Hindsight vs Hermes Holographic MemoryHermes Agent 记忆提供商的架构权衡与选型指南【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight本文以 Hermes Agent 的 Holographic全息记忆方案为切入点解析其 HRR 代数表示、本地 SQLite 存储与信任度评分的设计动机并对照 Hindsight 的结构化事实记忆与多策略召回架构给出两者的架构差异、Hermes 侧的真实配置参数hermes memory setup、config.yaml/config.json、记忆模式以及一份可落地的选型决策指南。读完你可以判断什么场景该用轻量本地记忆什么场景需要跨会话、跨工具、多 Agent 共享的持久记忆层。Hermes 的 Holographic 记忆是什么Hermes 目前对外暴露了多个可插拔的记忆提供商其中 Holographic全息是最特殊的一个它不依赖云 API也不走标准的向量数据库流水线而是被 Hermes 的记忆提供商文档描述为一个HRR 基础的本地记忆系统配套 SQLite 存储、信任度评分trust scoring以及极低的召回延迟。这使它和 Hindsight 因不同的原因而具有吸引力当你想要一个紧凑、本地、代数式的记忆层依赖最少时Holographic 是合适的当你想要结构化事实抽取、多策略检索、可跨会话/工具/团队共享的记忆时Hindsight 更合适。两者解决的是相邻的问题但设计哲学完全不同。本文先解释 Holographic 想做什么、它的架构与 Hindsight 有何不同、各自的优势区间最后给出在 Hermes 中启用两套方案的具体配置示例。Holographic 的三个核心概念HRR 风格的代数表示Holographic全息指的是Holographic Reduced Representations全息简化表示这一类表示方法。其核心思想是记忆以代数方式表示而不是切成文本块后仅靠语义相似度检索。从工程视角不必深入数学细节只需要理解三点实用推论记忆存储在一个压缩的表示空间中检索是代数运算而非标准的 chunk 相似度搜索系统为速度与局部性而优化。这与知识图谱 多策略检索栈的路线形成了鲜明的设计对立。Hermes 记忆提供商文档给出的整体图景是本地 SQLite 存储零额外外部服务对召回记忆进行信任度评分最小化的工具面tool surface极快的本地检索信任度评分Trust ScoringHermes 资料中一个颇有意思的设计是信任度评分。其声明的目标是在多个会话中被反复确认的记忆权重上升而与更新信息相矛盾的记忆权重随时间下降。概念上这让存储趋向自我修正而非单纯累积。这是一个有实质意义的设计选择因为在长生命周期记忆系统中噪声是最难处理的问题之一——累积式存储会不断放大早期对话中的错误信息而信任度衰减机制则给了系统一种内建的纠错方向。本地优先存储Local-firstHolographic 被定位为基于本地 SQLite 的提供商这使它天然适合气隙air-gapped环境依赖轻量级的安装单用户本地工作流快速的实验性迭代也正因为如此它的默认叙事与 Hindsight Cloud 或多 Agent 共享 bank 的模式截然不同Holographic 优化的是一个用户在本地把记忆用起来而不是记忆在多端、多工具之间流动。重要边界说明Holographic 属于 Hermes Agent 生态内的提供商其 HRR、SQLite、信任度评分等描述来自 Hermes 侧的文档叙述本仓库不包含其实现代码因此本文对 Holographic 的论述均视为该生态的公开资料陈述而对 Hindsight 一侧的论述则可以直接在本仓库源码与文档中找到证据。Hindsight 的不同之处结构化事实记忆Hindsight 走的是几乎相反的路线。它不强调最小依赖和代数检索而是强调结构化记忆retain 时进行事实抽取fact extraction实体解析entity resolution关系构建relationship building时间推理temporal reasoning多策略召回multi-strategy recall重排序与综合reranking and synthesis换句话说Hindsight 被构建来回答这样的问题随时间推移发生了什么变化这些相互关联的记忆合起来意味着什么围绕某个实体或项目发生了什么多个 Agent 之间应该共享什么这一模型在召回架构文档 retrieval.md 中有完整描述recall()会并行运行TEMPR 四种检索策略语义、关键词、图谱遍历、时间检索再经 RRF 融合与 Cross-Encoder 重排序最后按 token 预算裁剪结果见 retrieval.md 中的流程图。这正是与单一代数检索机制最本质的差别。