规范、你的偏好 ├─→ 检索 Skill 记忆PR 审查流程、检查清单 │ ▼ Hermes 综合所有信息执行任务 │ ▼ 输出结果同时 ├─→ 更新会话记忆记录本次交互 ├─→ 提炼→持久记忆记录新的偏好、决策 └─→ 提炼→Skill 记忆记录新的方法、模式记忆治理如何避免记太多记忆不是越多越好。Hermes 在记忆治理上有一套策略记忆过载的三大陷阱陷阱表现后果信息冗余记了太多无用信息检索时噪音大影响判断观点固化早期错误印象长期存在偏见难以纠正依赖过深用户过度依赖 AI 记忆自己的思考能力退化治理策略定期清理自动识别并删除过期信息重要性排序关键决策优先保留临时信息自动过期用户确认重要记忆变更前征求用户确认版本回溯所有记忆变更都有版本记录可回滚写在最后三层记忆架构是 Hermes 区别于其他 Agent 的核心差异化能力之一。没有持久记忆AI 永远只能做一次性任务没有 Skill 记忆经验永远无法沉淀为能力。但有了记忆还不够——记忆如何转化为可执行的能力这就要靠Skill 系统了。下一篇我们深入 Skill 系统看看经验是如何沉淀为能力、能力是如何进化的。关注「AI拉呱」一起探索 AI 技术的前沿落地。本文是《Hermes Agent 从入门到精通》系列第5篇。