AI 助理最常见的痛点——聊着聊着就忘了。昨天的项目细节、上个月的人物关系、上周的决策理由……每次重启对话都像重新认识一个陌生人。Hermes Agent 原生提供了 memory 工具和 skill 系统，但缺乏一个开箱即用、结构化的长期记忆管理方案。
本项目旨在为 Hermes 补充一套完整的记忆体管理体系：从档案模板、自动归档到上下文智能路由，让 AI 真正"记住"你。
本项目在设计和实现过程中，参考并借鉴了以下优秀项目的具体部分：
| 项目 | 借鉴内容 | 致谢 |
|---|---|---|
| mem0 | 用户/会话/系统三层记忆分层架构 | 其分层抽象启发了我们的 Skill 三层设计（starter-kit / archivist / proactive） |
| LangChain Memory | ConversationBufferMemory + VectorStoreRetrieverMemory 的组合模式 |
启发了"延迟加载 + FTS5 全文检索"的混合检索策略 |
| Obsidian | 本地优先、纯文本 Markdown 档案哲学 | 所有档案均以 Markdown 格式存储，用户可直接用任意编辑器查看和修改 |
| SQLite FTS5 | 嵌入式全文检索引擎 | 零外部依赖，利用 Python 内置 SQLite 实现毫秒级档案检索 |
| Karpathy's llm wiki | 个人知识库的极简组织方式 | 档案目录结构（people / projects / knowledge）直接借鉴 |
特别感谢 Hermes Agent 开发团队提供的原生 memory 和 skill 扩展机制，使本项目得以在不修改任何核心代码的前提下实现零侵入部署。
┌─────────────────────────────────────────────────────────┐
│ 对话层 │ 用户输入 → Hermes Gateway → 生成回复 │
│ ─────── │ │
│ 技能层 │ ▶ memory-starter-kit → 档案模板 + 存储规范 │
│ │ ▶ memory-archivist → 定时归档 + 自动清理 │
│ │ ▶ memory-proactive → 上下文路由 + 智能加载（可选） │
│ ─────── │ │
│ 数据层 │ ~/.hermes/archives/ → Markdown 档案库 │
│ │ ~/.hermes/pool.db → SQLite + FTS5 索引 │
│ │ ~/.hermes/config.yaml → 配置自动插入 Skill 路径 │
└─────────────────────────────────────────────────────────┘
| 能力维度 | 原版 Hermes | ⭐ 增强版（本项目） |
|---|---|---|
| 记忆存储 | 单一文本字符串，无结构 | 分类档案（人物/项目/知识）+ 模板化 Markdown |
| 记忆检索 | 完全依赖 LLM 上下文窗口 | FTS5 全文检索 + 关键词匹配，毫秒级定位 |
| 自动化 | 无 | 定时归档、自动清理、备份回滚机制 |
| 上下文感知 | 仅当前对话 | 延迟分析上一轮对话，自动加载相关档案 |
| 可视化 | 不可直接查看 | Markdown 档案可用任意编辑器打开 |
| 扩展性 | 需修改核心代码 | 零侵入，纯 Skill 扩展 |
| 安装难度 | 手动配置 | 30 秒一键安装 |
curl -fsSL https://raw.githubusercontent.com/mage0535/hermes-memory-installer/main/install.sh | bash- 自动检测环境（Python >= 3.9、SQLite FTS5）
- 自动备份
config.yaml - 自动创建目录 + 初始化数据库 + 安装 Skill
- 约 30 秒完成
cd hermes-memory-installer
cp -r skills/memory-starter-kit ~/.hermes/skills/
cp -r skills/memory-archivist ~/.hermes/skills/
python3 scripts/init_db.py
# 手动编辑 config.yaml 添加 skills- 完全可控，每步手动决策
- 适合有自定义配置的高级用户
📖 详细设计与开发文档（中文）
📖 Design & Development Documentation (English)
The #1 pain point of AI assistants — they forget. Yesterday's project details, last month's relationships, last week's decisions... every new session feels like meeting a stranger. Hermes Agent provides native memory and skill mechanisms, but lacks an out-of-the-box, structured long-term memory solution.
This project fills that gap with a complete memory management system: archival templates, automated archiving, and intelligent context routing — so your AI truly remembers you.
| Project | What We Borrowed | Thanks For |
|---|---|---|
| mem0 | User / session / system memory layering | Inspired our 3-tier Skill design (starter-kit / archivist / proactive) |
| LangChain Memory | ConversationBufferMemory + VectorStoreRetrieverMemory hybrid |
Inspired our "lazy loading + FTS5 full-text search" retrieval strategy |
| Obsidian | Local-first, plain-text Markdown philosophy | All archives are Markdown — viewable in any editor |
| SQLite FTS5 | Embedded full-text search engine | Zero external deps, millisecond-level archive retrieval |
| Karpathy's llm wiki | Minimalist knowledge base organization | Archive directory structure (people / projects / knowledge) |
Special thanks to the Hermes Agent team for the native memory and skill extension APIs, enabling this project to deploy with zero core code modification.
┌─────────────────────────────────────────────────────────┐
│ Dialog │ User Input → Hermes Gateway → AI Response │
│ Layer │ │
│ ─────── │ │
│ Skill │ ▶ memory-starter-kit → Templates + Storage Standards │
│ Layer │ ▶ memory-archivist → Auto-archive + Cleanup │
│ │ ▶ memory-proactive → Context Routing (optional) │
│ ─────── │ │
│ Data │ ~/.hermes/archives/ → Markdown Archive Library │
│ Layer │ ~/.hermes/pool.db → SQLite + FTS5 Index │
│ │ ~/.hermes/config.yaml → Auto-inserted Skill Paths │
└─────────────────────────────────────────────────────────┘
| Dimension | Original Hermes | ⭐ Enhanced (This Project) |
|---|---|---|
| Storage | Single text blob, no structure | Categorized archives (people/projects/knowledge) + Templated Markdown |
| Retrieval | Relies entirely on LLM context window | FTS5 full-text search + keyword matching, millisecond accuracy |
| Automation | None | Scheduled archiving, auto-cleanup, backup rollback |
| Context Awareness | Current session only | Delayed analysis of prior conversation, auto-load relevant archives |
| Observability | Not directly viewable | Markdown archives editable in any editor |
| Extensibility | Requires core code changes | Zero intrusion, pure Skill extension |
| Install Time | Manual configuration | 30-second one-click install |
curl -fsSL https://raw.githubusercontent.com/mage0535/hermes-memory-installer/main/install.sh | bash- Auto-detects environment (Python >= 3.9, SQLite FTS5)
- Auto-backs up
config.yaml - Auto-creates dirs + init DB + install Skills
- ~30 seconds total
cd hermes-memory-installer
cp -r skills/memory-starter-kit ~/.hermes/skills/
cp -r skills/memory-archivist ~/.hermes/skills/
python3 scripts/init_db.py
# Manually edit config.yaml to add skills- Full control, step-by-step decisions
- Best for users with custom configurations
📖 Detailed Design & Development Docs (Chinese)
📖 Design & Development Documentation (English)
| Version | Package | Description | Download |
|---|---|---|---|
| v0.1.0 | hermes-memory-installer-v0.1.0-oneclick.sh |
一键安装脚本 / One-click installer | Download |
| v0.1.0 | hermes-memory-installer-v0.1.0-manual.zip |
手动安装套件 / Manual install bundle | Download |
发布页: https://github.com/mage0535/hermes-memory-installer/releases
MIT