夜雨聆风你的AI助手是不是这样：今天教它处理了某个报错，明天换个类似的问题，它又不会了？
不是模型不够聪明，是大多数AI工具的设计就是——每次对话从零开始。
你上一轮解决的复杂问题、踩过的坑、总结的经验，下一轮全部清零。相当于每天早上醒来都失忆一次，再厉害的大脑也白搭。
Hermes Agent（爱马士）的核心差异化就在这里：它不是一次性聊天工具，而是一个会积累经验的持久化智能体。
这篇文章拆解它的记忆系统是怎么工作的，以及怎么用它搭建一个真正“越用越强”的AI开发助手。
━━━━━━━━━━━━━━━━━━
01 为什么普通AI助手记不住东西
主流AI工具的架构决定了它的局限性：
用户提问→ 模型生成 → 返回结果 → 结束
↑ 上下文到此为止，下次再来又是新的
这意味着：
•同一问题重复解释——你告诉过它三次项目结构，第四次它还是不知道
•错误反复重演——上周踩过的依赖冲突坑，这周又掉进去
•经验无法沉淀——你摸索出的最佳实践，只能存在自己的笔记里
这不是bug，是设计如此。但对日常开发者来说，这个限制非常痛。
━━━━━━━━━━━━━━━━━━
02 核心解法：四层记忆架构
Hermes Agent用了四层记忆系统来解决这个问题：
第一层：常驻提示记忆（Working Memory）
每次会话自动加载的基础上下文。包含两个核心文件：
【MEMORY.md — 长期记忆】 # 项目信息 - 当前项目：xxx-api-server - 技术栈：Python 3.11 + FastAPI + PostgreSQL - 部署环境：腾讯云Lighthouse Ubuntu 22.04 # 重要决策记录 - 2026-05-10: 决定用asyncpg而非SQLAlchemy（性能考虑） - 2026-05-12: 数据库连接池设为20（压测后确定）
【USER.md — 用户画像】 # 偏好 - 代码风格：遵循PEP8，类型注解必须写 - 沟通方式：先给结论再给论据，不要废话 - 禁止行为：不写TODO不提交PR
⚠️ 关键点：这一层有字符上限（约3575字符），迫使Agent只保留真正重要的信息，而不是塞满垃圾。
第二层：全文检索记忆（Episodic Memory）
这是Hermes Agent最硬核的能力。每一次对话的内容都会被索引存储，后续可以通过语义搜索召回：
# 搜索历史对话中关于“数据库连接”的所有讨论 hermes session_search "数据库连接池超时" # 搜索上次处理某个具体报错的方案 hermes session_search "AsyncPG ConnectionDoesNotExistError"
底层用的是SQLite FTS5引擎，支持三个特性：
•中文分词——不是简单的字符串匹配，而是语义级别的检索
•跨会话搜索——不限时间范围，所有历史对话都能搜到
•摘要压缩——长对话自动压缩为摘要存储，节省空间但不丢失关键信息
第三层：自动技能生成（Procedural Memory）
这是“越用越强”的关键机制。当Hermes Agent完成一个复杂任务后，它会自动将执行流程抽象为可复用的Skill：
name: fix-fastapi-deadlock description: 解决FastAPI异步数据库死锁问题 trigger: - "数据库死锁" - "connection timeout" - "asyncpg锁等待" steps: 1. 检查当前连接池大小和最大连接数配置 2. 查询pg_stat_activity确认是否有长时间持有锁的事务 3. 将statement_timeout设置为合理值（建议30s） 4. 如果使用asyncpg，检查是否混用了同步和异步调用 5. 重启服务并验证 learned_from: "2026-05-15 用户反馈的生产事故处理"
下次遇到类似问题时，Agent会直接调用这个Skill，而不是重新摸索。
第四层：知识持久化（Semantic Memory）
Agent在运行过程中积累的结构化知识：
project_patterns: api_error_handling: "统一使用自定义APIException，不要裸抛" db_migration: "永远先备份再迁移，用alembic --autogenerate -m '描述'" deployment_checklist: ["迁移文件","环境变量","依赖版本","数据库备份"] user_preferences: code_review_focus: ["安全性","性能","可维护性"] log_format: "JSON格式，包含request_id"
━━━━━━━━━━━━━━━━━━
03 实操：搭建一个有记忆的开发助手
步骤1：初始化记忆文件
安装Hermes Agent后，编辑两个核心文件：
nano ~/.hermes/MEMORY.md nano ~/.hermes/USER.md
写入你的项目基本信息和使用偏好（参考上面的模板）。
步骤2：让Agent开始积累经验
正常使用即可。每次解决一个问题后，Agent会自动完成三件事：
•① 将关键信息写入记忆文件
•② 将解决方案抽象为Skill（如果这是一个可复用的模式）
•③ 索引对话内容供后续检索
你也可以手动触发记忆整理：
# 手动触发技能整理 hermes skills sync # 查看已生成的技能列表 hermes skills list # 搜索历史记忆 hermes session_search "关键词"
步骤3：验证记忆效果
过一周左右，测试一下：
hermes chat "上次那个FastAPI数据库连接超时怎么解决的？"
如果Agent能直接给出方案而不是重新分析，说明记忆系统在工作。
━━━━━━━━━━━━━━━━━━
04 踩坑总结
❌ 坑1：MEMORY.md写得太多
把所有项目细节、每个函数说明都塞进去
✅ 正确做法：只放决策、偏好、关键结论，控制在3000字符以内
原因：常驻记忆每次都会注入提示词，太长会浪费Token且稀释注意力。
❌ 坑2：指望Agent自动记住一切
什么都不配，指望它自己学会
✅ 正确做法：先写好USER.md和MEMORY.md作为种子，再让它自主生长
原因：自学习需要初始引导，空白状态下Agent不知道什么该记。
❌ 坑3：不同项目共用同一个记忆实例
前端项目和后端项目用同一个Hermes实例
✅ 正确做法：不同项目部署独立实例，或用命名空间隔离
原因：跨项目的经验和偏好会互相干扰，导致错误的Skill被调用。
❌ 坑4：从不清理过期记忆
记忆只增不减，半年后全是过时信息
✅ 正确做法：定期review MEMORY.md，归档过时内容
原因：过时记忆比没有记忆更危险——它会给出看似正确但实际过时的建议。
