Deepseek-V4
Minimax-M2.7
Kimi-k2.6Honcho
配置并使用 Hermes 的 Honcho 记忆功能——跨会话用户建模、多配置文件对等体隔离、观察配置、辩证推理、会话摘要以及上下文预算强制执行。适用于设置 Honcho、排查记忆问题、使用 Honcho 对等体管理配置文件，或调整观察、回忆和辩证设置时。
技能元数据
| 来源 | 可选 — 使用 hermes skills install official/autonomous-ai-agents/honcho 安装 |
| 路径 | optional-skills/autonomous-ai-agents/honcho |
| 版本 | 2.0.0 |
| 作者 | Hermes Agent |
| 许可证 | MIT |
| 标签 | Honcho, Memory, Profiles, Observation, Dialectic, User-Modeling, Session-Summary |
| 相关技能 | hermes-agent |
参考：完整 SKILL.md
以下是触发此技能时 Hermes 加载的完整技能定义。这是技能激活时代理看到的指令。
Hermes 的 Honcho 记忆
Honcho 提供 AI 原生的跨会话用户建模。它在对话中学习用户身份，并为每个 Hermes 配置文件分配独立的对等体身份，同时共享统一的用户视图。
何时使用
- 设置 Honcho（云端或自托管）
- 排查记忆不工作/对等体不同步的问题
- 创建多配置文件设置，其中每个代理拥有自己的 Honcho 对等体
- 调整观察、回忆、辩证深度或写入频率设置
- 了解 5 个 Honcho 工具的功能及使用时机
- 配置上下文预算和会话摘要注入
设置
云端 (app.honcho.dev)
hermes honcho setup
# select "cloud", paste API key from https://app.honcho.dev
自托管
hermes honcho setup
# 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
基础上下文注入
当 Honcho 将上下文注入系统提示符（在 hybrid 或 context 回忆模式下）时，它按以下顺序组装基础上下文块：
- 会话摘要——当前会话至今的简短摘要（置于首位，以便模型立即获得对话连续性）
- 用户表示——Honcho 积累的用户模型（偏好、事实、模式）
- AI 对等体卡片——此 Hermes 配置文件的 AI 对等体身份卡片
会话摘要是由 Honcho 在每个回合开始时自动生成的（当存在先前会话时）。它让模型能够热启动，而无需重放完整历史。
冷/暖提示选择
Honcho 自动在两种提示策略之间进行选择：
| 条件 | 策略 | 发生的情况 |
|---|---|---|
| 无先前会话或表示为空 | 冷启动 | 轻量级介绍提示；跳过摘要注入；鼓励模型了解用户 |
| 存在表示和/或会话历史 | 暖启动 | 完整基础上下文注入（摘要 → 表示 → 卡片）；更丰富的系统提示 |
你无需配置此项——它会根据会话状态自动执行。
对等体 (Peers)
Honcho 将会话建模为对等体之间的交互。Hermes 为每个会话创建两个对等体：
- 用户对等体 (
peerName)：代表人类。Honcho 根据观察到的消息构建用户表示。 - AI 对等体 (
aiPeer)：代表此 Hermes 实例。每个配置文件拥有自己的 AI 对等体，以便代理发展独立的视图。
观察 (Observation)
每个对等体有两个观察开关，控制 Honcho 从何处学习：
| 开关 | 作用 |
|---|---|
observeMe | 观察对等体自身的消息（构建自我表示） |
observeOthers | 观察其他对等体的消息（构建跨对等体理解） |
默认值：所有四个开关均开启（完全双向观察）。
在 honcho.json 中按对等体配置：
{
"observation": {
"user": { "observeMe": true, "observeOthers": true },
"ai": { "observeMe": true, "observeOthers": true }
}
}
或使用简写预设：
| 预设 | 用户 | AI | 用例 |
|---|---|---|---|
"directional"（默认） | me:on, others:on | me:on, others:on | 多代理，完整记忆 |
"unified" | me:on, others:off | me:off, others:on | 单代理，仅用户建模 |
在 Honcho 仪表板 中更改的设置会在会话初始化时同步回来——服务器端配置优先于本地默认值。
会话 (Sessions)
Honcho 会话限定消息和观察的范围。策略选项：
| 策略 | 行为 |
|---|---|
per-directory（默认） | 每个工作目录一个会话 |
per-repo | 每个 git 仓库根目录一个会话 |
per-session | 每次 Hermes 运行创建一个新的 Honcho 会话 |
global | 所有目录共用单个会话 |
手动覆盖：hermes honcho map my-project-name
回忆模式 (Recall Modes)
代理如何访问 Honcho 记忆：
| 模式 | 自动注入上下文？ | 可用工具？ | 使用场景 |
