一个大问题：Hermes 中文对话环境下记忆插件失效

一、206 次对话，43 条事实

我从 4 月 9 日开始用 Hermes Agent，第一时间配了 Holographic 记忆插件——官方文档说它能自动提取偏好、习惯、决定，存进永久事实库。

前两周用的挺好，结果这两周，我让Hermes记住什么的时候，他总是说：「记忆快满了，我去删一条旧的，然后记住新的。」

按理说我配置了Holographic，不该满，所以我起了疑心，扫了一遍数据：

136 兆的对话数据库，近万条消息，但「记忆」部分只有 43 条结构化事实。平均每 5 次对话存下 1 条，每 224 条消息存下 1 条。翻了一遍这 43 条——没有一条涉及用户偏好：没有「喜欢简洁回答」，没有「项目用 Python 写公众号文章」，没有「写作流水线有固定步骤」。全是技术细节和工具配置。

不是「记得少」，是写入侧几乎没工作。

我开始审查源码。

二、架构解剖：坏在哪里

先交代 Hermes 的记忆是怎么工作的。不了解这套机制，无法定位故障根源。

Hermes 的记忆不是一整块，是一个双层镜像：

Layer 1: memory 工具  ├─ compact 槽位，容量 2,200 字符  ├─ 每轮对话自动注入 system prompt  └─ 写入内容会镜像到 Layer 2Layer 2: fact_store 工具  ├─ 无限容量，SQLite + FTS5 全文搜索  ├─ HRR 向量（1024 维）支持代数推理  └─ 信任评分 + 矛盾检测

设计意图是： 一条新事实通过 memory 工具写入 → 立即出现在 compact 槽位（本轮回话可见）→ 镜像写入 fact_store（通过这个去使用Holographic等记忆插件，实现永久保存）

两个层始终保持同步。

实际运行中，这个镜像结构出现了三个大坑。

大坑一：auto_extract 正则全是英文（核心根因）

auto_extract 是记忆系统的「自动捕手」。每轮对话结束后，它扫描你的消息，用正则匹配偏好、决策、习惯，自动写入记忆。

配置文件里写着 auto_extract: true，但它只认识英文。

plugins/memory/holographic/__init__.py 中 auto_extract 的定义区，9 条正则全部是英文句式：

re.compile(r'\bI\s+(?:prefer|like|love|use|want|need)\s+(.+)')re.compile(r'my (?:favorite|preferred|default) \w+ is (.*)')re.compile(r'we (?:decided|agreed|chose) (?:to )?(.+)')# 还有 6 条，全部是英文句式

• • 「I prefer Python for scripting」→ 匹配 ✓
• • 「我喜欢用 Python 写脚本」→ 不匹配 ✗
• • 「咱以后都用 Markdown 写」→ 不匹配 ✗
• • 「记住，端口都要映射到主网络」→ 不匹配 ✗

206 次中文对话，auto_extract 对中文句式匹配了零次，啥也没记住。

大坑二：memory 槽位太小，却被当成了主仓库

memory 工具的容量只有 2,200 字符。一条中等复杂度的偏好加上上下文引用，轻松占掉 200 字符。十几次对话后，槽位满了，新事实开始挤掉旧事实。

agent 不知道还有 fact_store 这个无限容量的主仓库。它的 system prompt 里只提了 memory，所以它只往那个 2,200 字符的小槽位里塞。塞满了就覆盖旧的——fact_store 虽然无限容量，但 agent 根本不知道它的存在。

大坑三：镜像方向反了

所谓好记性不如烂笔头：正常人的大脑擅长短期记忆，容量有限；记事本擅长长期存储，容量几乎是无限的。

结果呢，因为Hermes 觉得他没啥可记的，导致让只有 2,200 字符的 memory 当了「大脑」（短期+入口），让无限容量的 fact_store 反而成了被动接收碎片的「记事本」。事实都塞进那个巴掌大的 memory，塞满了就覆盖旧的——fact_store 再大也白搭，因为它只是 memory 的「镜像」，不是主仓库。

三个大坑叠加的效果：中文的消息在 auto_extract 眼里全是盲区 → agent 只往 2,200 字符的 memory 槽位手动存 → 满了以后新事实覆盖旧 → fact_store 因为是「镜像」而非「主仓库」，只能被动接收从 memory 溢出的碎片。这就是文章开头说的那个问题——206 次对话，43 条事实，记忆插件形同虚设。

