03-2 Memory：让 hermes 跨会话记住你
这一章讲：hermes 的长期记忆系统怎么工作 / 怎么管理。
Memory 是什么
Memory = hermes 跨会话保留的"事实数据库"。和 ChatGPT 的 Memory 功能类似，但完全在你本地，且自动抽取（不需要你显式说"记住这个"）。
4 种记忆类型
hermes 内部把 Memory 分成 4 类：
1. User Profile（用户偏好）
- 你的姓名、职业、所在城市
- 你的工作习惯（早起 / 夜猫子）
- 你的技术栈（Python / Go / Rust）
- 你不喜欢什么（"不要写注释"、"不要用 emoji"）
2. Project Context（项目上下文）
- 当前在哪个项目
- 该项目的技术栈
- 该项目的代码风格
- 该项目过去遇到过什么 bug
3. Conversation History（会话历史）
- 过去对话的摘要（不是完整记录，是 LLM 抽出的关键点）
- 哪些任务做过、结果是什么
4. World Facts（世界事实）
- 你提供的领域知识（"我们公司有 50 人"、"我们用 AWS us-east-1"）
- hermes 学到的工具用法（哪个 API 限速）
物理存储
~/.u-hermes/data/memory/
├── profile.json —— User Profile（结构化）
├── projects/
│ ├── my-app/
│ │ ├── context.json
│ │ └── history.json
│ └── another-app/
├── conversations/
│ └── 2026-04-26-session-xxx.json
├── facts.json —— World Facts
└── vector_db/ —— 向量索引（用于相似度搜索）
├── faiss.index
└── metadata.json怎么读 / 怎么写
LLM 视角
每次对话开始，hermes 自动做：
1. 读用户 input → 计算 embedding
2. vector_db 搜 top-K 相似记忆
3. 把记忆塞进 system prompt
4. LLM 处理 input
5. 对话结束，LLM 用一个轻量请求"提取本次值得记住的"
6. 写入 memory + 向量库用户视角
[新会话]
> 帮我加个登录功能
[hermes 内部]
[memory_search "用户项目偏好"]
hits:
- "用户的 my-app 项目用 Next.js + tRPC + Supabase Auth"
- "用户偏好 zod 做表单校验"
[hermes 不需要再问你技术栈，直接给符合的代码]显式管理 Memory
虽然 Memory 自动抽取，但你可以显式管理。
添加
> 记一下：我们公司用 AWS 上海区，VPC ID 是 vpc-abc123
[hermes 调 memory_save]
✓ 已记住查询
> /memory search VPC
找到 1 条：
- "用户公司用 AWS 上海区，VPC ID vpc-abc123" (置信度 0.95)删除
> /memory delete VPC ID
✓ 已删除 1 条记忆列表
> /memory list --recent=10
最近 10 条：
1. 2026-04-26 14:23 用户偏好 pnpm 不用 npm
2. 2026-04-26 13:45 my-app 用 Next.js 14
3. ...Memory 的"嵌入模型"
hermes 默认用 OpenAI 的 text-embedding-3-small 做 embedding（每个文本 → 1536 维向量）。
国内场景可以换：
yaml
# ~/.u-hermes/data/config.yaml
memory:
embedding:
provider: alibaba # 用通义嵌入
model: text-embedding-v3
api_key: ${DASHSCOPE_API_KEY}或本地：
yaml
memory:
embedding:
provider: local
model: bge-large-zh # 通过 Ollama 跑
base_url: http://127.0.0.1:11434/v1控制什么会被记住
默认 hermes 会记住"模型判断重要"的内容。但你可以配置规则。
黑名单（不记）
yaml
memory:
exclude_patterns:
- "API key"
- "password"
- "secret"
- "token"
- "私人"匹配的内容永远不会进 Memory。
白名单（一定记）
yaml
memory:
always_remember:
- "项目偏好"
- "技术栈"
- "团队成员"时效
yaml
memory:
retention:
user_profile: forever # 永久
project_context: 365d # 1 年
conversation_history: 90d # 3 个月
world_facts: forever
auto_archive:
after: 180d
to: ~/.u-hermes/archive/180 天没访问的记忆自动归档（不删除，挪到归档目录，节省主索引大小）。
隐私：Memory 不该有的内容
⚠️ Memory 是明文存的（除非你加密整个 ~/.u-hermes/）。
不应该让 hermes 学习的：
- ❌ 真实密码
- ❌ 信用卡信息
- ❌ 私钥（SSH / GPG / API）
- ❌ 个人身份证 / 护照号
hermes 不会主动让你输入这些，但你可能不小心提到。建议：
yaml
memory:
redaction:
enabled: true
patterns:
- regex: '\b[0-9]{17}[0-9X]\b' # 中国身份证
replacement: '[ID-REDACTED]'
- regex: 'sk-[a-zA-Z0-9]{20,}' # API key 格式
replacement: '[KEY-REDACTED]'每条进 Memory 前自动脱敏。
备份与恢复
备份
bash
tar czf hermes-memory-$(date +%Y%m%d).tar.gz ~/.u-hermes/data/memory/恢复
bash
rm -rf ~/.u-hermes/data/memory/
tar xzf hermes-memory-20260420.tar.gz -C ~/
hermes memory rebuild-index # 重建向量索引跨设备同步
方式 A: 同步 ~/.u-hermes/data/memory/ 到 Dropbox / iCloud / NAS
方式 B: 用 git-crypt 加密后 push 到私有 GitHub 仓
方式 C: 自托管 Syncthing团队共享 vs 个人 Memory
个人（默认）
每人自己的 Memory，互不干扰。
团队共享（高级）
yaml
memory:
shared:
enabled: true
backend: postgres # 用共享数据库
url: postgresql://hermes-shared.internal:5432/memory
namespaces:
personal: user-${USER_ID} # 个人 Memory（私有）
team: team-${TEAM_ID} # 团队 Memory（共享）
public: public # 全公司可读每个查询会同时搜 3 个命名空间，但只能写自己的。
例：
> 我们团队习惯用 GitFlow 不用 trunk-based
[hermes 写到 team-${TEAM_ID}]
[同事下次新开会话]
[memory_search "git 工作流"]
[hits 包括: "团队习惯用 GitFlow 不用 trunk-based"]
[同事的 hermes 自动应用同样规则]调试 Memory
看 hermes 实际"看到了什么"
bash
hermes chat --debug --show-memory-hits
> 帮我改这个 React 组件
[debug memory hits, top 5]
1. (0.92) "用户 my-app 项目用 React 19 + Tailwind"
2. (0.85) "用户偏好 shadcn/ui 不用 MUI"
3. (0.78) "用户讨厌 div 嵌套太深"
4. (0.71) "上次类似任务用了 useTransition"
5. (0.68) "用户的 ESLint 配置不允许 any"性能问题
如果 Memory 越来越大导致响应慢：
bash
hermes memory stats
# 输出:
# Total entries: 12,453
# Index size: 89 MB
# Avg search latency: 45ms
# 优化
hermes memory optimize # 清理过期 + 重建索引
hermes memory archive --older=180d高级：自定义记忆策略
python
# ~/.u-hermes/data/memory_handlers/custom.py
def should_remember(message, context):
"""决定哪些消息进 Memory"""
# 例：只记长度 > 50 的关键决策
if len(message) < 50:
return False
if "决定" in message or "选择" in message:
return True
return False
def extract_facts(messages):
"""从一批消息里抽取结构化事实"""
# 例：用 LLM 抽 user_preference / project_decision / lesson_learned
return [
{"type": "preference", "fact": "..."},
{"type": "decision", "fact": "..."},
]