02-Hermes 的核心理念：认识一个“会记住你“的 AI
·
Hermes 的核心理念：认识一个"会记住你"的 AI
装好了 Hermes，第一次对话开始了。你说"你好，我叫 Barry，是一个全栈工程师"。它记住了。但它的"记住"和 ChatGPT 的"记住"有什么不同？这篇文章不是教你配 config.yml（那是下一篇），而是让你理解 Hermes 最核心的差异化能力——它不是一个用完就忘的工具，而是一个真的在"了解你"的 AI。
Hermes 和 ChatGPT/Claude 的根本区别
ChatGPT/Claude 的"记忆"
ChatGPT 的记忆机制：
用户说了什么 → ChatGPT 判断"这条信息可能以后有用"
→ 存入一个独立的记忆存储 → 下次对话时在 System Prompt 中注入
问题：
- 记忆是你明确说的（"我叫 Barry"），ChatGPT 被动记录
- 不会主动从对话中推断
- 不会从你的纠正中学到"你偏好什么风格"
- 记忆是孤立的条目，不是关联的知识网络
Hermes 的"记忆"
Hermes 的记忆机制：
你在对话中的每一句话 → Hermes 在后台持续分析：
"这条信息说明了关于这个用户的什么？"
"这个纠正反映了什么偏好？"
"这个习惯和之前记录的那个习惯有关联吗？"
主动 vs 被动：
ChatGPT：你说"记住这个" → 记住了
Hermes：你没说"记住" → 但它发现你连续 3 次把它的 for 循环改成 map
→ 它自己推断："用户偏好函数式风格"
→ 写入持久记忆
→ 下次自动用 map 而不是 for
这就是"自进化"的核心：不是你在教 AI，是 AI 在观察你。
第一次启动 Hermes
初始化
# 初始化配置文件
hermes init
# 交互式初始化，Hermes 会问几个问题：
# 🤖 你希望我怎么称呼你？
# 👤 Barry
# 🤖 你的主要工作内容是什么？
# 👤 全栈开发，FastAPI + React + TypeScript
# 🤖 你偏好什么语言交流？
# 👤 中文，但代码标识符用英文
# 🤖 好的，已记录。你在哪个时区？
# 👤 Asia/Shanghai
# 🤖 初始化完成。配置文件: ~/.hermes/config.yml
# 现在可以开始对话了: hermes chat
初始化过程本身就是一个"认识你"的起点——Hermes 把这些答案存入持久记忆。
配置模型
# 设置 API Key
export ANTHROPIC_API_KEY=sk-ant-your-key-here
# 如果你在 config.yml 中手动配置：
# model:
# provider: anthropic
# name: claude-sonnet-4-6
# api_key: ${ANTHROPIC_API_KEY}
# 启动对话
hermes chat
第一次对话
🤖 Hermes > 你好 Barry！准备好开始工作了。需要我做什么？
👤 > 我想写一个 FastAPI 的用户积分查询接口
🤖 > 好的。为了写出符合你风格的代码，我确认一下：
- API 返回格式用 { "code": 0, "data": ..., "message": "" }？
- 数据库操作用 try/except？
- 注释用中文？
（这是它从初始化信息中推断的——你说了"FastAPI + 中文交互"）
👤 > 对，另外错误信息用中文
🤖 > 明白了。以下是积分查询接口：
[生成代码...注意：注释已经是中文的了]
注意：Hermes 在写代码之前先确认了你的偏好。这不是因为 System Prompt 里写了"要先确认"——而是因为它从你初始化时说"中文交互"推断出你可能也想要中文错误信息，但不确定，所以确认。
Hermes 在后台做什么
你在对话的时候，Hermes 在后台并行做了三件事：
┌─────────────────────────────────────────────────────┐
│ Hermes 后台并行处理 │
├─────────────────────────────────────────────────────┤
│ │
│ 前台（你看到的）： │
│ 接收你的消息 → 检索相关记忆 → 生成回复 │
│ │
│ 后台 1（身份提取）： │
│ 分析对话中关于"你是谁"的线索 │
│ → 更新用户画像（职业/技能/偏好/项目） │
│ │
│ 后台 2（模式识别）： │
