sidebar_position: 4 title: “Memory Providers” description: “External memory provider plugins — Honcho, OpenViking, Mem0, Hindsight, Holographic, RetainDB, ByteRover, Supermemory”

内存提供器

Hermes Agent 自带 8 个外部内存提供器插件，这些插件能够在内置的 MEMORY.md 和 USER.md 之外，为智能体提供持久化的、跨会话的知识存储能力。同一时间仅能启用一个外部提供器——内置内存会始终与其并行运行。

快速入门

hermes memory setup      # interactive picker + configuration
hermes memory status     # check what's active
hermes memory off        # disable external provider

您也可以通过 hermes plugins → Provider Plugins → Memory Provider 来选择当前活跃的内存提供器。或者直接在 ~/.hermes/config.yaml 文件中手动设置：

memory:
  provider: openviking   # or honcho, mem0, hindsight, holographic, retaindb, byterover, supermemory

工作原理

当内存提供器处于激活状态时，Hermes会自动执行以下操作：

1. 将提供器上下文注入系统提示词中（即提供器所掌握的信息）；
2. 在每轮对话开始前预加载相关记忆内容（后台执行，不会阻塞当前流程）；
3. 每次生成回复后，将对话轮次信息同步给对应提供器；
4. 会话结束时提取记忆内容（针对支持该功能的提供器）；
5. 将内置记忆的修改操作同步到外部提供器；
6. 提供特定于提供器的工具，以便智能体能够搜索、存储及管理记忆。

内置记忆（MEMORY.md / USER.md）仍会像以前一样正常工作，而外部提供器则起到补充作用。

可用的提供器

Honcho

这是一种原生支持跨会话用户建模的AI技术，具备辩证推理能力、会话级上下文注入功能、语义搜索以及持久化结论生成能力。其基础上下文现在除了包含用户信息与同伴卡片外，还加入了会话摘要，从而使智能体能够了解此前已讨论过的内容。

提供的工具（5个）： honcho_profile（读取/更新同伴卡片）、honcho_search（语义搜索）、honcho_context（会话上下文——包括摘要、用户描述、同伴卡片及消息内容）、honcho_reasoning（由大语言模型生成的推理内容）、honcho_conclude（创建/删除结论）

架构设计： 采用双层上下文注入机制——基础层包含会话摘要、用户描述及同伴卡片，每隔 contextCadence 时间刷新一次；另外还有一层辩证补充层，包含由大语言模型生成的推理内容，每隔 dialecticCadence 时间刷新一次。该辩证层会根据是否存在基础上下文，自动选择适合冷启动阶段的提示词（通用用户信息）或适合会话阶段的提示词。

三个相互独立的配置参数可分别控制成本与推理深度：**

• contextCadence——基础层刷新的频率（即API调用频率）；
• dialecticCadence——辩证层大语言模型启动的频率（即大语言模型调用频率）；
• dialecticDepth——每次辩证层调用时进行 .chat() 调用的次数（1–3次，代表推理深度）。

自动注入的辩证层还会根据查询长度动态调整推理深度——查询越长，推理越深入，但最终深度会受到 reasoningLevelCap 的限制；详情请参阅查询自适应推理深度。

设置向导：

hermes memory setup        # select "honcho" — runs the Honcho-specific post-setup

旧的 hermes honcho setup 命令仍然可用（现在会重定向到 hermes memory setup），但仅在选择 Honcho 作为当前内存提供方之后才会被注册。

配置文件位置： $HERMES_HOME/honcho.json（针对特定配置文件）或 ~/.honcho/config.json（全局配置）。配置加载顺序为：`$

{
  "apiKey": "your-key-from-app.honcho.dev",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "peerName": "your-name",
      "workspace": "hermes"
    }
  }
}

{
  "baseUrl": "http://localhost:8000",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "peerName": "your-name",
      "workspace": "hermes"
    }
  }
}

:::提示 从 hermes honcho 迁移 如果您之前使用过 hermes honcho setup，您的配置及所有服务器端数据都将保持完整。只需再次通过设置向导启用该功能，或手动设置 memory.provider: honcho，即可通过新系统重新激活。

::

多对等节点设置：

Honcho 将对话视为对等节点之间的消息交换——每个 Hermes 配置文件对应一个用户对等节点和一个 AI 对等节点，所有节点共享同一个工作空间。该工作空间即为共享环境：用户对等节点在所有配置文件中都是通用的，而每个 AI 对等节点则拥有独立的身份。每个 AI 对等节点都会根据自身的观察结果生成独立的表示/卡片，因此对于同一用户而言，coder 配置文件会保持以代码为中心的特性，而 writer 配置文件则会侧重内容编辑功能。

