title: “Honcho” sidebar_label: “Honcho” description: “Configure and use Honcho memory with Hermes – cross-session user modeling, multi-profile peer isolation, observation config, dialectic reasoning, session su…”

{/* 此页面由 website/scripts/generate-skill-docs.py 根据技能对应的 SKILL.md 文件自动生成。请直接编辑源文件 SKILL.md，而非此页面。 */}

Honcho

通过 Hermes 配置并使用 Honcho 内存功能——可实现跨会话用户建模、多配置文件同级节点隔离、观测配置管理、辩证推理、会话摘要生成以及上下文预算管控。在搭建 Honcho 环境、排查内存相关问题、使用 Honcho 同级节点管理不同配置文件，或调整观测、回忆及辩证推理参数时，均可使用此功能。

技能元数据

参考：完整 SKILL.md 内容

:::info 以下是当触发该技能时 Hermes 所加载的完整技能定义。技能激活后，智能体将看到这些内容作为操作指令。

::

Hermes 版 Honcho 内存功能

Honcho 提供了专为人工智能设计的跨会话用户建模能力。它能够跨多次对话识别用户身份，同时为每个 Hermes 配置文件分配独立的同级节点标识，却又能呈现统一的用户视图。

适用场景

• 搭建 Honcho 环境（云端或自托管）
• 排查内存功能异常或同级节点同步问题
• 构建多配置文件架构，让每个智能体拥有独立的 Honcho 同级节点
• 调整观测、回忆、辩证推理深度或数据写入频率等参数
• 了解五种 Honcho 工具的功能及其适用场景
• 配置上下文预算及会话摘要注入功能

设置方法

云端版本（app.honcho.dev）

hermes memory setup honcho
# select "cloud", paste API key from https://app.honcho.dev

自托管模式

hermes memory setup honcho
# select "local", enter base URL (e.g. http://localhost:8000)

参见：https://docs.honcho.dev/v3/guides/integrations/hermes#running-honcho-locally-with-hermes

验证

hermes honcho status    # shows resolved config, connection test, peer info

架构设计

基础上下文注入

当 Honcho 在系统提示语中注入上下文时（处于“混合模式”或“上下文检索模式”下），它会按以下顺序构建基础上下文模块：

1. 会话摘要——对当前会话内容的简短总结（置于最前端，以便模型快速保持对话连贯性）
2. 用户画像——Honcho 经过分析后形成的用户模型（包括偏好、事实及行为模式等信息）
3. AI 对等体卡片——该 Hermes 配置文件中 AI 对等体的身份标识

若存在历史会话，会话摘要会在每个对话轮次开始时由 Honcho 自动生成。这样无需重复展示完整历史记录，即可让模型快速进入工作状态。

冷启动/热启动提示语选择

Honcho 会自动在两种提示策略之间进行切换：

无需手动配置此功能——系统会根据会话状态自动选择合适策略。

对等体机制

Honcho 将对话视为对等体之间的交互。每个会话中，Hermes 会创建两个对等体：

• 用户对等体（peerName）：代表人类用户。Honcho 通过分析用户发送的消息来构建其用户画像。
• AI 对等体（aiPeer）：代表当前的 Hermes 实例。每个配置文件都会拥有独立的 AI 对等体，从而使智能体能够形成各自的独立认知。

观测功能

每个对等体都包含两个观测开关，用于控制 Honcho 应该学习哪些信息：

默认情况下，四个开关均为开启状态（实现完全的双向观测）。

可在 honcho.json 文件中为每个对等体单独配置这些参数：

{
  "observation": {
    "user": { "observeMe": true, "observeOthers": true },
    "ai":   { "observeMe": true, "observeOthers": true }
  }
}

或者使用简写预设：

在 Honcho 控制面板 中进行的设置会在会话启动时同步回来——服务器端配置优先于本地默认设置。

会话

会话是消息和观察结果存储的作用范围。策略选项如下：

可手动覆盖：hermes honcho map my-project-name

回忆模式

智能体访问 Honcho 内存的方式：

三个相互独立的调节参数

Honcho 的辩证推理行为由三个独立维度控制。调整其中一个参数不会影响其他参数：

频率（何时）

控制辩证推理与上下文调用发生的频率。

较高的频率值意味着辩证推理 LLM 的调用频率会降低。dialecticCadence: 2 表示每隔一轮才触发一次辩证推理；设置为 1 则每轮都会触发。

深度（多少轮）

控制 Honcho 对每个查询执行多少轮辩证推理。

dialecticDepth: 2 表示 Honcho 会执行两轮辩证推理。第一轮生成初步答案，第二轮则对其进一步优化。

dialecticDepthLevels 允许您分别为每一轮设置独立的推理深度：

{
  "dialecticDepth": 3,
  "dialecticDepthLevels": ["low", "medium", "high"]
}

如果未指定 dialecticDepthLevels，则各轮推理将采用基于 dialecticReasoningLevel（即基础级别）计算出的按比例分配的深度层级：

这样一来，前几轮的推理成本较低，而最终合成阶段则会使用最大深度。

**会话启动时的深度设置。**在第一步输入之前，会话启动预热阶段会在后台执行完整配置的 dialecticDepth 次数。在对新的智能体进行单次迭代预热时，通常只能得到较为简略的输出——而多迭代预热则会在用户发出指令前完成多次审核/对齐流程。第一步会直接使用预热结果；如果预热未能及时完成，第一步则会回退为带有时间限制的同步调用。