│ 分析你的纠正和反馈 │
│ → "他 3 次把 for 改成 map → 偏好函数式" │
│ → "他要求错误信息用中文 → 语言偏好" │
│ → 关联已有记忆 → 更新或新建记忆条目 │
│ │
│ 后台 3（记忆维护）： │
│ 清理过时的记忆（不再适用的偏好） │
│ 合并重复的记忆 │
│ 强化频繁使用的记忆 │
│ │
└─────────────────────────────────────────────────────┘
查看 Hermes 对你的理解
# 查看 Hermes 存储的关于你的记忆
hermes memory list --type user
# 第一天的输出可能是：
# [user] name: Barry
# [user] role: 全栈工程师
# [user] tech_stack: FastAPI, React, TypeScript
# [user] language: 中文（代码标识符英文）
# [user] timezone: Asia/Shanghai
# 查看 Hermes 的"自我介绍"——它对"你是谁"的完整理解
hermes memory about-me
# 输出示例：
# Barry 是一个全栈工程师，主要使用 FastAPI + React + TypeScript。
# 偏好中文交流但代码用英文标识符。
# 通常在 Asia/Shanghai 时区工作。
# 看起来是一个人在做 side project。
# 代码风格偏好还不清楚（需要更多对话来观察）。
如果发现理解有误，直接纠正：
hermes memory edit <memory-id> --content "新的正确内容"
# 或者直接在对话中说：
👤 > 我不是一个人在做的，我们团队有 3 个工程师
🤖 > 已更新：你是一个 3 人团队的成员。
一个月的演进
这是 Hermes 最独特的价值——它不是第一天就完美，但它每一天都在变好：
第一周：像聪明但不懂你的助手
Day 1-3: Hermes 像普通的 AI 助手
- 能完成任务，但风格不稳定
- 有时候用 for 循环，有时候用 map
- 错误信息有时候中文有时候英文
- 你在频繁纠正
Day 4-7: 开始注意到模式
- 你纠正了 5 次 for→map 后，它开始默认用 map
- 你说了 3 次"错误信息用中文"后，不再出现英文错误信息
- 你开始少纠正了
第二周：开始主动引用之前的对话
Day 8-10: 跨会话记忆开始发挥作用
👤 > 帮我写一个用户认证接口
🤖 > 好的。基于你之前的偏好，我会：
- 用 FastAPI + SQLAlchemy
- API 返回 { "code": 0, "data": ..., "message": "" }
- 所有数据库操作包含 try/except
- 密码用 bcrypt 加密（你上周在另一个项目中要求的）
- 错误信息用中文
需要我确认这些偏好吗？还是直接开始？
👤 > 直接开始，完全正确
这时候你开始感觉到"它了解我"——不是因为它更聪明了，而是因为它真的记住了你说过的每一句话，并从中提炼了规则。
第三周：代码风格和你自己写的越来越像
Day 15-18: 自动生成的 code-style Skill 开始发挥作用
👤 > 加一个用户积分查询接口
🤖 > [生成的代码]
- 函数 18 行（不超过 30 行 ✅）
- 用了 Pydantic model 做请求验证 ✅
- Decimal 精度处理金额 ✅
- 参数校验加在函数开头 ✅
- 注释用中文 ✅
这些不是你这次告诉它的。是它从过去两周的对话中学到的。
它自动生成了一个 code-style Skill（第 23 篇会细讲）。
第四周：在你开口前预判你的需求
Day 25-30: 预判行为开始出现
👤 > 今天想加一个优惠券模块
🤖 > 好的。在开始之前——
- 优惠券模型需要引用 User 表的外键（和积分模块类似）
- 你上周说过数据库迁移用 Alembic，需要我生成迁移脚本吗？
- 根据你的习惯，我会先写 model → service → router → test 四个文件
- 另外，你上次提到想要一个 doc 目录——要我一并生成 API 文档吗？
它不只是"帮你写代码"，而是"像你的搭档一样思考"。
查看和管理记忆
日常命令
# 查看所有关于你的记忆
hermes memory list --type user
