6.2k Star 暴涨!给 Hermes 装个长期记忆,Agent 不用每次从头解释
AI 编程助手在处理长期项目时存在明显的“失忆”问题。在开发过程中,用户往往需要反复向 Agent 解释项目背景、认证逻辑、测试命令等基础信息,这种重复性的“入职培训”大大降低了开发效率。近期 GitHub 上 Star 数增长迅速的 agentmemory 项目,正是为了解决这一痛点。该项目旨在为 AI 编程 Agent 构建持久化记忆层,支持 Claude Code、Cursor、Hermes 等多种 MCP 客户端共享同一套记忆上下文,从而将 Agent 从“临时工”转变为熟悉项目细节的长期搭档。
01项目背景与核心痛点
当前的 Agent 工具普遍缺乏长期记忆机制。用户在使用过程中,经常遭遇 Agent 重复询问同一问题的尴尬局面,例如认证文件的位置、特定库的选择原因或历史 Bug 的修复方案。尽管传统的 CLAUDE.md 或 .cursorrules 文件可以承载部分静态规则,但它们无法自动记录项目演进过程中产生的动态经验,导致每次开启新会话时,上下文信息的传递成本居高不下。
02四层记忆架构原理
记忆分层逻辑
动态与行为层
关注正在发生及已经发生的具体操作
- Working(工作记忆):工具调用中的原始观察数据
- Episodic(情景记忆):会话摘要,记录具体的操作历史
静态与模式层
沉淀为事实与经验的长期知识
- Semantic(语义记忆):事实与模式,记录“知道什么”
- Procedural(程序记忆):工作流与决策模式,记录“怎么做”
agentmemory 并非简单地将历史聊天记录塞回上下文,而是采用了一套类似于记忆流水线的处理机制。系统会在工具调用触发后,自动进行去重、隐私过滤(剥离 Secrets 和 API Keys),并将观察记录压缩为结构化事实。随后,系统利用 BM25、向量和图检索进行 Top-K 召回。在预算范围内(默认 2000 tokens),仅将与当前任务最相关的记忆注入到新会话中,确保 Agent 能够精准回忆起关键信息,同时避免无关内容干扰模型判断。
03与静态规则文件的差异
| 特性 | agentmemory | CLAUDE.md / .cursorrules |
|---|---|---|
| 存储性质 | 动态数据库,支持自动更新 | 静态便签,依赖手动维护 |
| 检索机制 | 混合搜索(向量+BM25+图) | 直接读取或简单匹配 |
| 信息覆盖 | 历史决策、踩坑经验、文件变更 | 项目启动、代码风格、固定规范 |
| 能力范围 | 跨 Agent 共享记忆 | 仅限当前工具或特定环境 |
agentmemory 与传统规则文件对比
04Hermes 实操配置指南
- 启动 Memory Server
在终端中运行命令:npx @agentmemory/agentmemory - 配置 Hermes MCP
修改 ~/.hermes/config.yaml 文件,添加 MCP server 配置并将 memory provider 指向 agentmemory: - 配置代码块
mcp_servers:
agentmemory:
command: npx
args: ["-y", "@agentmemory/mcp"]
memory:
provider: agentmemory - 验证健康状态
使用命令检查服务状态:curl http://localhost:3111/agentmemory/health - 访问可视化界面
在浏览器中打开:http://localhost:3113
若需更深度的集成(如 6-hook 记忆集成),可将仓库中的 integrations/hermes 目录复制到 ~/.hermes/plugins/agentmemory。项目提供了包括 memory_recall、memory_save、memory_smart_search 在内的 51 个 MCP 工具,支持查询文件历史、会话记录及项目画像。
05适用人群与避坑建议
该工具适合长期维护同一代码项目、频繁在不同 Agent 间切换以及厌倦了重复解释的用户。对于仅需简单脚本修改或不愿接触命令行的用户,其必要性较低。在部署过程中,需特别注意安全风险,Viewer/Console 默认无认证机制,必须绑定 127.0.0.1,严禁暴露至公网。
- 安装门槛:项目依赖 iii-engine,Windows 用户除 Node.js 外,还需单独安装 iii-engine runtime 或使用 Docker Desktop。
- 测试建议:首次使用建议先在低风险项目运行 demo,重点验证信息召回的准确性与隐私过滤的有效性,确认无误后再接入真实项目。
这玩意装完经常记不住
没有更多了