级别（难度强度）

用于控制每轮辩证推理的强度。

更高的级别能够生成更丰富的合成结果，但会在 Honcho 后端消耗更多计算资源。

多配置文件设置

每个 Hermes 配置文件都会拥有独立的 Honcho AI 智能体，同时共享同一个工作空间（用户上下文）。这意味着：

• 所有配置文件看到的都是相同的用户信息
• 每个配置文件会构建属于自己的 AI 身份及观察结果
• 一个配置文件生成的结论可通过共享工作空间被其他配置文件查看

创建带有 Honcho 智能体的配置文件

hermes profile create coder --clone
# creates host block hermes.coder, AI peer "coder", inherits config from default

--clone 参数在 Honcho 中的作用：

1. 在 honcho.json 文件中创建一个 hermes.coder 主机配置块；
2. 设置 aiPeer: "coder"（即对应的配置文件名称）；
3. 沿用默认值设置 workspace、peerName、writeFrequency、recallMode 等参数；
4. 立即在 Honcho 中创建该对应节点，确保在接收第一条消息之前该节点就已存在。

补充现有配置文件

hermes honcho sync    # creates host blocks for all profiles that don't have one yet

每个配置文件的独立设置

可覆盖主机块中的任何配置项：

{
  "hosts": {
    "hermes.coder": {
      "aiPeer": "coder",
      "recallMode": "tools",
      "dialecticDepth": 2,
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    }
  }
}

工具

该智能体拥有 5 个双向 Honcho 工具（在“上下文回忆”模式下会隐藏）：

honcho_profile

读取或更新对方卡片——即精心整理的关键信息（姓名、角色、偏好、沟通风格）。如需更新，请传入 card: [...]；如仅需读取则无需传入该参数。此操作不会调用 LLM。

honcho_search

在存储的上下文中对特定对方进行语义搜索。返回按相关性排序的原始内容片段，不进行整合处理。默认长度为 800 个标记，最大为 2000 个。当您需要特定的历史事实以便自行推理而非获取整合后的答案时，此工具非常适用。

honcho_context

来自 Honcho 的完整会话上下文快照——包括会话摘要、对方信息呈现形式、对方卡片以及最新消息。此操作不会调用 LLM。当您希望一次性查看 Honcho 对当前会话及对方的全部了解时，可使用此工具。

honcho_reasoning

由 Honcho 的辩证推理引擎回答自然语言问题（在 Honcho 的后端调用 LLM）。成本较高，但输出质量更好。可通过传入 reasoning_level 参数控制推理深度：minimal（快速/低成本）→ low → medium → high → max（深入全面）。若不传入该参数，则使用默认设置（low）。此工具可用于深入理解用户的模式、目标或当前状态。

honcho_conclude

编写或删除关于某方的持久性结论。如需创建结论，请传入 conclusion: "..."；如需删除结论（用于移除个人身份信息——Honcho 会逐步自动修正错误的结论，因此仅当涉及个人敏感信息时才需要手动删除），请传入 delete_id: "..."。必须恰好传入这两个参数中的一个。

双向对方目标指定

这 5 个工具均支持可选的 peer 参数：

• peer: "user"（默认值）——针对用户方对方操作
• peer: "ai" ——针对当前配置文件中的 AI 对方操作
• peer: "<explicit-id>" ——工作空间中的任意对方 ID

示例：

honcho_profile                        # read user's card
honcho_profile peer="ai"              # read AI peer's card
honcho_reasoning query="What does this user care about most?"
honcho_reasoning query="What are my interaction patterns?" peer="ai" reasoning_level="medium"
honcho_conclude conclusion="Prefers terse answers"
honcho_conclude conclusion="I tend to over-explain code" peer="ai"
honcho_conclude delete_id="abc123"    # PII removal

Agent 使用模式

当 Honcho 内存处于激活状态时，Hermes 的使用指南。

对话开始时

1. honcho_profile                  → fast warmup, no LLM cost
2. If context looks thin → honcho_context  (full snapshot, still no LLM)
3. If deep synthesis needed → honcho_reasoning  (LLM call, use sparingly)

请勿在每个对话轮次都调用 honcho_reasoning 函数。自动注入机制已能负责持续更新上下文，只有当基础上下文无法提供所需的信息，且确实需要通过推理工具生成综合见解时，才应使用该功能。

当用户要求记住某些内容时

honcho_conclude conclusion="<specific, actionable fact>"

优秀结论示例：“更倾向于使用代码示例而非文字说明”，“截至2026年4月仍在从事Rust异步项目开发”
较差结论示例：“用户提到了Rust”（过于模糊），“用户似乎具备技术背景”（该信息已体现在用户画像中）

honcho_search query="<topic>"       → fast, no LLM, good for specific facts
honcho_context                       → full snapshot with summary + messages
honcho_reasoning query="<question>"  → synthesized answer, use when search isn't enough

何时使用 peer: "ai"

可使用 AI 对等体功能来构建并查询智能体自身的自我认知信息：

• honcho_conclude conclusion="I tend to be verbose when explaining architecture" peer="ai" —— 自我修正
• honcho_reasoning query="How do I typically handle ambiguous requests?" peer="ai" —— 自我审计
• honcho_profile peer="ai" —— 查看自身的身份信息

何时不应调用工具

在 hybrid 和 context 模式下，基础上下文（用户描述 + 身份卡 + 会话摘要）会在每一轮对话开始前自动注入。无需重复获取已注入的内容。仅在以下情况才需调用工具：

• 需要基础上下文所不具备的信息
• 用户明确要求你调取或检查记忆内容
• 需要针对新内容撰写结论时

节奏控制意识

在工具端使用的 honcho_reasoning 功能与自动注入的推理过程成本相同。在明确调用工具之后，自动注入的节奏会重新开始计算——从而避免在同一轮对话中重复计费。

配置参考

配置文件位置：`$