|---|---|---|---|
hybrid（默认） | 是 | 是 | Agent 决定何时使用工具与自动上下文 |
context | 是 | 否（隐藏） | 最低 Token 成本，无工具调用 |
tools | 否 | 是 | Agent 显式控制所有内存访问 |
三个正交调节项
Honcho 的辩证行为由三个独立的维度控制。每个维度都可以独立调整而不影响其他维度：
频率（何时）
控制辩证和上下文调用的发生频率。
| 键 | 默认值 | 描述 |
|---|---|---|
contextCadence | 1 | 上下文 API 调用之间的最小轮次间隔 |
dialecticCadence | 2 | 辩证 API 调用之间的最小轮次间隔。推荐值为 1–5 |
injectionFrequency | every-turn | 基础上下文注入的频率：every-turn（每轮）或 first-turn（首轮） |
较高的频率值会使辩证 LLM 的触发频率降低。dialecticCadence: 2 表示引擎每隔一轮触发一次。将其设置为 1 则表示每轮都触发。
深度（多少轮）
控制 Honcho 每次查询执行的辩证推理轮数。
| 键 | 默认值 | 范围 | 描述 |
|---|---|---|---|
dialecticDepth | 1 | 1-3 | 每次查询的辩证推理轮数 |
dialecticDepthLevels | -- | 数组 | 可选的每轮推理级别覆盖（见下文） |
dialecticDepth: 2 表示 Honcho 运行两轮辩证综合。第一轮产生初始答案；第二轮对其进行优化。
dialecticDepthLevels 允许你为每一轮独立设置推理级别：
{
"dialecticDepth": 3,
"dialecticDepthLevels": ["low", "medium", "high"]
}
如果省略 dialecticDepthLevels，各轮将使用从 dialecticReasoningLevel（基础级别）派生的比例级别：
| 深度 | 传递级别 |
|---|---|
| 1 | [base] |
| 2 | [minimal, base] |
| 3 | [minimal, base, low] |
这在保持早期轮次低成本的同时，在最终综合阶段使用完整深度。
会话开始时的深度。 会话启动预热会在第 1 轮之前于后台运行配置好的完整 dialecticDepth。在冷启动 peer 上进行单轮预热通常会返回稀疏的输出——多轮深度会在用户发言之前运行审计/协调循环。第 1 轮直接消耗预热结果；如果预热未及时完成，第 1 轮将回退到具有绑定超时的同步调用。
级别（强度）
控制每轮辩证推理的强度。
| 键 | 默认值 | 描述 |
|---|---|---|
dialecticReasoningLevel | low | minimal, low, medium, high, max |
dialecticDynamic | true | 当为 true 时，模型可以将 reasoning_level 传递给 honcho_reasoning 以覆盖每次调用的默认值。false = 始终使用 dialecticReasoningLevel，忽略模型覆盖 |
更高的级别会产生更丰富的综合结果，但会增加 Honcho 后端的 Token 成本。
多配置文件设置
每个 Hermes 配置文件都有自己的 Honcho AI peer，同时共享相同的工作区（用户上下文）。这意味着：
- 所有配置文件看到相同的用户表示
- 每个配置文件构建自己的 AI 身份和观察结果
- 一个配置文件写入的结论可通过共享工作区被其他配置文件看到
创建带有 Honcho peer 的配置文件
hermes profile create coder --clone
# creates host block hermes.coder, AI peer "coder", inherits config from default
--clone 对 Honcho 的作用：
- 在
honcho.json中创建一个hermes.coder主机块 - 设置
aiPeer: "coder"（配置文件名称） - 从默认配置继承
workspace、peerName、writeFrequency、recallMode等 - 急切地在 Honcho 中创建 peer，使其在第一条消息之前存在
回填现有配置文件
hermes honcho sync # creates host blocks for all profiles that don't have one yet
每个配置文件的配置
在主机块中覆盖任何设置：
{
"hosts": {
"hermes.coder": {
"aiPeer": "coder",
"recallMode": "tools",
"dialecticDepth": 2,
"observation": {
"user": { "observeMe": true, "observeOthers": false },
"ai": { "observeMe": true, "observeOthers": true }
}
}
}
}
工具
Agent 拥有 5 个双向 Honcho 工具（在 context 回忆模式下隐藏）：
| 工具 | LLM 调用？ | 成本 | 使用时机 |
|---|---|---|---|
