Honcho 记忆
Honcho 是一个 AI 原生记忆后端，在 Hermes 内置记忆系统之上添加了辩证推理和深度用户建模。Honcho 不是简单的键值存储，而是通过在对话发生后对对话进行推理，维护一个关于用户是谁的持续模型——包括他们的偏好、沟通风格、目标和行为模式。
Honcho 集成在记忆提供商系统中。以下所有功能都可通过统一的记忆提供商接口使用。
Honcho 新增的功能
| 能力 | 内置记忆 | Honcho |
|---|---|---|
| 跨会话持久化 | ✔ 基于文件的 MEMORY.md/USER.md | ✔ 服务器端 API |
| 用户画像 | ✔ 手动 Agent 策管 | ✔ 自动辩证推理 |
| 会话摘要 | — | ✔ 会话范围的上下文注入 |
| 多 Agent 隔离 | — | ✔ 每个对等方独立的画像 |
| 观察模式 | — | ✔ 统一或定向观察 |
| 结论（推导洞见） | — | ✔ 服务器端模式推理 |
| 历史搜索 | ✔ FTS5 会话搜索 | ✔ 对结论进行语义搜索 |
辩证推理：在每次对话轮次后（受 dialecticCadence 控制），Honcho 分析交流并推导出关于用户偏好、习惯和目标的洞见。这些随着时间积累，使 Agent 对用户的理解不断加深，超越用户明确表达的内容。辩证支持多轮深度（1–3 轮），并自动选择冷启动/暖启动提示——冷启动查询关注一般用户事实，而暖启动查询优先处理会话范围的上下文。
会话范围的上下文：基础上下文现在在用户表示和对等方卡片旁边包含会话摘要。这让 Agent 了解当前会话中已经讨论过的内容，减少重复并实现连续性。
多 Agent 画像：当多个 Hermes 实例与同一用户交谈时（例如，编程助手和个人助手），Honcho 维护独立的"对等方"画像。每个对等方只看到自己的观察和结论，防止上下文交叉污染。
设置
hermes memory setup # 从提供商列表中选择"honcho"
或手动配置：
# ~/.hermes/config.yaml
memory:
provider: honcho
echo "HONCHO_API_KEY=*** >> ~/.hermes/.env
在 honcho.dev 获取 API 密钥。
架构
两层上下文注入
每轮次（在 hybrid 或 context 模式下），Honcho 组装注入到系统提示中的两层上下文：
- 基础上下文 — 会话摘要、用户表示、用户对等方卡片、AI 自我表示和 AI 身份卡片。按
contextCadence刷新。这是"这个用户是谁"层。 - 辩证补充 — LLM 综合推理关于用户当前状态和需求。按
dialecticCadence刷新。这是"现在什么最重要"层。
两层连接并截断到 contextTokens 预算（如果设置）。
冷启动/暖启动提示选择
辩证自动在两种提示策略之间选择：
- 冷启动（尚无基础上下文）：一般查询——"这个人是谁？他们的偏好、目标和工作风格是什么？"
- 暖启动会话（基础上下文已存在）：会话范围查询——"考虑到本次会话中迄今讨论的内容，关于此用户的哪些上下文最相关？"
这基于基础上下文是否已填充自动发生。
三个正交配置旋钮
成本和深度由三个独立旋钮控制：
| 旋钮 | 控制 | 默认值 |
|---|---|---|
contextCadence | context() API 调用之间的轮次（基础层刷新） | 1 |
dialecticCadence | peer.chat() LLM 调用之间的轮次（辩证层刷新） | 2（推荐 1–5） |
dialecticDepth | 每次辩证调用的 .chat() 轮数（1–3） | 1 |
这些是正交的——你可以设置频繁的上下文刷新和不频繁的辩证，或低频率的深层多轮辩证。示例：contextCadence: 1, dialecticCadence: 5, dialecticDepth: 2 每轮次刷新基础上下文，每 5 轮次运行辩证，每次辩证运行 2 轮。
辩证深度（多轮）
当 dialecticDepth > 1 时，每次辩证调用运行多个 .chat() 轮：
- 第 0 轮：冷启动或暖启动提示（见上文）
- 第 1 轮：自我审计——识别初始评估中的差距并从最近会话综合证据
- 第 2 轮：协调——检查前几轮之间的矛盾并产生最终综合
每轮使用按比例的推理级别（较早的轮次较轻，主轮使用基础级别）。用 dialecticDepthLevels 覆盖每轮级别——例如，深度 3 运行的 ["minimal", "medium", "high"]。
如果前一轮返回了强信号（长而结构化的输出），轮次会提前退出，因此深度 3 并不总是意味着 3 次 LLM 调用。
会话启动预热
