Honcho 记忆管理

配置和使用 Honcho 记忆系统与 Hermes 集成

Hermes 的 Honcho 记忆

Honcho 提供 AI 原生的跨会话用户建模。它跨对话学习用户是谁，为每个 Hermes 配置文件（profile）提供独立的对等体（peer）身份，同时共享对用户的统一视图。

使用场景

安装配置

云端 (app.honcho.dev)

hermes honcho setup
# select "cloud", paste API key from https://app.honcho.dev

自托管

hermes honcho setup
# select "local", enter base URL (e.g. http://localhost:8000)

参见：https://docs.honcho.dev/v3/guides/integrations/hermes#running-honcho-locally-with-hermes

验证

hermes honcho status    # shows resolved config, connection test, peer info

架构说明

基础上下文注入

当 Honcho 向系统提示词注入上下文时（在 hybrid 或 context 召回模式下），它按以下顺序组装基础上下文块：

会话摘要由 Honcho 在每轮对话开始时自动生成（当存在先前会话时）。它让模型无需回放完整历史即可获得热启动。

冷/热提示选择

Honcho 会在两种提示策略之间自动选择：

无需配置此项——它基于会话状态自动完成。

对等体

Honcho 将对话建模为对等体之间的交互。Hermes 每个会话创建两个对等体：

观察

每个对等体有两个观察开关，控制 Honcho 从什么内容中学习：

默认：全部四个开关开启（完整的双向观察）。

在 honcho.json 中按对等体配置：

{
  "observation": {
    "user": { "observeMe": true, "observeOthers": true },
    "ai":   { "observeMe": true, "observeOthers": true }
  }
}

或使用简写预设：

在 Honcho 仪表盘中更改的设置会在会话初始化时同步回来——服务端配置优先于本地默认值。

会话

Honcho 会话限定消息和观察的归属范围。策略选项：

手动覆盖：hermes honcho map my-project-name

召回模式

智能体访问 Honcho 记忆的方式：

三个正交旋钮

Honcho 的辩证行为由三个相互独立的维度控制。每个维度都可以在不影响其他维度的情况下调整：

节奏（何时）

控制辩证调用和上下文调用的频率。

节奏值越高，辩证 LLM 触发得越少。dialecticCadence: 2 表示引擎每隔一轮触发一次。设为 1 则每轮都触发。

深度（多少轮）

控制 Honcho 每次查询执行的辩证推理轮数。

dialecticDepth: 2 表示 Honcho 运行两轮辩证综合。第一轮产生初步答案；第二轮对其进行精炼。

dialecticDepthLevels 允许你为每一轮独立设置推理级别：

{
  "dialecticDepth": 3,
  "dialecticDepthLevels": ["low", "medium", "high"]
}

如果省略 dialecticDepthLevels，各轮将使用从 dialecticReasoningLevel（基准值）派生的按比例级别：

这样既能保持前几轮的开销低廉，又能在最终综合时使用完整深度。

会话开始时的深度。会话启动预热（prewarm）会在第 1 轮之前在后台运行完整的已配置 dialecticDepth。对冷对等体进行单轮预热往往输出单薄——多轮深度会在用户开口之前运行审计/调和循环。第 1 轮直接消费预热结果；如果预热未及时完成，第 1 轮会回退到带超时上限的同步调用。

级别（强度）

控制每轮辩证推理的强度。

级别越高，综合结果越丰富，但在 Honcho 后端消耗的 token 也越多。

多配置文件设置

每个 Hermes 配置文件都拥有自己的 Honcho AI 对等体，同时共享同一个工作区（用户上下文）。这意味着：

创建带 Honcho 对等体的配置文件

hermes profile create coder --clone
# creates host block hermes.coder, AI peer "coder", inherits config from default

--clone 对 Honcho 的作用：

回填现有配置文件

hermes honcho sync    # creates host blocks for all profiles that don't have one yet

按配置文件配置

在宿主块中覆盖任意设置：

{
  "hosts": {
    "hermes.coder": {
      "aiPeer": "coder",
      "recallMode": "tools",
      "dialecticDepth": 2,
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    }
  }
}

工具

智能体拥有 5 个双向 Honcho 工具（在 context 召回模式下隐藏）：

`honcho_profile`

读取或更新对等体名片——精选的关键事实（姓名、角色、偏好、沟通风格）。传入 card: [...] 进行更新；省略则为读取。无 LLM 调用。

`honcho_search`

针对特定对等体的已存储上下文进行语义搜索。返回按相关性排序的原始摘录，不做综合。默认 800 token，上限 2000。当你需要特定的历史事实自行推理，而不是一个综合答案时适用。