三、社区搜索解决方案：有人想过，但没修完全

我琢磨着使用中文和Hermes对话的大有人在，应该有人发现这个问题了。于是我去翻了 GitHub，5 个相关 issue 全修的是搜索侧和编码兼容：

连第三方 fork 的 holographic-zh 也只改了分词和 embedding，auto_extract 那 9 条英文正则未做任何修改。

暂未找到覆盖写入侧根因的 issue 或 PR。

四、修复方案：三层加固

找到病因之后，修复思路很明确：在两个文件里写提示词，再加一个代码补丁。三层各有侧重。

第一层：SOUL.md 内存优先级铁律（零侵入，100% 抗升级）

SOUL.md 是 Hermes 的系统级灵魂文件，放在 ~/.hermes/SOUL.md。agent 启动时必须加载。升级、重装、config 重置都不碰它——它是用户的私产。

在 SOUL.md 末尾追加 6 条铁律：

## 内存优先级铁律（Holographic Memory）- memory 工具容量极小（2,200 字符），放最精炼的身份信息和一行式偏好摘要。- 所有需要持久化的事实、用户偏好、项目约定、操作习惯，必须用 fact_store 工具写入。- 每轮对话中若透露了新的偏好/信息/决定/纠正/评论，必须在回复中主动调用 fact_store 存储。- 禁止以 memory 已满为由放弃存储——memory 满了就用 fact_store，两者互为补充。- fact_store 写入前先搜索去重，已有同类事实用 update 而非重复 add。- fact_store 写入后用 fact_feedback 标记质量，帮助信任评分训练。

这 6 条铁律在 agent 启动时注入 system prompt，不依赖任何代码逻辑。对所有引擎通用——Holographic、Hindsight、Mem0，换哪个引擎都不受影响。

零行代码改动。升级零风险。

第二层：AGENTS.md 中文记忆提取规则（零侵入，100% 抗升级）

AGENTS.md 放在你的项目根目录，Hermes 进入该目录时会自动加载。在末尾追加一节「中文记忆提取规则」：

## 中文记忆提取规则若用户消息命中以下任一信号，必须调用 fact_store 存储：1. 显式指令：「记住」「以后都这样」「别用」「就用」2. 纠正/不满：「不对」「不是」「错」——需结合上下文判断是否为偏好表达3. 偏好/习惯：「我喜欢」「我习惯」「我一般」「我从来」4. 决定/规范：「我们决定」「约定是」「规矩是」「铁律是」5. 可复用事实：「项目用」「部署到」「端口是」存储规范：- category 用英文（user_pref / project / tool / general）- content 保留中文原文- 写入前先 fact_store search 去重

第一层保证 agent 知道要去存，第二层保证它知道在什么场景下该存、怎么存。两层配合，都是零代码改动。

第三层：auto_extract 中文正则补丁 + 自动重打（最小侵入，1 个文件）

前两层解决了 agent 的「主动存储意识」，但 auto_extract 本身的正则盲区还在——如果用户没说出「记住」「别忘了」这类信号词，agent 仍可能漏过。必须修 auto_extract 本身。

在 _auto_extract_facts 函数的现有英文正则后追加 9 条中文模式：

# 中文偏好类（5 条）re.compile(r'(?:我|咱)\s*(?:喜欢|习惯|偏好|一般|总是|从不|永远|一直|爱)\s*(.+)'),re.compile(r'(?:我|咱)\s*(?:的)?\s*(?:习惯|偏好|默认|常用|最爱)\s*(?:是|用)\s*(.*)'),re.compile(r'以后\s*(?:都|永远|就)?\s*(?:要用|按|这样)\s*(.+)'),re.compile(r'记住[，,]?\s*(.+)'),re.compile(r'(?:别|不要|不许|不准)\s*(?:再|用)?\s*(.+)'),# 中文决策类（4 条）re.compile(r'(?:我们|咱们|大家)\s*(?:决定|约定|说好|定了)\s*(?:要|去|把)?\s*(.+)'),re.compile(r'(?:项目|工程|代码|这个)\s*(?:用|使用|需要|要求|依赖)\s*(.+)'),re.compile(r'(?:就|已|已经)\s*(?:用|定|选|决定)\s*(.+)'),re.compile(r'(?:规范|规矩|铁律|原则|标准)\s*(?:是|为)\s*(.*)'),