在会话初始化时，Honcho 在后台以完整配置的 dialecticDepth 触发一次辩证调用，并将结果直接传递给第 1 轮次的上下文组装。在冷对等方上的单轮次预热通常返回稀薄的输出——多轮次深度在用户开口前就运行审计/协调周期。如果预热在第 1 轮次之前未完成，第 1 轮次会回退到具有有限超时的同步调用。
查询自适应推理级别
自动注入的辩证按查询长度缩放 dialecticReasoningLevel：≥120 字符 +1 级，≥400 字符 +2 级，上限为 reasoningLevelCap（默认 "high"）。使用 reasoningHeuristic: false 禁用，将每次自动调用固定在 dialecticReasoningLevel。可用级别：minimal、low、medium、high、max。
配置选项
Honcho 在 ~/.honcho/config.json（全局）或 $HERMES_HOME/honcho.json（配置文件本地）中配置。设置向导会为你处理这些。
完整配置参考
| 键 | 默认值 | 描述 |
|---|---|---|
contextTokens | null（无上限） | 每轮次自动注入的上下文 token 预算。设置为整数（例如 1200）以限制。在词边界截断 |
contextCadence | 1 | context() API 调用之间的最小轮次（基础层刷新） |
dialecticCadence | 2 | peer.chat() LLM 调用之间的最小轮次（辩证层）。推荐 1–5。在 tools 模式下不相关——模型显式调用 |
dialecticDepth | 1 | 每次辩证调用的 .chat() 轮数。限制在 1–3 |
dialecticDepthLevels | null | 每轮次的可选推理级别数组，例如 ["minimal", "low", "medium"]。覆盖比例默认值 |
dialecticReasoningLevel | 'low' | 基础推理级别：minimal、low、medium、high、max |
dialecticDynamic | true | true 时，模型可以通过工具参数覆盖每次调用的推理级别 |
dialecticMaxChars | 600 | 注入到系统提示中的辩证结果的最大字符数 |
recallMode | 'hybrid' | hybrid（自动注入 + 工具）、context（仅注入）、tools（仅工具） |
writeFrequency | 'async' | 何时刷新消息：async（后台线程）、turn（同步）、session（批量在结束时）或整数 N |
saveMessages | true | 是否将消息持久化到 Honcho API |
observationMode | 'directional' | directional（全开）或 unified（共享池）。用 observation 对象覆盖以进行细粒度控制 |
messageMaxChars | 25000 | 通过 add_messages() 发送的每条消息的最大字符数。超出则分块 |
dialecticMaxInputChars | 10000 | peer.chat() 的辩证查询输入的最大字符数 |
sessionStrategy | 'per-directory' | per-directory、per-repo、per-session 或 global |
会话策略控制 Honcho 会话如何映射到你的工作：
per-session— 每次hermes运行都会获得一个全新会话。干净的开始，通过工具使用记忆。推荐新用户使用。per-directory— 每个工作目录一个 Honcho 会话。上下文在运行间积累。per-repo— 每个 git 仓库一个会话。global— 跨所有目录的单个会话。
回调模式控制记忆如何流入对话：
hybrid— 上下文自动注入系统提示，且工具可用（模型决定何时查询）。context— 仅自动注入，工具隐藏。tools— 仅工具，无自动注入。Agent 必须显式调用honcho_reasoning、honcho_search等。
各回调模式的设置：
| 设置 | hybrid | context | tools |
|---|---|---|---|
writeFrequency | 刷新消息 | 刷新消息 | 刷新消息 |
contextCadence | 控制基础上下文刷新 | 控制基础上下文刷新 | 不相关——无注入 |
dialecticCadence | 控制自动 LLM 调用 | 控制自动 LLM 调用 | 不相关——模型显式调用 |
dialecticDepth | 每次调用多轮 | 每次调用多轮 | 不相关——模型显式调用 |
contextTokens | 限制注入 | 限制注入 | 不相关——无注入 |