# 查看项目相关的记忆
hermes memory list --type project
# 查看从你的纠正中学到的规则
hermes memory list --type feedback
# 查看 Hermes 自动生成的关联
hermes memory graph
# 输出：
# Barry ──偏好──→ 函数式风格
# Barry ──使用──→ FastAPI
# Barry ──偏好──→ 中文错误信息
# 函数式风格 ──关联──→ map/filter/reduce
# FastAPI ──关联──→ {code, data, message} 返回格式
# 搜索记忆
hermes memory search "数据库连接池"
# 返回相关的记忆条目
# 删除过时的记忆
hermes memory forget <memory-id>
# 或
hermes memory forget --query "MySQL" # 删除所有 MySQL 相关记忆（你已迁移到 PostgreSQL）
纠正记忆
记忆不是一成不变的——你的偏好会变，Hermes 也应该跟着变：
👤 > 我之前说用 MySQL，但现在团队决定迁移到 PostgreSQL
🤖 > 已更新记忆：
- 删除: [project] database: MySQL
- 新增: [project] database: PostgreSQL
- 更新: ORM 从 SQLAlchemy MySQL dialect → PostgreSQL dialect
需要我更新现有的数据库迁移脚本吗？
Hermes 能做什么（以及不能做什么）
能做什么
✅ 记住你的偏好并主动应用
→ 不是"你说了它记住"，而是"它观察你然后自己总结"
✅ 跨会话保持上下文
→ 三天前的对话中提到的偏好，今天的对话中自动应用
✅ 从纠正中学习
→ 你纠正 3-5 次后，它会自动生成规则，不再犯同类错误
✅ 跨平台统一人格
→ 你在飞书上纠正过它，Telegram 上的它也记住了
✅ 主动预判需求
→ 四周后，它会在你开口前就列出你可能需要的选项
不能做什么
❌ 替代 Claude Code 做高强度编码
→ Hermes 的记忆系统很强，但代码生成能力和 Claude Code 差不多
→ 它不是"更强的代码生成器"，是"更懂你的代码生成器"
❌ 替代 OpenClaw 做多 Agent 编排
→ Hermes 是单 Agent 设计，没有 Orchesterator/Worker 分工
→ 复杂任务拆解和并行不是它的强项
❌ 作为生产数据库
→ 它的记忆存储（SQLite）是单机设计
→ 不适合高并发读写
❌ 完全离线（目前）
→ 记忆存储可以离线（SQLite 本地），但推理还需要调云端 API
→ 除非你接 Ollama 本地模型
和 OpenClaw 的心理模型对比
OpenClaw = 一个"团队经理"
- 管一群人，让每个人做自己最擅长的事
- 团队里的人来了又走（Worker 用完就释放）
- 你不指望经理了解你的个人偏好
Hermes = 一个"长期搭档"
- 只有一个人，但这个人见证了你所有的决策和迭代
- 他知道你为什么选择这个架构、你被什么 bug 坑过
- 三周后你们之间只需要半句话
什么时候用哪个：
→ "这个任务需要 3 个人同时干" → OpenClaw
→ "我希望 AI 真的懂我" → Hermes
→ "两者都要" → 两个都用（第 42 篇讲怎么搭配）
这篇文章的要点
1. Hermes 的记忆 ≠ ChatGPT 的记忆
→ 被动记录 vs 主动观察和推断
→ 孤立的条目 vs 关联的知识网络
2. Hermes 在后台并行做三件事：
→ 身份提取（你是谁）→ 模式识别（你偏好什么）→ 记忆维护（清理和关联）
3. 一个月的演进路径：
→ 第一周：频繁纠正，它开始注意到模式
→ 第二周：跨会话记忆生效，主动应用你的偏好
→ 第三周：自动生成 code-style Skill，代码风格与你一致
→ 第四周：预判你的需求，半句话就能协作
4. Hermes 不是"更强的 Claude Code"，是"更懂你的 AI"
→ 它的价值不在推理深度，在长期记忆和自进化
5. 查看记忆：hermes memory list / about-me / graph
延伸阅读
中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。
更多推荐
3
0- 0
已为社区贡献12条内容
所有评论(0)