第27篇：Honcho 记忆——云端记忆后端

Hermes 自带一套本地记忆系统，靠 MEMORY.md 和 USER.md 两个文件记东西。这就像你拿个笔记本，手动把重要的事写下来——够用，但全靠自己动手。

Honcho 是另一条路。它是一个 AI 原生的云端记忆后端，在 Hermes 内置记忆之上，加了一层“会思考”的能力。它不只是存键值对，而是在对话结束后去推理：这个用户是谁？喜欢什么？说话什么风格？目标是什么？久而久之，它脑子里就有一个越来越立体的“用户画像”。

官方文档在 https://hermes-agent.nousresearch.com/docs/ 里把它归入 Memory Providers（记忆提供者） 插件体系，也就是说，它走的是统一的记忆提供者接口。

它比内置记忆多了什么

能力	内置记忆	Honcho
跨会话持久化	基于文件	服务端 + API
用户画像	手动整理	自动辩证推理
会话摘要	—	会话级上下文注入
多智能体隔离	—	每个 peer 独立画像
结论（衍生洞察）	—	服务端推理模式

这里最关键的两个词：

辩证推理（Dialectic Reasoning）：每轮对话后（由 dialecticCadence 控制频率），Honcho 会分析这段交流，推导出关于用户偏好、习惯、目标的洞察。这些洞察会累积，让智能体对你的理解超出你明说的部分。
会话级上下文：基础上下文里会带上当前会话的摘要，智能体知道“这次已经聊过什么了”，减少重复、保持连贯。

怎么开启

最简单的方式是跑一遍设置向导：

hermes memory setup    # 在提供者列表里选 "honcho"

也可以手动配：

# ~/.hermes/config.yaml
memory:
  provider: honcho

echo 'HONCHO_API_KEY=***' >> ~/.hermes/.env

API Key 到 honcho.dev 申请。

两层上下文注入

每一轮对话，Honcho 会往系统提示里塞两层东西：

基础上下文——会话摘要、用户画像、用户 peer 卡、AI 自我画像等。这是“这个用户是谁”层，按 contextCadence 刷新。
辩证补充——LLM 综合推理出的“用户当前状态和需求”。这是“现在什么最重要”层，按 dialecticCadence 刷新。

两层拼起来后，会按 contextTokens 预算截断（如果设了的话）。

三个独立的调节旋钮

成本和深度由三个互不干扰的旋钮控制：

旋钮	控制什么	默认值
`contextCadence`	隔几轮刷新基础层	`1`
`dialecticCadence`	隔几轮跑一次辩证 LLM 调用	`2`（建议 1–5）
`dialecticDepth`	每次辩证跑几遍 `.chat()`（1–3）	`1`

它们互相独立。比如 contextCadence: 1, dialecticCadence: 5, dialecticDepth: 2 的意思是：每轮都刷新基础上下文，每 5 轮跑一次辩证，每次辩证跑 2 遍。

冷启动 vs 热会话

辩证推理会自动在两种提问策略间切换：

冷启动（还没有基础上下文）：问的是通用问题——“这个人是谁？偏好、目标、工作风格是什么？”
热会话（已有基础上下文）：问的是会话相关的问题——“结合本次已聊的内容，关于这个用户什么最相关？”

切换是自动的，看基础上下文有没有被填上。

会话策略怎么选

sessionStrategy 决定 Honcho 会话怎么映射到你的工作：

per-session——每次 hermes 运行一个新会话，干净起步，记忆靠工具。推荐新手用这个。
per-directory——每个工作目录一个会话，上下文跨运行累积。
per-repo——每个 git 仓库一个会话。
global——所有目录共用一个会话。

小结

Honcho 相当于给你的智能体配了个云端私人管家：它不光是记笔记，还会在每次聊完后琢磨你这个人，把零散对话提炼成对你的理解。想省心就用 per-session 起步，等熟悉了再调那三个旋钮控制成本和深度。更多细节可以翻官方文档 https://hermes-agent.nousresearch.com/docs/ 。