dialecticDynamic | 控制模型覆盖 | 不适用（无工具） | 控制模型覆盖 |
在 tools 模式下，模型完全掌控——它在想要时调用 honcho_reasoning，以它选择的任何 reasoning_level。节奏和预算设置仅适用于具有自动注入的模式（hybrid 和 context）。
观察（定向 vs. 统一）
Honcho 将对话建模为对等方交换消息。每个对等方有两个观察切换，直接映射到 Honcho 的 SessionPeerConfig：
| 切换 | 效果 |
|---|---|
observeMe | Honcho 从此对等方自己的消息构建其表示 |
observeOthers | 此对等方观察另一对等方的消息（提供跨对等方推理） |
两个对等方 × 两个切换 = 四个标志。observationMode 是一个简写预设：
| 预设 | 用户标志 | AI 标志 | 语义 |
|---|---|---|---|
"directional"（默认） | me: 开, others: 开 | me: 开, others: 开 | 完全相互观察。启用跨对等方辩证——"基于用户所说和 AI 回复，AI 对用户了解什么。" |
"unified" | me: 开, others: 关 | me: 关, others: 开 | 共享池语义——AI 只观察用户的消息，用户对等方只自我建模。单观察者池。 |
用显式的 observation 块覆盖预设以进行每对等方控制：
"observation": {
"user": { "observeMe": true, "observeOthers": true },
"ai": { "observeMe": true, "observeOthers": false }
}
常见模式：
| 意图 | 配置 |
|---|---|
| 完全观察（大多数用户） | "observationMode": "directional" |
| AI 不应从自己的回复重新建模用户 | "ai": {"observeMe": true, "observeOthers": false} |
| AI 对等方不应从自我观察更新的强人设 | "ai": {"observeMe": false, "observeOthers": true} |
通过 Honcho 仪表盘 设置的服务器端切换优先于本地默认值——Hermes 在会话初始化时将其同步回来。
工具
当 Honcho 作为记忆提供商激活时，五个工具变得可用：
| 工具 | 用途 |
|---|---|
honcho_profile | 读取或更新对等方卡片——传入 card（事实列表）以更新，省略则读取 |
honcho_search | 对上下文进行语义搜索——原始摘录，无 LLM 综合 |
honcho_context | 完整会话上下文——摘要、表示、卡片、最近消息 |
honcho_reasoning | Honcho LLM 综合的答案——传入 reasoning_level（minimal/low/medium/high/max）控制深度 |
honcho_conclude | 创建或删除结论——传入 conclusion 创建，传入 delete_id 删除（仅限 PII） |
CLI 命令
hermes honcho status # 连接状态、配置和关键设置
hermes honcho setup # 交互式设置向导
hermes honcho strategy # 显示或设置会话策略
hermes honcho peer # 为多 Agent 设置更新对等方名称
hermes honcho mode # 显示或设置回调模式
hermes honcho tokens # 显示或设置上下文 token 预算
hermes honcho identity # 显示 Honcho 对等方身份
hermes honcho sync # 同步所有配置文件的主机块
hermes honcho enable # 启用 Honcho
hermes honcho disable # 禁用 Honcho
从 hermes honcho 迁移
如果你之前使用了独立的 hermes honcho setup：
- 你现有的配置（
honcho.json或~/.honcho/config.json）得以保留 - 你的服务器端数据（记忆、结论、用户画像）完整保留
- 在 config.yaml 中设置
memory.provider: honcho以重新激活
无需重新登录或重新设置。运行 hermes memory setup 并选择"honcho"——向导会检测你的现有配置。
完整文档
参见记忆提供商 — Honcho 获取完整参考。