Hermes Agent Hindsight 记忆系统配置

Hindsight 由 Vectorize.io 团队开源，目前在 GitHub 上已获得超过 10,500 个 Star，采用 MIT 协议。它的核心理念只有一句话：让 Agent 学习，而不仅仅是记住。Hindsight 的设计灵感来自人类记忆系统。它将 Agent 的记忆分为三个层次：

World（世界知识）——关于世界的客观事实。就像你知道"火是热的"，这类记忆是静态的、可共享的。在 Agent 场景下，它存储项目的技术栈信息、团队的开发规范等事实性知识。
Experiences（经历）——Agent 自身的交互经历。类比于"我被烫过"，这类记忆是个人化的、带时间戳的。它记录 Agent 在特定场景下的行为和结果，比如"用户偏好用 TypeScript 而非 JavaScript 编写工具函数"。
Mental Models（心智模型）——通过反思形成的深层认知。这相当于"我知道不该碰热的东西"。它不是原始记忆的简单堆叠，而是跨越多次经历的抽象和合成。

Hindsight 提供三种部署模式，适配不同的使用场景和技术要求。

Cloud 模式：连接 Hindsight Cloud API。这是最简单的方案，只需一个 API Key 即可使用。适合快速验证和个人项目。数据存储在 Hindsight 的云端，无需本地部署任何额外服务。
Local Embedded 模式：本地嵌入式部署。这是性价比最高的方案。Hermes 会自动启动一个本地 Hindsight 守护进程，内置 PostgreSQL 数据库，零额外配置。你只需要一个 LLM API Key（用于实体提取和反思），不需要安装 Docker 或配置数据库。
Local External 模式：Docker 或自托管部署。适用于企业级场景。你可以独立部署和管理 Hindsight 实例，通过 HTTP 连接。这提供了完全的数据控制权，适合对数据隐私有严格要求的场景。

本文仅介绍Local Embedded 模式下的部署方案。

Local Embedded 模式

如果你不想把数据发送到云端，Local Embedded 模式是最佳选择。

bash

# 安装时包含 Hindsight 本地依赖
pip install hermes-agent[hindsight]

# 启动配置向导
hermes memory setup

# 选择 "Hindsight" → "Local Embedded"
# 配置 LLM Provider（用于实体提取）

Hermes 会自动在本地启动 Hindsight 守护进程（内置 PostgreSQL），无需手动安装任何数据库。

yaml

# 配置文件通常位于 ~/.hermes/memory_providers/hindsight.yaml
provider: hindsight
mode: local_embedded

# LLM Provider 配置（用于实体提取和反思）
llm:
  provider: openai          # 支持 openai / anthropic / ollama 等
  model: gpt-4o-mini        # 推荐：性价比高，速度快
  api_key: ${OPENAI_API_KEY}

# 记忆检索配置
recall:
  budget: mid                # low / mid / high
  prefetch_method: recall    # recall（原始事实）或 reflect（LLM 合成）
  max_tokens: 4096

# 记忆写入配置
retain:
  every_n_turns: 1           # 每隔 N 轮对话自动 retain 一次

# 记忆模式
memory_mode: hybrid          # hybrid / context / tools

查看守护进程状态和日志：

bash

# 检查守护进程状态
hermes memory status

# 查看实时日志
hermes memory logs --follow

# 打开 Hindsight Web UI 查看记忆状态（如果可用）
hermes memory ui

最佳实践与调优建议

配置完成后，以下调优技巧能帮你获得更好的效果。

memory_mode 选择策略：

yaml

# 三种记忆模式的配置代码

# hybrid（默认推荐）：自动注入 + 工具可用
# Agent 既能在上下文中看到预取的记忆，
# 也能主动调用 hindsight_recall/reflector 工具
memory_mode: hybrid

# context：仅自动注入，不暴露工具
# 适合简单场景，减少 token 消耗
# Agent 只能看到 prefetch 注入的记忆
memory_mode: context

# tools：仅工具，无自动注入
# 适合需要精细控制记忆访问的场景
# Agent 必须主动调用工具才能获取记忆
memory_mode: tools

recall_prefetch_method 的场景选择：

    recall：返回原始事实和经历，适合需要精确信息的场景
    reflect：返回 LLM 合成的洞察，适合需要综合判断的场景

一般建议使用 recall，仅在需要高层总结时切换到 reflect。

bank_id_template 多场景配置：

bank_id_template 是实现记忆隔离的关键配置。它支持 profile、workspace、platform、user、session 五个模板变量：

# 场景 1：个人使用，所有记忆共享
bank_id_template: "my-agent"

# 场景 2：多用户隔离（客服场景）
bank_id_template: "user-{user}"
# user-alice 和 user-bob 的记忆完全隔离

# 场景 3：多工作区隔离（项目管理）
bank_id_template: "{workspace}"
# workspace-project-a 和 workspace-project-b 独立记忆

# 场景 4：按平台 + 用户隔离
bank_id_template: "{platform}-{user}"
# TG-alice 和 discord-alice 可以有不同记忆

# 场景 5：会话级隔离（临时记忆）
bank_id_template: "{platform}-{user}-{session}"
# 每个会话独立记忆，适合一次性任务场景

retain_every_n_turns 的权衡：

# 每轮都 retain（默认）：记忆最完整，但 API 调用更频繁
retain_every_n_turns: 1

# 每 3 轮 retain：减少 API 开销，可能遗漏部分信息
retain_every_n_turns: 3

# 每 5 轮 retain：适合高频但低信息密度的对话
retain_every_n_turns: 5

对于开发场景，建议保持 1（每轮 retain）。对于闲聊场景，3 或 5 就够了。

Hermes Agent Hindsight 记忆系统配置

本页目录

Local Embedded 模式

最佳实践与调优建议

延伸阅读

评论

发表评论