Token消耗异常升高源于会话生命周期管理失控，需通过启用会话池复用、绑定用户标识、配置上下文存活策略、禁用无状态请求会话创建及强制前置压缩五步解决。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用 Hermes Agent 过程中发现 Token 消耗异常升高，且日志显示大量会话 ID 频繁创建与销毁，则很可能是会话生命周期管理失控所致。频繁新建会话会导致上下文无法复用、系统提示重复注入、历史压缩机制失效，进而引发冗余 Token 开销。以下是解决此问题的步骤：
一、启用会话池复用机制
Hermes Agent 默认为每次请求新建独立会话，造成系统提示、角色定义、初始上下文等重复加载。通过引入会话池（Session Pool），可使多个请求共享已初始化的会话实例，在保持状态一致性的同时规避重复 token 注入。
1、确认 Hermes Agent 已启用 CliAcpSessionPool 组件，该组件位于集成层 provider 包中。
2、在启动配置中将 session_pool_enabled 参数设为 true，并设置 max_idle_time_ms 为 300000（5 分钟）。
3、验证会话复用效果：连续发起 5 次同用户上下文请求，检查 ACP 日志中 session_id 字段是否出现重复值而非递增新 ID。
二、绑定用户标识固化会话生命周期
未绑定唯一用户标识时，Hermes Agent 无法识别同一用户多次请求的语义连续性，被迫新建会话。通过将外部用户 ID（如微信 OpenID、设备指纹或登录态 token）注入会话元数据，可强制复用已有活跃会话。
1、在前端调用 HermesExecutor 时，向 request.headers 添加 x-user-id 字段，值为当前用户的稳定标识符。
2、在后端 HermesCliProvider 的 createSession 方法中，读取该 header 并作为 sessionKey 的组成部分参与哈希计算。
3、确保 sessionKey 构造逻辑包含用户标识与任务类型标签（如 "wechat_summary"），避免跨任务误复用。
三、配置上下文存活策略与自动回收阈值
长期空闲会话虽不活跃，仍占用内存并可能被错误唤醒；而过早回收又导致上下文丢失。需设定基于活跃度与 Token 占用双维度的回收规则，平衡资源效率与响应质量。
1、在 hermes-config.yaml 中定位 context_lifecycle 节点，设置 idle_timeout_seconds: 180（3 分钟）。
2、添加 token_usage_threshold_kb: 128，表示当单一会话累计消耗超 128KB Token 后，自动标记为只读并拒绝后续写入请求。
3、启用 force_evict_on_high_memory 模式，当 JVM 堆内存使用率持续高于 85% 达 10 秒时，触发 LRU 策略强制清理最久未访问的 3 个会话。
四、禁用无状态请求的隐式会话创建
部分 API 调用（如健康检查、心跳探测、元数据查询）本不应产生上下文，但因未显式声明 stateless 属性，Hermes 仍为其分配新会话并注入完整 system prompt，造成纯开销。
1、在路由层识别无状态端点，例如 /api/v1/health 或 /api/v1/schema。
2、为这些端点添加 @Stateless 注解或在 Nginx 反向代理配置中注入 x-hermes-stateless: "true" header。
3、修改 Hermes ACP transport 层逻辑，在 StdioAcpTransport.handleRequest 中检测该 header，若存在则跳过 session 初始化流程，直接返回预置响应。
五、强制会话上下文压缩前置执行
即使复用了会话，若中间对话轮次持续增长而未及时压缩，Token 占用仍会线性上升。必须确保 ContextCompressor 在每次新消息写入前完成中间段落的轻量级语义压缩，而非仅在发送前临时触发。
1、在会话 writeMessage 方法入口处插入 pre-compress hook，调用 ContextCompressor.compressIntermediate()。
2、设置 compress_trigger_ratio: 0.6，即当当前上下文长度达到最大允许长度（max_context_tokens）的 60% 时立即启动压缩。
3、验证压缩效果：对同一会话连续发送 10 条消息后，检查其 serialized_context 字段长度是否稳定在 不超过原始长度的 45%。
