Honcho 记忆
Honcho 是一个 AI 原生的记忆后端，在 Hermes 内置记忆系统之上增加了辩证推理（Dialectic Reasoning）和深度用户建模。不同于简单的键值存储，Honcho 通过在对话发生后进行推理，持续构建关于用户的认知模型 — 包括偏好、沟通风格、目标和行为模式。
Honcho 已集成到记忆提供商系统中。以下所有功能都通过统一的记忆提供商接口使用。
Honcho 增加了什么
| 能力 | 内置记忆 | Honcho |
|---|---|---|
| 跨会话持久化 | ✔ 基于文件的 MEMORY.md/USER.md | ✔ 通过 API 的服务端存储 |
| 用户档案 | ✔ Agent 手动管理 | ✔ 自动辩证推理 |
| 会话摘要 | — | ✔ 会话级上下文注入 |
| 多 Agent 隔离 | — | ✔ 按 peer 的档案分离 |
| 观察模式 | — | ✔ 统一或方向性观察 |
| 结论（衍生洞察） | — | ✔ 关于模式的服务端推理 |
| 跨历史搜索 | ✔ FTS5 会话搜索 | ✔ 对结论的语义搜索 |
辩证推理：在每次对话轮次后（由 dialecticCadence 控制），Honcho 会分析交互并推导出关于用户偏好、习惯和目标的洞察。这些洞察随时间累积，使 Agent 对用户的理解不断深化，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/热提示策略 — 冷启动查询聚焦于一般用户事实，而热查询优先考虑会话级上下文。
会话级上下文：基础上下文现在包含会话摘要，以及用户表示和 peer 卡片。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 档案：当多个 Hermes 实例与同一用户对话时（例如编程助手和个人助手），Honcho 维护独立的 "peer" 档案。每个 peer 只能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
双层上下文注入
每一轮（在 hybrid 或 context 模式下），Honcho 组装两层上下文注入到系统提示词中：
- 基础上下文 — 会话摘要、用户表示、用户 peer 卡片、AI 自我表示和 AI 身份卡。在
contextCadence周期刷新。这是"用户是谁"层。 - 辩证补充 — LLM 合成的关于用户当前状态和需求的推理。在
dialecticCadence周期刷新。这是"现在什么最重要"层。
两层内容拼接后截断至 contextTokens 预算（如已设置）。
冷/热提示选择
辩证推理自动在两种提示策略间选择：
- 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？"
- 热会话（已存在基础上下文）：会话级查询 — "考虑到本次会话已讨论的内容，关于该用户的哪些上下文最相关？"
此过程基于基础上下文是否已填充而自动进行。
三个正交配置旋钮
成本和深度由三个独立的旋钮控制：
| 旋钮 | 控制 | 默认值 |
|---|---|---|
contextCadence | context() API 调用之间的轮次数（基础层刷新） | 1 |
dialecticCadence | peer.chat() LLM 调用之间的轮次数（辩证层刷新） | 3 |
dialecticDepth | 每次辩证调用的 .chat() 轮数（1-3） | 1 |
这些是正交的 — 你可以频繁刷新上下文但不频繁运行辩证，或者以低频率运行深度多轮辩证。例如：contextCadence: 1, dialecticCadence: 5, dialecticDepth: 2 每轮刷新基础上下文，每 5 轮运行一次辩证，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轮 .chat()：
- 第 0 轮：冷或热提示（见上文）
- 第 1 轮：自审计 — 识别初始评估中的差距并从近期会话中综合证据
- 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（早期轮次更轻量，主轮次使用基础级别）。可通过 dialecticDepthLevels 按轮次覆盖级别 — 例如 ["minimal", "medium", "high"] 用于深度为 3 的运行。
如果前一轮返回了强信号（长且结构化的输出），后续轮次会提前退出，因此深度 3 并不总是意味着 3 次 LLM 调用。
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） | 每轮自动注入上下文的 Token 预算。设置为整数（如 1200）来限制。在词边界处截断 |
contextCadence | 1 | context() API 调用之间的最少轮次数（基础层刷新） |
dialecticCadence | 3 | peer.chat() LLM 调用之间的最少轮次数（辩证层）。在 tools 模式下无关 — 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 | 可选的按轮次推理级别数组，如 ["minimal", "low", "medium"]。覆盖按比例的默认值 |
dialecticReasoningLevel | 'low' | 基础推理级别：minimal、low、medium、high、max |
dialecticDynamic | true | 为 true 时，模型可通过工具参数按调用覆盖推理级别 |
dialecticMaxChars | 600 | 注入到系统提示词中的辩证结果最大字符数 |
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（结束时批量）或整数 N |
saveMessages | true | 是否将消息持久化到 Honcho API |
observationMode | 'directional' | directional（全部开启）或 unified（共享池）。使用 observation 对象进行细粒度控制 |
messageMaxChars | 25000 | 通过 add_messages() 发送的每条消息最大字符数。超出则分块 |
dialecticMaxInputChars | 10000 | peer.chat() 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运行获取新会话。干净启动，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。上下文跨运行累积。per-repo— 每个 git 仓库一个会话。global— 跨所有目录的单一会话。
召回模式 控制记忆如何流入对话：
hybrid— 上下文自动注入到系统提示词，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。
各召回模式的设置：
| 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 | 无关 — 无注入 |
dialecticCadence | 控制自动 LLM 调用 | 控制自动 LLM 调用 | 无关 — 模型显式调用 |
dialecticDepth | 每次调用的多轮推理 | 每次调用的多轮推理 | 无关 — 模型显式调用 |
contextTokens | 限制注入量 | 限制注入量 | 无关 — 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 — 它在需要时调用 honcho_reasoning，使用它选择的 reasoning_level。节奏和预算设置仅适用于带有自动注入的模式（hybrid 和 context）。
工具
当 Honcho 作为记忆提供商激活时，会启用五个工具：
| 工具 | 用途 |
|---|---|
honcho_profile | 读取或更新 peer 卡片 — 传入 card（事实列表）来更新，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、近期消息 |
honcho_reasoning | 来自 Honcho LLM 的综合回答 — 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 来创建，delete_id 来删除（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 # 更新多 Agent 设置的 peer 名称
hermes honcho mode # 显示或设置召回模式
hermes honcho tokens # 显示或设置上下文 Token 预算
hermes honcho identity # 显示 Honcho peer 身份
hermes honcho sync # 同步所有配置文件的 host blocks
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）会被保留 - 你服务端的数据（记忆、结论、用户档案）完好无损
- 在 config.yaml 中设置
memory.provider: honcho来重新激活
无需重新登录或重新设置。运行 hermes memory setup 并选择 "honcho" — 向导会检测你现有的配置。
完整文档
参见记忆提供商 — Honcho 获取完整参考。
📝 本文由 AI 翻译，如有疑问请参考英文原版