honcho_profile | 否 | 极低 | 对话开始时的快速事实快照，或用于快速查找名称/角色/偏好 |
honcho_search | 否 | 低 | 获取特定的过去事实供你自己推理——原始摘录，无综合 |
honcho_context | 否 | 低 | 完整会话上下文快照：摘要、表示、卡片、最近消息 |
honcho_reasoning | 是 | 中–高 | 由 Honcho 辩证引擎综合的自然语言问题 |
honcho_conclude | 否 | 极低 | 写入或删除持久化事实；传递 peer: "ai" 用于 AI 自我知识 |
honcho_profile
读取或更新 peer 卡片—— curated 的关键事实（名称、角色、偏好、沟通风格）。传递 card: [...] 进行更新；省略则进行读取。无 LLM 调用。
honcho_search
对特定 peer 的存储上下文进行语义搜索。返回按相关性排序的原始摘录，无综合。默认 800 tokens，最大 2000。当你需要特定的过去事实供自己推理而不是综合答案时，此工具非常有用。
honcho_context
来自 Honcho 的完整会话上下文快照——会话摘要、peer 表示、peer 卡片和最近消息。无 LLM 调用。当你想一次性查看 Honcho 关于当前会话和 peer 的所有已知信息时使用。
honcho_reasoning
由 Honcho 的辩证推理引擎（Honcho 后端的 LLM 调用）回答的自然语言问题。成本较高，质量较高。传递 reasoning_level 以控制深度：minimal（快速/廉价）→ low → medium → high → max（详尽）。省略则使用配置的默认值（low）。用于综合理解用户的模式、目标或当前状态。
honcho_conclude
编写或删除关于对等体（peer）的持久性结论。传递 conclusion: "..." 以创建。传递 delete_id: "..." 以删除结论（用于移除个人身份信息 PII — Honcho 会随着时间的推移自动修复不正确的结论，因此仅在需要移除 PII 时才需删除）。你必须恰好传递这两个参数中的一个。
双向对等体定位
所有 5 个工具都接受一个可选的 peer 参数：
peer: "user"（默认）— 操作用户对等体peer: "ai"— 操作此配置文件的 AI 对等体peer: "<explicit-id>"— 工作区中的任何对等体 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 记忆激活时，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)
不要每轮对话都调用 honcho_reasoning。自动注入已经处理了持续的上下文刷新。仅当你真正需要基础上下文未提供的综合洞察时，才使用推理工具。
当用户分享需要记住的内容时
honcho_conclude conclusion="<specific, actionable fact>"
好的结论：“偏好代码示例而非散文式解释”、“正在开发一个 Rust 异步项目，持续到 2026 年 4 月” 坏的结论：“用户说了一些关于 Rust 的事情”（太模糊）、“用户似乎懂技术”（已在表示中体现）
当用户询问过去的上下文 / 你需要回忆具体细节时
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"
使用 AI 对等体定位来构建和查询 agent 自身的自我知识：
honcho_conclude conclusion="我在解释架构时倾向于冗长" peer="ai"— 自我纠正honcho_reasoning query="我通常如何处理模糊的请求？" peer="ai"— 自我审计honcho_profile peer="ai"— 审查自己的身份卡片
何时不调用工具
在 hybrid 和 context 模式下，基础上下文（用户表示 + 卡片 + 会话摘要）会在每轮对话前自动注入。不要重新获取已注入的内容。仅在以下情况调用工具：
- 你需要注入上下文中没有的内容
- 用户明确要求你回忆或检查记忆
- 你正在为新的内容编写结论
频率感知
工具端的 honcho_reasoning 与自动注入辩证法的成本相同。在显式工具调用后，自动注入频率重置 — 避免对同一轮对话重复收费。
配置参考
配置文件：$HERMES_HOME/honcho.json（本地配置文件）或 ~/.honcho/config.json（全局配置）。
关键设置
| 键 | 默认值 | 描述 |
|---|---|---|
apiKey | -- | API 密钥（获取一个） |
baseUrl | -- | 自托管 Honcho 的基础 URL |
peerName | -- | 用户对等体身份 |
aiPeer | host key | AI 对等体身份 |
workspace | host key | 共享工作区 ID |
recallMode | hybrid | hybrid、context 或 tools |
observation | all on | 每个对等体的 observeMe/observeOthers 布尔值 |
writeFrequency | async | async、turn、session 或整数 N |
sessionStrategy | per-directory | per-directory、per-repo、per-session、global |