对应关系如下：

新配置文件，全新的 Honcho 对等节点

hermes profile create coder --clone

--clone 选项会在 honcho.json 中创建一个 hermes.coder 类型的主机块，其配置包括 aiPeer: "coder"、共享的 workspace，以及继承自父节点的 peerName、recallMode、writeFrequency、observation 等参数。该 AI 对等体会在 Honcho 中立即被创建，因此早在第一条消息发送之前就已经存在。

对于已有的配置文件，可回填 Honcho 对等体信息

hermes honcho sync

它会扫描所有的 Hermes 配置文件，为那些尚未配置主机块的配置文件创建相应的主机块，同时从默认的 hermes 块中继承相关设置，并快速生成新的 AI 对等体。该操作具有幂等性——对于已存在主机块的配置文件会直接跳过处理。

每个配置文件的独立观测功能

每个主机块均可独立覆盖观测配置。例如，在以代码处理为主的配置文件中，AI 对等体会对用户进行观测，但不会对自己进行建模：

"hermes.coder": {
  "aiPeer": "coder",
  "observation": {
    "user": { "observeMe": true, "observeOthers": true },
    "ai":   { "observeMe": false, "observeOthers": true }
  }
}

观察模式切换（每个对等节点对应一组设置）：

通过 observationMode 可预设以下模式：

• "directional"（默认值）——四个开关均处于开启状态。实现完全的相互观察，支持跨节点对话式推理。
• "unified"——用户设置 observeMe: true，AI 设置 observeOthers: true，其余开关关闭。采用单一观察者机制；AI 仅能模拟用户行为而无法模拟自身，用户则仅能模拟自身行为。

通过 Honcho 控制面板 设置的服务器端参数会覆盖本地默认设置，并在会话启动时同步回本地。

如需了解完整的观察模式参考信息，请参阅 Honcho 文档页。

网关身份映射

上述对等节点模型适用于 CLI、TUI 以及桌面端会话，在这些场景中，每次对话最终都会对应到 peerName。而 网关 则引入了第二个维度：用户会携带平台原生运行时 ID（如 Telegram UID、Discord snowflake、Slack 用户 ID），随后通过三个键来确定每个 ID 对应哪个对等节点。

在网关外部，这些键值不会产生任何影响。hermes memory setup 功能仅在检测到已连接的网关平台时才会提示用户输入这些参数。关于具体的解析规则及配置流程，请参阅 Honcho 文档页。

{
  "apiKey": "your-key",
  "workspace": "hermes",
  "peerName": "eri",
  "hosts": {
    "hermes": {
      "enabled": true,
      "aiPeer": "hermes",
      "workspace": "hermes",
      "peerName": "eri",
      "recallMode": "hybrid",
      "writeFrequency": "async",
      "sessionStrategy": "per-directory",
      "observation": {
        "user": { "observeMe": true, "observeOthers": true },
        "ai": { "observeMe": true, "observeOthers": true }
      },
      "dialecticReasoningLevel": "low",
      "dialecticDynamic": true,
      "dialecticCadence": 2,
      "dialecticDepth": 1,
      "dialecticMaxChars": 600,
      "contextCadence": 1,
      "messageMaxChars": 25000,
      "saveMessages": true
    },
    "hermes.coder": {
      "enabled": true,
      "aiPeer": "coder",
      "workspace": "hermes",
      "peerName": "eri",
      "recallMode": "tools",
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    },
    "hermes.writer": {
      "enabled": true,
      "aiPeer": "writer",
      "workspace": "hermes",
      "peerName": "eri"
    }
  },
  "sessions": {
    "/home/user/myproject": "myproject-main"
  }
}

请参阅配置参考文档以及Honcho集成指南。

OpenViking

由字节跳动旗下Volcengine开发的上下文数据库，具备类似文件系统的知识层级结构、分层检索功能，还能自动将信息分类存储到6个不同类别中。

常用工具： viking_search（语义搜索）、viking_read（分层展示：概要/概述/完整内容）、viking_browse（类似文件系统的导航功能）、viking_remember（存储事实信息）、viking_add_resource（导入URL或文档）

设置方法：

# Start the OpenViking server first
pip install openviking
openviking-server

# Then configure Hermes
hermes memory setup    # select "openviking"
# Or manually:
hermes config set memory.provider openviking
echo "OPENVIKING_ENDPOINT=http://localhost:1933" >> ~/.hermes/.env
# Authenticated servers should use a user/admin API key:
echo "OPENVIKING_API_KEY=..." >> ~/.hermes/.env

