Hermes Agent内存泄漏可通过五步解决：一、启用轨迹压缩与TTL控制；二、开启向量库磁盘后端与量化；三、配置日志轮转策略；四、实施智能上下文压缩；五、用tracemalloc定位泄漏源。
☞☞☞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☜☜☜
如果您运行Hermes Agent时发现其内存占用持续攀升、响应迟滞甚至触发OOM，很可能是由于轨迹缓存未释放、日志堆积、向量库全内存加载或上下文膨胀所致。以下是解决此问题的步骤：
一、启用轨迹压缩与缓存TTL控制
Hermes Agent在处理多步推理轨迹（trajectory）时，默认保留完整原始序列，导致内存中驻留大量冗余中间状态。通过预设生命周期与压缩阈值，可将单次会话内存开销降低约60%。
1、定位轨迹压缩配置文件：config/trajectory_compression.yaml
2、修改target_max_tokens值为3500（原默认为5000）
3、设置缓存过期时间：在tools/terminal_tool.py中调用cache_manager.set_ttl('trajectory_cache', hours=1)
4、强制清理已有缓存：cache_manager.cleanup_expired()
二、限制向量存储内存占用
当Hermes Agent启用本地Qdrant向量库且未启用磁盘持久化时，全部索引与payload将常驻内存，极易引发OOM。开启量化与磁盘后端可将内存占用从2.4GB峰值压降至800MB左右。
1、确认当前vector_store初始化方式是否含on_disk_payload=True
2、若未启用，在初始化处添加参数：QdrantVectorStore(..., on_disk_payload=True, quantization_config=ScalarQuantization())
3、对历史collection执行recreate_with_quantization操作，迁移已有数据至量化存储格式
三、调整日志采集与轮转策略
高频日志写入会显著增加I/O负载，并间接推高内存映射压力，尤其当/var/log/hermes/目录下日志文件累积超过5GB时，磁盘延迟将直接拖累主线程执行效率。启用结构化日志轮转可切断该瓶颈。
1、检查当前日志体积：du -sh /var/log/hermes/*.log
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
2、创建logrotate配置文件：sudo tee /etc/logrotate.d/hermes-agent
3、写入以下内容：/var/log/hermes/*.log { daily missingok rotate 14 compress notifempty sharedscripts postrotate systemctl reload hermes-agent.service endscript }
4、手动触发一次轮转验证：sudo logrotate -f /etc/logrotate.d/hermes-agent
四、实施智能上下文压缩与分层缓存
面对长周期多轮对话或批量轨迹处理，原始消息序列极易超出模型上下文窗口，导致截断或OOM；通过保护关键轮次+中间摘要+多级缓存组合策略，可在保留语义完整性前提下削减70%以上tokens消耗。
1、启用ContextCompressor类（agent/context_compressor.py），确保protect_first_n=3与protect_last_n=4已生效
2、确认压缩范围计算逻辑中compress_start与compress_end边界正确
3、验证摘要生成调用的是轻量级模型（如Gemini Flash），且summary_target_tokens=500已写入配置
五、启用tracemalloc进行分配溯源
Python原生tracemalloc模块可精确追踪对象分配位置，无需修改Agent主逻辑，仅需注入轻量级启动钩子，即可定位泄漏源头文件与行号。
1、在run_agent.py最顶部插入以下代码段：import tracemalloc; tracemalloc.start(25)
2、在Agent主循环退出前（如agent_loop.py中finally块内）添加：snapshot1 = tracemalloc.take_snapshot(); snapshot2 = tracemalloc.take_snapshot(); top_stats = snapshot2.compare_to(snapshot1, 'lineno'); for stat in top_stats[:10]: print(stat)
3、复现疑似泄漏流程后，检查输出中重复高频出现的prompt_builder.py、memory_tool.py或agent_loop.py中的具体行号