改动量：1 个文件，9 行正则。

但还得解决一个问题：Hermes 频繁升级，执行hermes update 就会覆盖这 9 行。解决办法：生成一个补丁文件，放在 Hermes 的用户目录下（升级不会碰它），再利git post-merge hook机制设一个自动重打——每次升级完自动检查正则区有没有被覆盖，覆盖了就自动重打补丁。全程不需要手动干预。

五、上手指南：一段 prompt 修复所有问题

不给你一步步的手动操作。把下面这段话复制，发给你的 Hermes Agent：

请帮我修复 Hermes 中文记忆问题。你需要做三件事：1. 检查 ~/.hermes/SOUL.md，在末尾追加以下内容（如果已存在相似内容则跳过）：## 内存优先级铁律（Holographic Memory）- memory 工具容量极小（2,200 字符），只放最精炼的身份信息- 所有需要持久化的事实必须用 fact_store 工具写入- 每轮对话中透露了新信息必须在回复中主动调用 fact_store- 禁止以 memory 已满为由放弃存储- fact_store 写入前搜索去重- fact_store 写入后用 fact_feedback 标记质量2. 检查项目根目录的 AGENTS.md（如没有则创建），追加「中文记忆提取规则」节，包含 5 类触发信号（显式指令/纠正/偏好/决定/可复用事实）+ 存储规范（category 用英文，content 保留中文原文，写入前搜索去重）。3. 找到 hermes-agent 源码中 plugins/memory/holographic/__init__.py 的 _auto_extract_facts 函数，在现有英文正则后追加 9 条中文正则（偏好类 5 条 + 决策类 4 条），然后生成补丁文件 ~/.hermes/scripts/chinese-auto-extract.patch，并设置 git post-merge hook 自动重打。改动范围只在 auto_extract 正则区，不碰其他逻辑。全部改完后，重启 agent，告诉我改了什么。

发完这段话后，你的 agent 会自己完成检查、加载、验证。预期输出：

• • SOUL.md: 已追加 6 条铁律
• • AGENTS.md: 已追加中文记忆提取规则
• • init.py: 已追加 9 条中文正则，补丁和 hook 已就位

验证方式：跟 agent 说一句「我喜欢用暗色主题」，退出后查询 fact_store，应该能看到这条事实被自动存入了。

六、常见疑问

「为什么不用 holographic-zh 这个第三方中文记忆插件？」

holographic-zh 在搜索侧做了实实在在的改进——改了分词器、加了 embedding、调大了预取窗口，中文检索的准确度确实提升了。但它没有覆盖写入侧：auto_extract 那 9 条英文正则未做任何修改。也就是说，搜索变准了，但该存进去的中文事实还是没存进去。方案解决了搜索的问题，写入侧的根因还在，所以整体方案还不完整。

「三层够不够？」

够。第一层解决 agent 的存储意愿（知道该用 fact_store）；第二层解决判断能力（知道什么时候该存）；第三层解决 auto_extract 的语言盲区（中文输入也能自动匹配）。三层覆盖了从意识到行为到自动化的完整链路。

七、适合谁

如果你用 Hermes Agent 大量进行中文对话，这篇文章适合你。

如果都是英文对话，auto_extract 那 9 条英文正则对你已经够用了。但要注意一个隐蔽的坑：在英文环境中偶尔夹了中文偏好——比如「我喜欢 dark mode」——agent 不会主动存它，因为 auto_extract 匹配不了中文，而「我喜欢」也不是英文显式指令。但如果你说「Remember, 用 pnpm 别用 npm」，其中「Remember」被 agent 理解为显式记忆指令，agent 会手动存储——于是你以为记忆系统正常工作，其实漏了第一条。

这也是这个问题最隐蔽的地方：它不会报错，不会告诉你什么都没存。只是静默地丢失每一条中文偏好。

我是轩少，替你把 AI 的坑踩完，你跟着做就行。下期见。

注：本文工具及方法仅用于学习与公开资料整理，涉密单位请严格遵守本单位信息化安全规定。