> 原文链接：Memory Providers

sidebar_position: 4 title: "Memory Providers" description: "External memory provider plugins — Honcho, OpenViking, Mem0, Hindsight, Holographic, RetainDB, ByteRover, Supermemory"

Memory Providers（记忆 Provider）

Hermes Agent 内置 8 个外部记忆 Provider 插件，为 Agent 提供超越内置 MEMORY.md 和 USER.md 的持久跨会话知识。同一时间只能激活一个外部 Provider——内置记忆始终与其并行工作。

快速开始

hermes memory setup      # 交互式选择器 + 配置
hermes memory status     # 检查当前激活的 Provider
hermes memory off        # 禁用外部 Provider

你也可以通过 hermes plugins → Provider Plugins → Memory Provider 选择活跃的记忆 Provider。

或者手动在 ~/.hermes/config.yaml 中设置：

memory:
  provider: openviking   # 或 honcho, mem0, hindsight, holographic, retaindb, byterover, supermemory

工作原理

当记忆 Provider 激活时，Hermes 会自动：

1. 注入 Provider 上下文到系统提示词（Provider 所知的内容）
2. 预取相关记忆在每轮之前（后台、非阻塞）
3. 同步对话轮次到 Provider（每次响应后）
4. 在会话结束时提取记忆（对于支持的 Provider）
5. 将内置记忆写入镜像到外部 Provider
6. 添加 Provider 特定工具，让 Agent 可以搜索、存储和管理记忆

内置记忆（MEMORY.md / USER.md）继续像以前一样工作。外部 Provider 是增量的。

可用 Provider

Honcho

AI 原生的跨会话用户建模，具有辩证推理、会话级上下文注入、语义搜索和持久结论。基础上下文现在包含会话摘要，以及用户表示和对等卡片，让 Agent 了解已讨论过的内容。

工具 (5 个)： honcho_profile（读/更新对等卡片）、honcho_search（语义搜索）、honcho_context（会话上下文——摘要、表示、卡片、消息）、honcho_reasoning（LLM 合成）、honcho_conclude（创建/删除结论）

架构： 两层上下文注入——基础层（会话摘要 + 表示 + 对等卡片，按 contextCadence 刷新）加上辩证补充层（LLM 推理，按 dialecticCadence 刷新）。辩证层根据是否存在基础上下文自动选择冷启动提示（一般用户事实）或热启动提示（会话级上下文）。

三个正交配置旋钮独立控制成本和深度：

• contextCadence — 基础层刷新频率（API 调用频率）
• dialecticCadence — 辩证 LLM 触发频率（LLM 调用频率）
• dialecticDepth — 每次辩证调用执行多少次 .chat()（1-3，推理深度）

设置向导：

hermes honcho setup        # (旧命令)
# 或
hermes memory setup        # 选择 "honcho"

配置： $HERMES_HOME/honcho.json（配置文件级别）或 ~/.honcho/config.json（全局）。解析顺序：$HERMES_HOME/honcho.json > ~/.hermes/honcho.json > ~/.honcho/config.json。参见配置参考和 Honcho 集成指南。

{
  "apiKey": "your-k....dev",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "peerName": "your-name",
      "workspace": "hermes"
    }
  }
}

{
  "baseUrl": "http://localhost:8000",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "peerName": "your-name",
      "workspace": "hermes"
    }
  }
}

:::tip 从 hermes honcho 迁移 如果你之前使用过 hermes honcho setup，你的配置和所有服务端数据都完好无损。只需通过设置向导重新启用，或手动设置 memory.provider: honcho 即可通过新系统重新激活。 :::

多 Agent / 配置文件：

每个 Hermes 配置文件都有自己的 Honcho AI 对等身份，同时共享同一个工作区——所有配置文件看到相同的用户表示，但每个 Agent 构建自己的身份和观察。

hermes profile create coder --clone   # 创建 honcho 对等 "coder"，从默认继承配置

--clone 的作用：在 honcho.json 中创建一个 hermes.coder 主机块，设置 aiPeer: "coder"，共享 workspace，继承 peerName、recallMode、writeFrequency、observation 等。对等身份在 Honcho 中被急切创建，因此在第一条消息之前就已存在。

