Hermes Agent 四层记忆按生命周期分段驻留：第一层冻结提示记忆（MEMORY.md/USER.md）启动时硬编码；第二层会话归档存于 SQLite，需显式检索；第三层技能沉淀自动生成 Skill.md 并支持手动修正与重载；第四层外部记忆扩展通过 Honcho 插件构建用户画像图谱，仅响应特定指令。
☞☞☞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☜☜☜
你想让 Hermes Agent 记住你偏好的代码风格、常提的项目约束、甚至上次调试时发现的环境坑点，而不是每次重启都重新问“你用的是 Python 2 还是 3？”，就得搞懂它四层记忆不是堆叠，而是按信息生命周期分段驻留——写错层级，Agent 就会把关键偏好当临时日志丢掉。
第一层：冻结提示记忆（随身笔记本）
这层内容在每次会话启动时，以快照形式硬编码进系统提示词前缀，模型一睁眼就看到，但【一旦会话开始，MEMORY.md 或 USER.md 的后续修改不会生效】。
打开终端，执行：hermes mem edit → 自动唤起默认编辑器，打开 ~/.hermes/memories/MEMORY.md。
往 MEMORY.md 里写入不超过 2200 字符的稳定事实，比如：“项目使用 Poetry 管理依赖；禁止在 prod 环境执行 raw SQL；API 响应必须带 X-Request-ID。”
USER.md 同理，只放用户级长期信息，例如：“我习惯用英文注释，拒绝中文变量名；调试时优先看 stack trace 而非日志时间戳。”
保存退出后，下次新会话启动才会加载新快照。当前会话仍用旧内容——这是为了保障 prompt 缓存命中率，强行刷新反而会导致 token 消耗激增。
第二层：会话归档（智能档案馆）
所有对话原始记录自动落盘到本地 SQLite 数据库 state.db，不靠 LLM 解析，纯靠 FTS5 全文索引支撑毫秒级召回。
方法一：关键词检索
在任意会话中输入 /search “git commit 失败”，Agent 会从历史中提取匹配片段摘要，而非整段日志。
方法二：按时间回溯
输入 /history -n 5，列出最近 5 条完整会话 ID，再用 /session [ID] 调取具体内容。
注意：这层不主动推送信息给模型，只有显式触发检索指令时才读取——否则会撑爆上下文窗口。
第三层：技能沉淀（武功秘籍）
当你连续完成某类复杂任务（比如三次成功重构 utils.py 中的 validate_input 函数），Review Agent 会在后台自动生成 Skill.md 文件。
第一步：确认技能已生成
检查 ~/.hermes/skills/ 目录下是否出现类似 refactor-validate-input-async.md 的文件。
第二步：验证触发条件
该文件开头必须包含明确的触发规则，例如：IF user asks to “refactor validate_input with async support” AND file is utils.py。
第三步：手动修正技能逻辑
若生成的步骤漏掉 pytest 验证环节，直接编辑该 Skill.md，在“执行步骤”区块末尾追加：- 运行 pytest test_utils.py::test_validate_input_async。
第四步：强制重载技能
输入 /skills reload，Agent 立即识别变更，下次同类请求将跳过推理直接执行。
第四层：外部记忆扩展（可选知心朋友）
启用 Honcho 插件后，Agent 会动态构建用户画像图谱，比如自动关联“你上周说讨厌冗余日志”和“今天又关掉了 debug level 输出”。
执行：hermes plugin install honcho → 安装完成后，无需额外配置，Honcho 会在每次会话结束时自动提取语义节点并更新本地图谱。
这层记忆不参与 prompt 构建，只在 /search 或 /profile 指令中被调用——它像一个独立顾问，只在你主动问“我之前怎么评价过日志设计？”时才开口。
