10 分钟，给 Hermes 接上云端长期记忆：AgentArts Memory 插件实战

写给正在用 Hermes 的你

Hermes 很强但还可以更强

Hermes 已经是一个相当完整的开源 Agent：它能调用工具、学习技能、接受子 Agent 委派，也提供了 MEMORY.md、USER.md 和历史会话搜索等记忆能力。

但当你真的把 Hermes 用起来，尤其是运行在多台设备、临时容器或长期在线服务器上时，可能会遇到另一类问题：

• 重要信息分散在本地文件和历史会话里，换设备后不能自然延续；
• 想按“意思”查找过去的经验，而不只是做关键词匹配；
• 希望对话结束后自动沉淀用户偏好、项目事实和历史经验；
• 上下文压缩后，仍希望 Agent 能从长期记忆中找回相关内容；
• 不想为了记忆抽取、向量检索和云端存储，自己维护一整套基础设施。

Hermes 的内置记忆并不是“不好”。恰恰相反，本地 Markdown 简单、快速、透明，适合保存最重要的规则和高频事实。只是当记忆规模变大、需要跨设备或语义检索时，我们需要的是一个增强层。

AgentArts Memory提供增强层实现

这正是 AgentArts Memory 的 Hermes 插件所做的事：

插件通过 Hermes 已有的 Memory Provider 接口工作，不需要修改 Hermes 核心，也不需要改你的业务代码。

接入后：

• 每轮对话结束 → 自动同步
• 每次回答之前 → 检索相关记忆
• 需要的时候 → 主动搜索云端长期记忆

AgentArts Memory 内置语义记忆、用户偏好、会话摘要和情景记忆等策略，并支持按空间、会话和用户等维度管理记忆。对于 Hermes 用户，它的价值不是“存下更多聊天记录”，而是让有用的信息能被提取、检索并在下一次会话中继续使用。

一、快速接入步骤

Step 1：准备工作（5 分钟）

1.1 确认 Hermes 环境

你应该已经有 Hermes 了。确认一下版本和主目录：

hermes --version
# 确保 Hermes 已正确安装，主目录默认为 ~/.hermes/

1.2 创建 AgentArts 记忆库

这一步是唯一的"新东西"——去华为云控制台创建一个记忆库。

进入华为云 AgentArts 控制台，在“组件库 → 记忆库”中创建一个记忆库。

建议先启用以下长期记忆策略：

• 语义记忆：保存项目事实和上下文知识；
• 用户偏好：保存稳定的沟通与使用偏好；
• 会话摘要：提炼一次会话的主题、结论和历史决策；
• 情景记忆：保存带有具体过程和结果的历史经验。

创建后获取三个关键参数：

⚠️ 认证失败？别慌，按这个顺序排查

1. API Key 是否有效——有没有在控制台重置过？重置后旧 Key 就失效了
2. 区域是否一致——HUAWEICLOUD_SDK_REGION 的值和创建记忆库时选的区域对得上吗
3. 记忆库状态——控制台看一下是不是 running，还在创建中就等一下

90% 的问题都是这三个原因。

可使用 hermes memory setup 选择agentarts，进行agentarts记忆库参数重置

Hermes 的插件体系定义了 7 个生命周期钩子，AgentArts Memory 插件进行了合理的设计：

三个核心设计，逐个拆

1. 非阻塞写入——你不会感觉到任何延迟

每轮对话结束后，sync_turn 会通过后台线程将用户输入和助手回复同步到 AgentArts Memory，由云端记忆策略继续完成提取与沉淀。不阻塞 Hermes 主循环。

用户体验：对话流畅度和之前一模一样，但每轮对话都已经被默默记下来了。

2. 上下文注入——让 Agent"想起来"

每次 LLM 调用前，prefetch会根据当前对话内容从 AgentArts Memory 检索相关记忆，作为补充注入到上下文里。

检索四类内容：用户画像、情景记忆、语义记忆、历史摘要。注入之后，Agent 回答时就能"回忆起"之前的信息。

这模拟的是人类的记忆方式：你听到一个问题，大脑自动联想相关记忆，然后才能回答。先回忆，再回答——Agent 也是这个逻辑。

3. MEMORY.md 镜像——兼容你现有的东西

Hermes 原本就有一个 MEMORY.md 文件用于本地记忆。on_memory_write会把这个文件的写入操作镜像同步到 AgentArts Memory。

这意味着你原有的记忆功能不受影响，本地和云端双向一致。万一以后想换回本地记忆，数据不会丢。不是替换你的东西，是给你加一层更强的后端。

三、两个主动检索工具：让 Agent 按需"回忆"

除了自动注入（prefetch），插件还注册了两个工具让 Agent 主动搜索记忆。区别是：prefetch 是系统自动做的，Agent 不知道自己被注入了记忆；而工具是 Agent 自己决定"我现在需要回忆什么"。

ltm_search：搜索长期记忆

效果示例：

用户：我上次提到的问题解决了吗？

# Agent 自动调用记忆检索
ltm_search(query="用户上次提到的是什么问题？", top_k=3)

# 检索结果：
# - 用户上次咨询了订单 #20260811 的物流延迟问题
# - 包裹在转运中心滞留 2 天，已联系物流加急处理
# - 用户同意等待，未要求退款

# Agent 回答：
# "您上次咨询的是订单 #20260811 的物流延迟问题，
#  当时包裹在转运中心滞留了 2 天，我们联系了物流加急处理，
#  您同意了等待。请问这个订单现在收到了吗？"

注意看——Agent 不只回忆起了问题本身，还回忆起了完整的处理过程和用户的决定。这在之前用 MEMORY.md 的时候是很难做到的。

ltm_search_summary：获取记忆摘要列表

这个工具适合在对话开始时调用，快速浏览 Agent 记住了哪些关于当前用户的信息。

四、跑个实验：30 秒看到跨会话记忆

装好了，来验证一下。

第一轮会话：告诉 Agent 一些信息

用户：我叫李四，是一名数据工程师，主要用 Python 和 Spark。
Agent：你好李四！很高兴认识你。作为数据工程师，Python 和 Spark 是很好的技术栈组合...

结束会话，等 30 秒

为什么要等？因为 AgentArts Memory 从对话生成记忆需要调大模型做策略化提取和向量化存储，大概 30 秒。prefetch 搜索的是之前轮次已生成的记忆，不是当前轮次刚写入的。

开新会话：看 Agent 还记不记得

用户：你还记得我是谁吗？
Agent：当然记得！你是李四，一名数据工程师，主要使用 Python 和 Spark 进行数据处理工作。有什么我可以帮你的吗？

这就是跨会话记忆。 没有数据库查询，没有手动传递上下文，Agent 自己"想起来"了。

五、一套通用范式：不只是 Hermes

如果你以后换到别的 Agent 框架，Hermes 插件的集成思路照样能用。核心就是四件事：

小结

如果你已经在用 Hermes，这篇文章给你的是一个10 分钟的记忆升级方案：

• 不改业务代码——插件机制，复制文件 + 跑一条配置命令
• 7 个生命周期钩子自动管理记忆——你不用手动调任何记忆 API
• 核心机制：非阻塞写入 + 自动检索注入 + 压缩保护——用户零感知，Agent 有记忆
• 兼容现有设计——MEMORY.md 镜像同步，本地和云端双向一致
• 通用集成范式：写入 + 注入 + 保护 + 工具——换框架也用得上