Hermes Agent 持久化内存架构：多级存储与混合向量检索的工程实现

AI 代理的长期记忆能力一直是制约其实用化的关键瓶颈。传统对话系统依赖有限的上下文窗口，每次重启后用户需重新交代背景信息，这种 "金鱼式记忆" 严重阻碍了代理在复杂任务中的连续工作能力。Hermes Agent 通过构建多级内存架构与向量存储集成机制，实现了真正的跨会话持久化记忆。

双文件持久化与冻结快照机制

Hermes Agent 的核心持久化层由两个 Markdown 文件构成：MEMORY.md 存储环境事实与项目信息，USER.md 记录用户偏好与沟通风格。这两个文件分别限制在 2,200 字符（约 800 tokens）和 1,375 字符（约 500 tokens），存储于 ~/.hermes/memories/ 目录下。

系统采用冻结快照模式（frozen snapshot pattern）将内存内容注入系统提示词：在会话启动时一次性读取磁盘文件并渲染为固定内存块，此后即使代理通过 memory 工具增删条目，变更仅持久化到磁盘而不会立即反映在系统提示词中。这种设计刻意保留 LLM 的前缀缓存（prefix cache）以优化推理性能，代价是内存更新存在会话级延迟。代理通过 add、replace、remove 三种操作管理内存，其中替换和删除使用子字符串匹配而非完整文本比对，降低了操作复杂度。

六级存储后端与选型策略

Nous Research 为内存系统提供了六种存储后端，覆盖从开发测试到生产部署的全场景需求：

SQLite 后端采用 FTS5 实现 BM25 评分，支持 Porter 词干提取与 Unicode 分词，向量搜索通过 JSON 编码的嵌入向量在 Elixir 层计算余弦相似度。DuckDB 则利用原生 DOUBLE[] 数组列存储嵌入，通过 list_cosine_similarity 函数直接在数据库层完成向量运算。对于需要同时支持关键词精确匹配与语义模糊检索的生产环境，Hybrid 后端协调 Muninn（Tantivy）处理文本搜索、Zvec（HNSW/IVF）处理向量搜索，通过共享 ETS 表作为数据真相源保证一致性。

混合检索与 RRF 融合机制

当文本搜索与向量搜索同时可用时，系统并行执行两种检索并通过倒数排序融合（Reciprocal Rank Fusion, RRF）合并结果。RRF 公式为 score(d) = Σ(1 / (k + rank(d)))，默认 k=60，将两种检索的排序位置转换为统一分数后累加，既保留关键词匹配的精确性，又融入语义理解的泛化能力。

检索完成后，系统对候选条目施加时序衰减与复合评分。时序衰减公式为 decayed_score = score * exp(-lambda * hours_since_last_access)，默认 lambda=0.001，标记为 evergreen: true 的条目豁免衰减。复合评分综合三个信号：composite = 0.5*relevance + 0.3*importance + 0.2*recency，开发者可通过 scoring_weights 参数调整权重，例如在需要优先召回关键知识时提升 importance 权重至 0.5。

容量管理与工程参数

内存容量上限是架构设计的关键约束。当添加操作超出字符限制时，系统返回错误并附带当前条目列表，代理需主动执行合并或删除操作。建议当内存使用率超过 80% 时即触发整理流程，将分散的同类条目（如多条项目配置）合并为单一信息密集的条目。

嵌入维度匹配是向量检索的前置条件。OpenAI text-embedding-3-small 输出 1536 维，Ollama nomic-embed-text 为 768 维，Bumblebee 本地模型为 1024 维。使用 Hybrid 或 Zvec 后端时必须在初始化时声明 embedding_dimension 以匹配所选嵌入提供器。

跨代理共享内存通过作用域字段（agent_id、user_id、session_id、namespace）实现隔离与共享的灵活控制。默认搜索作用域 :agent 同时过滤 agent_id 与 user_id，确保多租户场景下数据边界清晰。

Hermes Agent 的持久化内存架构通过分层设计平衡了性能与功能：轻量级 Markdown 文件提供低延迟的上下文注入，可插拔存储后端适应不同规模与检索需求，混合搜索与智能评分确保相关记忆的有效召回。这种架构为构建真正 "记得住" 的 AI 代理提供了可复用的工程范式。

资料来源

• Hermes Agent Persistent Memory Documentation: https://hermes-agent.nousresearch.com/docs/user-guide/features/memory
• Nous Memory System Technical Guide: https://nous.hexdocs.pm/memory.html

ai-systems