核心功能：

• 分层上下文加载：L0（约100个token）→ L1（约2,000个token）→ L2（完整上下文）
• 会话保存时自动提取内存信息（包括个人资料、偏好设置、实体、事件、案例及模式）
• 支持使用 viking:// URI方案实现分层知识浏览

在本地/受信任模式下，需使用 OPENVIKING_ACCOUNT 和 OPENVIKING_USER；而 OPENVIKING_AGENT 则是Hermes在OpenViking中的对等节点标识，用于实现基于对等节点的内存共享。

Mem0

一种服务器端大型语言模型事实提取工具，具备语义搜索、重排序及自动去重功能。提供三种连接模式：平台模式（Mem0云服务）、自托管控制台模式（通过Docker运行的Mem0服务器），以及OSS模式（在本地运行Mem0，搭配自定义的大型语言模型与向量存储）。

配套工具（4种）： mem0_search（语义搜索；平台模式下可选重排序功能，默认关闭）、mem0_add（存储原始事实信息）、mem0_update（通过ID更新信息）、mem0_delete（通过ID删除信息）

平台模式配置步骤：

hermes memory setup    # select "mem0" → "Platform"
# Or manually:
hermes config set memory.provider mem0
echo "MEM0_API_KEY=your-key" >> ~/.hermes/.env

设置（OSS）：

hermes memory setup    # select "mem0" → "Open Source (self-hosted)"
# Or via flags:
hermes memory setup mem0 --mode oss --oss-llm openai --oss-llm-key sk-... --oss-vector qdrant

无需写入文件即可预览：

hermes memory setup mem0 --mode oss --oss-llm-key sk-... --dry-run

设置（自托管控制面板）： 连接到通过 Docker 运行的 Mem0 服务器（即该控制面板的 REST API）：

hermes memory setup    # select "mem0" → "Self-hosted server"
# Or via flags:
hermes memory setup mem0 --mode selfhosted --host http://localhost:8888 --api-key your-admin-api-key

或者手动配置——可通过环境变量来实现：

echo "MEM0_HOST=http://localhost:8888" >> ~/.hermes/.env
echo "MEM0_API_KEY=your-admin-api-key" >> ~/.hermes/.env

或在 mem0.json 中：

{ "host": "http://localhost:8888", "api_key": "your-admin-api-key" }

该插件通过 X-API-Key 进行身份验证，并使用服务器的 /search 和 /memories 接口。api_key 为可选参数（仅当服务器设置为 AUTH_DISABLED 时才可省略）。请勿设置 mode: oss —— 因为其优先级高于 host 设置。

配置文件： $HERMES_HOME/mem0.json（用于配置行为设置）。仅密钥 MEM0_API_KEY 应存储在 ~/.hermes/.env 文件中。

OSS 支持的提供方：

切换模式： 重新运行命令 hermes memory setup mem0 --mode <platform|selfhosted|oss>，或直接编辑 mem0.json 文件。

Hindsight

具备知识图谱、实体解析及多策略检索功能的长期记忆系统。hindsight_reflect 工具可实现其他任何提供方都无法提供的跨内存信息整合功能。该系统还能通过会话级文档跟踪，自动保留完整的对话内容（包括工具调用记录）。

相关工具： hindsight_retain（用于存储数据并提取实体信息）、hindsight_recall（多策略搜索功能）、hindsight_reflect（跨内存信息整合功能）

设置方法：

hermes memory setup    # select "hindsight"
# Or manually:
hermes config set memory.provider hindsight
echo "HINDSIGHT_API_KEY=your-key" >> ~/.hermes/.env

设置向导会自动安装依赖项，且仅安装所选模式所需的组件（云端模式使用 hindsight-client，本地模式使用 hindsight-all）。系统要求 hindsight-client >= 0.4.22，若版本过旧，会在会话启动时自动升级。

本地模式界面： hindsight-embed -p hermes ui start

配置文件路径： $HERMES_HOME/hindsight/config.json

如需完整的配置参考，请参阅 插件README。

Holographic

基于本地SQLite事实存储库，支持FTS5全文本搜索、信任度评分功能，以及用于复合代数查询的HRR（Holographic Reduced Representations）技术。

提供的工具： fact_store（包含9种操作：添加、搜索、查询关联信息、推理、矛盾判断、更新、删除、列出），fact_feedback（用于评估信息是否有用，进而训练信任度评分）

设置方式：

hermes memory setup    # select "holographic"
# Or manually:
hermes config set memory.provider holographic