对于在 Honcho 设置之前创建的配置文件：

hermes honcho sync   # 扫描所有配置文件，为缺失的创建主机块

这从默认的 hermes 主机块继承设置，并为每个配置文件创建新的 AI 对等身份。幂等操作——跳过已有主机块的配置文件。

{
  "apiKey": "***",
  "workspace": "hermes",
  "peerName": "eri",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "workspace": "hermes",
      "peerName": "eri",
      "recallMode": "hybrid",
      "writeFrequency": "async",
      "sessionStrategy": "per-directory",
      "observation": {
        "user": { "observeMe": true, "observeOthers": true },
        "ai": { "observeMe": true, "observeOthers": true }
      },
      "dialecticReasoningLevel": "low",
      "dialecticDynamic": true,
      "dialecticCadence": 3,
      "dialecticDepth": 1,
      "dialecticMaxChars": 600,
      "contextCadence": 1,
      "messageMaxChars": 25000,
      "saveMessages": true
    },
    "hermes.coder": {
      "enabled": true,
      "aiPeer": "coder",
      "workspace": "hermes",
      "peerName": "eri",
      "recallMode": "tools",
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    },
    "hermes.writer": {
      "enabled": true,
      "aiPeer": "writer",
      "workspace": "hermes",
      "peerName": "eri"
    }
  },
  "sessions": {
    "/home/user/myproject": "myproject-main"
  }
}

参见配置参考和 Honcho 集成指南。

OpenViking

由火山引擎（字节跳动）提供的上下文数据库，具有文件系统式知识层次结构、分层检索和自动记忆提取（6 个类别）。

工具： viking_search（语义搜索）、viking_read（分层：摘要/概述/全文）、viking_browse（文件系统导航）、viking_remember（存储事实）、viking_add_resource（摄入 URL/文档）

设置：

# 先启动 OpenViking 服务器
pip install openviking
openviking-server

# 然后配置 Hermes
hermes memory setup    # 选择 "openviking"
# 或手动：
hermes config set memory.provider openviking
echo "OPENVIKING_ENDPOINT=http://localhost:1933" >> ~/.hermes/.env

关键特性：

• 分层上下文加载：L0（约 100 Token）→ L1（约 2k）→ L2（全文）
• 会话提交时自动记忆提取（个人资料、偏好、实体、事件、案例、模式）
• viking:// URI 方案用于层次化知识浏览

Mem0

服务端 LLM 事实提取，具有语义搜索、重排序和自动去重。

工具： mem0_profile（所有存储的记忆）、mem0_search（语义搜索 + 重排序）、mem0_conclude（存储原文事实）

设置：

hermes memory setup    # 选择 "mem0"
# 或手动：
hermes config set memory.provider mem0
echo "MEM0_API_KEY=*** >> ~/.hermes/.env

配置： $HERMES_HOME/mem0.json

Hindsight

具有知识图谱、实体解析和多策略检索的长期记忆。hindsight_reflect 工具提供其他 Provider 没有的跨记忆综合。自动保留完整对话轮次（包括工具调用），具有会话级文档追踪。

工具： hindsight_retain（带实体提取存储）、hindsight_recall（多策略搜索）、hindsight_reflect（跨记忆综合）

设置：

hermes memory setup    # 选择 "hindsight"
# 或手动：
hermes config set memory.provider hindsight
echo "HINDSIGHT_API_KEY=*** >> ~/.hermes/.env

设置向导会自动安装依赖，并且只安装所选模式所需的（hindsight-client 用于云，hindsight-all 用于本地）。需要 hindsight-client >= 0.4.22（如果版本过旧会在会话开始时自动升级）。

本地模式 UI： hindsight-embed -p hermes ui start

配置： $HERMES_HOME/hindsight/config.json

完整配置参考请参见插件 README。

Holographic

本地 SQLite 事实存储，具有 FTS5 全文搜索、信任评分和 HRR（Holographic Reduced Representations，全息降维表示）用于组合代数查询。

