我给 Hermes 装了个记忆插件,它开始自己造 Skills,MemOS 实测

我给 Hermes 装了个记忆插件，它开始自己造 Skills，MemOS 实测

当 AI 开始自己写自己的说明书，事情就变得有意思了。

事情要从一周前说起。

我一直在用 Hermes Agent——Nous Research 开源的 AI 智能体。它的卖点是"有记忆、自建技能、持久在线"，听起来很酷。实际用下来也确实不错：帮我写代码、查资料、管理文件，像个靠谱的远程实习生。

但有一个问题：它的"记忆"是文件级别的。

Hermes 原生的记忆系统会把对话记录存成文件，下次启动时加载。但这本质上就是"日志回放"——它不是真的"记住"了什么，只是把所有历史对话翻出来再读一遍。

这就好比一个人每次见到你，都掏出笔记本翻到上次的聊天记录——"哦，原来你喜欢喝冰美式"。

能记住，但不够聪明。

于是我开始琢磨：能不能给 Hermes 装一个更聪明的"记忆插件"？

然后我找到了 MemOS。

一、MemOS 是什么

简单说，MemOS 是一个开源的 AI 记忆管理系统。

和传统的 RAG 方案不同——RAG 是把文档切成块存到向量数据库，搜到啥就拼啥——MemOS 做的事情更接近人类的记忆方式：

短期记忆 → 长期记忆 — 不是所有的对话都值得记住，MemOS 会判断哪些信息重要，自动"转存"到长期记忆
关联记忆 — 把信息组织成知识图谱，而不是散落的文档块。"用户 A 是养虾场的技术负责人，上个月讨论过水质监测方案，这个月想做自动化投喂系统"——这些信息是关联的，MemOS 知道它们是一回事
记忆调度 — 不是每次对话都把所有记忆翻出来。它会根据当前上下文，预测你需要哪些记忆，只调度相关的那部分

它的工作方式很简单：

pip install MemoryOS

然后配置一个 API Key，把 MemOS 跑起来，它就是一个独立运行的内存服务。

二、怎么给 Hermes 装上 MemOS

安装过程比我想象的简单。

第 1 步：安装 MemOS

pip install MemoryOS

MemOS 提供了 Python SDK，装上就能用。

第 2 步：启动 MemOS 服务

memos start

默认在本地 8088 端口启动一个记忆服务。所有记忆数据存在本地，不经过云端。

第 3 步：在 Hermes 中配置 MemOS 插件

在 Hermes 的配置文件里，加上 MemOS 的接入配置：

# ~/.hermes/config.yamlmemory:backend:memosconfig:api_url:http://localhost:8088auto_summarize:truemax_context_memories:10

配置完重启 Hermes。

第 4 步：验证

重启后，我问了 Hermes 一个问题：

还记得我们上周讨论的那个养虾场项目吗？

如果是之前，它会去翻对话日志，然后给我拼接出一个"好像有这回事"的答案。

装上 MemOS 后，它的回答是：

记得。养虾场项目在上周讨论时确定了三个方向：1. 水质自动化监测方案（已完成需求文档）2. 自动投喂系统的选型调研（待执行）3. 项目预算的初步估算（约需 12 万）上次会议你提到了想在月底之前完成方案定型。今天是 7 月 28 日，建议本周启动自动投喂系统的调研。

这不是翻日志翻出来的。这是 "记住" 的。

三、真正让我震惊的是：它开始自己造 Skills

Hermes Agent 本身有一个"自动技能创建"的能力——当它解决了一个复杂问题，可以自动把解决过程写成一份 SKILL.md，以后遇到类似问题直接复用。

但在原生记忆系统下，这个能力其实用不太起来。因为它不记得"以前解决过什么问题"——每次会话都是独立的，它不知道某个技能是在什么上下文下创建的。

装上 MemOS 之后，情况变了。

周一我在处理一个数据清洗任务——把一堆乱七八糟的传感器数据整理成标准格式，填充缺失值，剔除异常点，输出规整的 CSV。

Hermes 花了几分钟帮我搞定了。

周二我又遇到一批新的传感器数据，正准备发指令。结果 Hermes 先说话了：

我注意到你又在处理传感器数据清洗。上周一我已经为这个场景创建了一个技能：sensor-data-cleaning。需要我直接用这个技能来处理这批新数据吗？

我当时一愣——它怎么知道的？

后来我查了 MemOS 的日志才明白：周一创建那个技能的时候，MemOS 记录了"创建技能时的场景上下文"——包括我之前讨论过的养虾场项目、传感器品牌、数据格式偏好。周二我发新数据时，MemOS 自动匹配了上下文，主动推荐了那个技能。

它不光学会了怎么做。它学会了"什么时候该用"。

然后事情开始加速。

接下来的几天里，Hermes 自己创建了以下技能：

shrimp-pond-water-quality-report — 每周自动生成水质报告
sensor-data-validator — 验证传感器数据完整性
meeting-minutes-template — 养虾场项目会议纪要模板
budget-estimator — 项目预算估算工具
wechat-article-draft — 公众号文章初稿生成

每一个技能，都不是我让它创建的。是它自己发现"这个模式出现第二次了，我应该把它固化成技能"。

装了记忆系统之后，它像一个实习生突然开了窍。 以前你说一句它动一下。现在它会主动说"这个我见过，我有个方案"。

四、MemOS 解决了什么问题

回到本质问题：Hermes 原生记忆和 MemOS 的区别到底是什么？

	Hermes 原生记忆	+ MemOS
记忆方式	日志回放	结构化记忆
关联性	独立会话	跨会话知识图谱
主动调度	❌ 需要手动	✅ 上下文预测
技能推荐	❌ 不记得	✅ 自动匹配场景
遗忘机制	没有	有，自动归档不重要的
跨应用	❌ 仅限 Hermes	✅ 可共享给其他 AI

原生记忆是"过去发生了什么"。MemOS 是"从过去学到了什么"。

五、不只是 Hermes，MemOS 可以给任何 AI 装上"大脑"

MemOS 并不是 Hermes 专属的。它通过统一的 API 接口，可以接入任何 AI 应用。

你在 WorkBuddy 上可以用，在 Claude 上可以用，在自己的 Python 脚本里也可以用。

from memoryos import MemOSclient = MemOS(api_key="your_key")client.save("user_preference", {"theme": "dark", "language": "zh"})# 下次调用：pref = client.recall("user_preference")

这意味着：你可以给自己的 AI 工具链装一套统一的记忆系统。