配置文件： 位于 plugins.hermes-memory-store 下的 config.yaml

独特功能：

• probe — 针对特定实体的代数检索（获取关于某人/某物的所有事实）
• reason — 对多个实体进行组合式 AND 查询
• contradict — 自动检测矛盾事实
• 基于非对称反馈的信任度评分（有帮助则 +0.05，无帮助则 -0.10）

RetainDB

一款具备混合搜索功能（向量检索 + BM25 + 重排）的云内存 API，支持 7 种内存类型，并采用增量压缩技术。

相关工具： retaindb_profile（用户档案）、retaindb_search（语义搜索）、retaindb_context（与任务相关的上下文信息）、retaindb_remember（按类型和重要性存储记忆）、retaindb_forget（删除记忆）

设置方式：

hermes memory setup    # select "retaindb"
# Or manually:
hermes config set memory.provider retaindb
echo "RETAINDB_API_KEY=your-key" >> ~/.hermes/.env

ByteRover

通过 brv CLI 实现持久化内存功能——具备分层检索机制的层级化知识树（从模糊文本检索到基于大语言模型的搜索）。以本地存储为主，同时支持可选的云同步功能。

常用工具： brv_query（检索知识树）、brv_curate（存储事实、决策规则及模式）、brv_status（显示 CLI 版本信息及知识树统计数据）

设置步骤：

# Install the CLI first
curl -fsSL https://byterover.dev/install.sh | sh

# Then configure Hermes
hermes memory setup    # select "byterover"
# Or manually:
hermes config set memory.provider byterover

核心功能：

• 自动预压缩提取（在上下文压缩导致信息丢失之前保存关键洞察）
• 知识树存储于 $HERMES_HOME/byterover/ 目录下（基于用户配置文件）
• 支持经过 SOC2 Type II 认证的云同步功能（可选）

Supermemory

这是一种具备语义长期记忆功能的工具，支持通过用户配置文件进行语义检索、显式记忆管理，还可通过 Supermemory 图谱 API 实现会话结束后的对话信息整合。

可用工具：

• supermemory_store（用于保存显式记忆）
• supermemory_search（支持语义相似度搜索）
• supermemory_forget（可通过 ID 或最匹配查询来删除记忆）
• supermemory_profile（用于管理持久化配置文件及近期上下文信息）

设置方法：

hermes memory setup    # select "supermemory"
# Or manually:
hermes config set memory.provider supermemory
echo 'SUPERMEMORY_API_KEY=***' >> ~/.hermes/.env

配置文件路径： $HERMES_HOME/supermemory.json

环境变量： SUPERMEMORY_API_KEY（必需），SUPERMEMORY_CONTAINER_TAG（可覆盖配置文件中的值）。

主要功能：

• 自动上下文隔离——从捕获的对话内容中剔除已召回的记忆，从而避免记忆内容的递归污染。
• 全会话数据同步——在会话结束时一次性上传整个对话记录。
• 会话结束后的对话上传功能（上传至 /v4/conversations），以便在 Supermemory 中构建更完善的用户档案和知识图谱。
• 在首次对话轮次以及按设定间隔自动插入用户档案信息。
• 基于用户身份的容器隔离——可在 container_tag 中使用 {identity} 格式（例如 hermes-{identity} → hermes-coder），从而为不同的 Hermes 用户档案独立管理记忆内容。
• 多容器模式——通过启用 enable_custom_container_tags 并指定 custom_containers 列表，可使智能体在多个命名容器之间进行读写操作；不过自动执行的任务仍会在主容器上完成。

{
  "container_tag": "hermes",
  "enable_custom_container_tags": true,
  "custom_containers": ["project-alpha", "shared-knowledge"],
  "custom_container_instructions": "Use project-alpha for coding context."
}

支持渠道： Discord · support@supermemory.com

Memori

基于 Memori Cloud 构建的结构化长期记忆系统，具备上下文自动捕获功能、工具感知的对话上下文管理能力，同时还提供用于调取事实、摘要、使用额度、注册信息及反馈的专用工具。

相关工具： memori_recall（检索长期记忆中的信息）、memori_recall_summary（获取摘要化上下文）、memori_quota（查询使用额度/配额）、memori_signup（请求发送注册邮件）、memori_feedback（提交集成相关反馈）

设置步骤：

pip install hermes-memori
hermes-memori install
hermes config set memory.provider memori
hermes memory setup

提供商对比

配置文件隔离

各提供商的数据会根据配置文件实现隔离：

• 本地存储型提供商（Holographic、ByteRover）会使用`$