工具： fact_store（9 种操作：add、search、probe、related、reason、contradict、update、remove、list）、fact_feedback（有帮助/无帮助评分，训练信任分数）

设置：

hermes memory setup    # 选择 "holographic"
# 或手动：
hermes config set memory.provider holographic

配置： config.yaml 中的 plugins.hermes-memory-store

独特能力：

• probe — 实体特定的代数回忆（关于某人/某物的所有事实）
• reason — 跨多个实体的组合 AND 查询
• contradict — 自动检测矛盾事实
• 带有不对称反馈的信任评分（+0.05 有帮助 / -0.10 无帮助）

RetainDB

具有混合搜索（向量 + BM25 + 重排序）、7 种记忆类型和增量压缩的云记忆 API。

工具： retaindb_profile（用户配置）、retaindb_search（语义搜索）、retaindb_context（任务相关上下文）、retaindb_remember（带类型 + 重要性存储）、retaindb_forget（删除记忆）

设置：

hermes memory setup    # 选择 "retaindb"
# 或手动：
hermes config set memory.provider retaindb
echo "RETAINDB_API_KEY=*** >> ~/.hermes/.env

ByteRover

通过 brv CLI 实现的持久记忆——层次化知识树，具有分层检索（模糊文本 → LLM 驱动搜索）。本地优先，可选云同步。

工具： brv_query（搜索知识树）、brv_curate（存储事实/决策/模式）、brv_status（CLI 版本 + 树统计）

设置：

# 先安装 CLI
curl -fsSL https://byterover.dev/install.sh | sh

# 然后配置 Hermes
hermes memory setup    # 选择 "byterover"
# 或手动：
hermes config set memory.provider byterover

关键特性：

• 压缩前自动提取（在上下文压缩丢弃之前保存洞察）
• 知识树存储在 $HERMES_HOME/byterover/（按配置文件隔离）
• SOC2 Type II 认证的云同步（可选）

Supermemory

具有配置文件回忆、语义搜索、显式记忆工具和会话结束对话摄入（通过 Supermemory 图谱 API）的语义长期记忆。

工具： supermemory_store（保存显式记忆）、supermemory_search（语义相似性搜索）、supermemory_forget（按 ID 或最佳匹配查询遗忘）、supermemory_profile（持久配置 + 近期上下文）

设置：

hermes memory setup    # 选择 "supermemory"
# 或手动：
hermes config set memory.provider supermemory
echo 'SUPERMEMORY_API_KEY=*** >> ~/.hermes/.env

配置： $HERMES_HOME/supermemory.json

环境变量： SUPERMEMORY_API_KEY（必需）、SUPERMEMORY_CONTAINER_TAG（覆盖配置）。

关键特性：

• 自动上下文隔离——从捕获的轮次中剥离回忆的记忆，防止递归记忆污染
• 会话结束对话摄入，用于更丰富的图谱级知识构建
• 配置文件事实在首轮和可配置间隔注入
• 琐碎消息过滤（跳过 "ok"、"thanks" 等）
• 按配置文件隔离的容器 — 在 container_tag 中使用 {identity}（如 hermes-{identity} → hermes-coder）来隔离每个 Hermes 配置文件的记忆
• 多容器模式 — 启用 enable_custom_container_tags 并配合 custom_containers 列表，让 Agent 可以跨命名容器读写。自动操作（同步、预取）仍使用主容器。

{
  "container_tag": "hermes",
  "enable_custom_container_tags": true,
  "custom_containers": ["project-alpha", "shared-knowledge"],
  "custom_container_instructions": "Use project-alpha for coding context."
}

支持： Discord · support@supermemory.com

Provider 对比

配置文件隔离

每个 Provider 的数据按配置文件隔离：

• 本地存储 Provider（Holographic、ByteRover）使用 $HERMES_HOME/ 路径，每个配置文件不同
• 配置文件 Provider（Honcho、Mem0、Hindsight、Supermemory）将配置存储在 $HERMES_HOME/，每个配置文件有自己的凭据
• 云 Provider（RetainDB）自动派生按配置文件的项目名称
• 环境变量 Provider（OpenViking）通过每个配置文件的 .env 文件配置