messageMaxChars | 25000 | 每条消息的最大字符数（如果超出则分块） |
辩证法设置
| 键 | 默认值 | 描述 |
|---|---|---|
dialecticReasoningLevel | low | minimal、low、medium、high、max |
dialecticDynamic | true | 根据查询复杂度自动提升推理级别。false = 固定级别 |
dialecticDepth | 1 | 每次查询的辩证轮数（1-3） |
dialecticDepthLevels | -- | 可选的每轮级别数组，例如 ["low", "high"] |
dialecticMaxInputChars | 10000 | 辩证查询输入的最大字符数 |
上下文预算和注入
| 键 | 默认值 | 描述 |
|---|---|---|
contextTokens | uncapped | 组合基础上下文注入（摘要 + 表示 + 卡片）的最大 token 数。可选上限 — 省略则不设上限，设置为整数以限制注入大小。 |
injectionFrequency | every-turn | every-turn 或 first-turn |
contextCadence | 1 | 上下文 API 调用之间的最小轮数 |
dialecticCadence | 2 | 辩证 LLM 调用之间的最小轮数（推荐 1–5） |
contextTokens 预算在注入时强制执行。如果会话摘要 + 表示 + 卡片超出预算，Honcho 会首先修剪摘要，然后是表示，保留卡片。这防止了在长会话中上下文膨胀。
记忆上下文清理
Honcho 在注入前会对 memory-context 块进行清理，以防止提示注入和内容格式错误：
- 从用户撰写的结论中剥离 XML/HTML 标签
- 规范化空白字符和控制字符
- 截断超过
messageMaxChars的单个结论 - 转义可能破坏系统提示结构的分隔符序列
此修复解决了原始用户结论包含标记或特殊字符时可能损坏注入上下文块的边缘情况。
故障排除
"Honcho not configured"（Honcho 未配置）
运行 hermes honcho setup。确保 ~/.hermes/config.yaml 中包含 memory.provider: honcho。
会话间记忆未持久化
检查 hermes honcho status -- 验证 saveMessages: true 且 writeFrequency 不是 session（后者仅在退出时写入）。
配置文件未获得其对等体
创建时使用 --clone：hermes profile create <name> --clone。对于现有配置文件：hermes honcho sync。
仪表板中的观察变更未反映
观察配置在每次会话初始化时从服务器同步。在 Honcho UI 中更改设置后，启动一个新会话。
消息被截断
超过 messageMaxChars（默认 25k）的消息会自动分块并添加 [continued] 标记。如果经常遇到此情况，请检查工具结果或技能内容是否导致消息体积膨胀。
上下文注入过大
如果看到关于超出上下文预算的警告，请降低 contextTokens 或减少 dialecticDepth。当预算紧张时，会话摘要会被首先裁剪。
缺少会话摘要
会话摘要要求当前 Honcho 会话中至少存在一轮 prior turn（先前对话）。在冷启动（新会话，无历史记录）时，摘要会被省略，Honcho 将改用冷启动提示策略。
CLI 命令
| 命令 | 描述 |
|---|---|
hermes honcho setup | 交互式设置向导（云/本地、身份、观察、回忆、会话） |
hermes honcho status | 显示已解析的配置、连接测试以及活跃配置文件的对等体信息 |
hermes honcho enable | 为活跃配置文件启用 Honcho（如有需要则创建主机块） |
hermes honcho disable | 为活跃配置文件禁用 Honcho |
hermes honcho peer | 显示或更新对等体名称（--user <name>、--ai <name>、--reasoning <level>） |
hermes honcho peers | 显示所有配置文件中的对等体身份 |
hermes honcho mode | 显示或设置回忆模式（hybrid、context、tools） |
hermes honcho tokens | 显示或设置令牌预算（--context <N>、--dialectic <N>） |
hermes honcho sessions | 列出已知的目录到会话名称的映射 |
hermes honcho map <name> | 将当前工作目录映射到 Honcho 会话名称 |
hermes honcho identity | 设定 AI 对等体身份种子或显示双方对等体表示 |
hermes honcho sync | 为所有尚未拥有主机块的 Hermes 配置文件创建主机块 |
hermes honcho migrate | 从 OpenClaw 原生记忆迁移到 Hermes + Honcho 的分步迁移指南 |
hermes memory setup | 通用记忆提供者选择器（选择 "honcho" 将运行相同的向导） |
hermes memory status | 显示活跃的记忆提供者及配置 |
hermes memory off | 禁用外部记忆提供者 |