`honcho_context`

从 Honcho 获取完整会话上下文快照——会话摘要、对等体表征、对等体名片以及近期消息。无 LLM 调用。当你想一次性查看 Honcho 对当前会话和对等体所知的一切时使用。

`honcho_reasoning`

由 Honcho 的辩证推理引擎回答自然语言问题（在 Honcho 后端进行 LLM 调用）。成本更高，质量更高。传入 reasoning_level 控制深度：minimal（快速/廉价）→ low → medium → high → max（彻底）。省略则使用已配置的默认值（low）。用于对用户的行为模式、目标或当前状态进行综合理解。

`honcho_conclude`

写入或删除关于某个对等体的持久结论。传入 conclusion: "..." 进行创建。传入 delete_id: "..." 删除某条结论（用于移除 PII——Honcho 会随时间自我修正错误结论，因此删除仅在进行 PII 移除时需要）。两者必须恰好传入其一。

双向对等体定向

全部 5 个工具都接受可选的 peer 参数：

示例：

honcho_profile                        # read user's card
honcho_profile peer="ai"              # read AI peer's card
honcho_reasoning query="What does this user care about most?"
honcho_reasoning query="What are my interaction patterns?" peer="ai" reasoning_level="medium"
honcho_conclude conclusion="Prefers terse answers"
honcho_conclude conclusion="I tend to over-explain code" peer="ai"
honcho_conclude delete_id="abc123"    # PII removal

智能体使用模式

Honcho 记忆启用时对 Hermes 的指导原则。

对话开始时

1. honcho_profile                  → fast warmup, no LLM cost
2. If context looks thin → honcho_context  (full snapshot, still no LLM)
3. If deep synthesis needed → honcho_reasoning  (LLM call, use sparingly)

不要每轮都调用 honcho_reasoning。自动注入已经负责持续的上下文刷新。仅当你确实需要基础上下文无法提供的综合洞见时，才使用推理工具。

当用户分享需要记住的内容时

honcho_conclude conclusion=""

好的结论：「偏好代码示例而非文字解释」「在做一个 Rust 异步项目，持续到 2026 年 4 月」

坏的结论：「用户说了些关于 Rust 的事」（太模糊）、「用户看起来懂技术」（已在表征中）

当用户询问过去的上下文/你需要回忆细节时

honcho_search query=""       → fast, no LLM, good for specific facts
honcho_context                       → full snapshot with summary + messages
honcho_reasoning query=""  → synthesized answer, use when search isn't enough

使用场景 `peer: "ai"`

使用 AI 对等体定向来构建和查询智能体自身的自我认知：

何时不调用工具

在 hybrid 和 context 模式下，基础上下文（用户表征 + 名片 + 会话摘要）会在每轮之前自动注入。不要重复获取已注入的内容。仅在以下情况调用工具：

节奏感知

工具端的 honcho_reasoning 与自动注入辩证共享相同的成本。在一次显式工具调用之后，自动注入节奏会重置——避免同一轮被重复计费。

配置参考

配置文件：$HERMES_HOME/honcho.json（配置文件本地）或 ~/.honcho/config.json（全局）。

关键设置

辩证设置

上下文预算与注入

contextTokens 预算在注入时强制执行。如果会话摘要 + 表征 + 名片超出预算，Honcho 会先裁剪摘要，再裁剪表征，并保留名片。这可以防止长会话中的上下文膨胀。

记忆上下文净化

Honcho 在注入前对 memory-context 块进行净化，以防止提示词注入和格式错误的内容：

此修复解决了原始用户结论中包含标记或特殊字符时可能损坏注入上下文块的边界情况。

常见问题

"Honcho not configured"

运行 hermes honcho setup。确保 ~/.hermes/config.yaml 中包含 memory.provider: honcho。

记忆未跨会话持久化

检查 hermes honcho status —— 确认 saveMessages: true 且 writeFrequency 不是 session（该值仅在退出时写入）。

配置文件未获得自己的对等体

创建时使用 --clone：hermes profile create --clone。对于现有配置文件：hermes honcho sync。

仪表盘中的观察设置未生效

观察配置在每次会话初始化时从服务器同步。在 Honcho UI 中更改设置后，请启动新会话。

消息被截断

超过 messageMaxChars（默认 25k）的消息会自动分块并带 [continued] 标记。如果频繁遇到，请检查是否是工具结果或技能内容导致消息过大。

上下文注入过大

如果看到上下文预算超限的警告，请降低 contextTokens 或减小 dialecticDepth。预算紧张时会先裁剪会话摘要。

会话摘要缺失

会话摘要要求当前 Honcho 会话中至少存在一轮先前的对话。在冷启动时（新会话、无历史），摘要会被省略，Honcho 会改用冷启动提示策略。

CLI 命令