架构对比逐维度拆解维度Hermes HolographicHindsight核心思想HRR 风格的代数记忆结构化事实记忆默认存储本地 SQLite本地或云抽取方式不以 LLM 事实抽取为定位retain 时的结构化抽取检索侧重极快的本地召回语义 关键词 图谱 时间信任模型显式信任度评分演进式的事实、实体与观察observations跨工具共享记忆非主打一等公民最佳适配本地轻量记忆持久的跨会话 Agent 记忆从表格可以看出二者优化的目标函数不同Holographic 优化本地响应性与依赖面Hindsight 优化检索质量与共享性。在 Hermes 中配置两套记忆方案启用 Holographic 提供商Hermes 通过记忆向导暴露提供商设置hermes memory setup然后选择holographic。或者直接在~/.hermes/config.yaml中配置提供商memory: provider: holographic这种本地优先的极简设置正是该提供商吸引力的一部分。启用 Hindsight 提供商改用 Hindsight 时hermes memory setup然后选择hindsight。或者直接把提供商设为memory: provider: hindsight对于云端共享记忆还需按 Hermes 集成文档 提供 Hindsight 端点与凭据。集成文档给出的两条实际路径是# 方式一向导提示输入 API key 与 API URL自动完成配置 hermes memory setup # select hindsight # 方式二手动配置 hermes config set memory.provider hindsight echo HINDSIGHT_API_KEYyour-key ~/.hermes/.env echo HINDSIGHT_API_URLhttps://api.hindsight.vectorize.io ~/.hermes/.env配置完成后用hermes memory status确认记忆已激活。注意旧的独立 pip 插件hindsight-hermes已弃用在新版 Hermes 上工具会报Timeout context manager should be used inside a task应改用原生提供商迁移方案见 迁移指南。Hindsight 提供商的关键配置项真实默认值以下参数取自仓库中的集成文档 hermes.md全部位于~/.hermes/hindsight/config.json且都可用环境变量覆盖环境变量优先连接与守护进程配置项默认值环境变量说明modecloudHINDSIGHT_MODEcloud或localapi_urlhttps://api.hindsight.vectorize.ioHINDSIGHT_API_URLHindsight API 地址api_keynullHINDSIGHT_API_KEY云端鉴权 tokenapiPort9077HINDSIGHT_API_PORT本地 Hindsight 守护进程端口本地模式的 LLM 提供商仅local模式需要配置项默认值环境变量说明llm_provideropenaiHINDSIGHT_LLM_PROVIDER支持openai、anthropic、gemini、groq、minimax、ollama、lmstudiollm_api_key—HINDSIGHT_LLM_API_KEY所选提供商的 API keyllm_model各提供商默认模型HINDSIGHT_LLM_MODEL模型覆盖记忆银行Memory Bank配置项默认值环境变量说明bank_idhermesHINDSIGHT_BANK_ID记忆银行 IDbankMissionHINDSIGHT_BANK_MISSION该银行的 Agent 身份/目的自动召回与自动留存配置项默认值环境变量说明autoRecalltrueHINDSIGHT_AUTO_RECALL通过pre_llm_call钩子启用自动召回recallBudgetmidHINDSIGHT_RECALL_BUDGET召回力度low/mid/highrecallMaxTokens4096HINDSIGHT_RECALL_MAX_TOKENS召回响应最大 token 数autoRetaintrueHINDSIGHT_AUTO_RETAIN通过post_llm_call钩子启用自动留存集成模式配置项默认值说明memory_modehybridhybrid自动注入 工具/context仅自动注入/tools仅工具prefetch_methodrecallrecall注入原始事实快/reflectLLM 综合摘要更连贯但慢这套配置表本身就说明了两种方案的定位差异Holographic 几乎不需要这类配置面而 Hindsight 在 Hermes 内部暴露了召回预算、token 上限、记忆模式等一整套可调参数因为其背后是一个多策略检索系统。生命周期钩子与显式工具原生 Hindsight 提供商向 Hermes 注册了 5 个组件见 hermes.md组件作用pre_llm_call钩子自动召回——查询记忆并作为临时系统提示上下文注入post_llm_call钩子自动留存——把本轮用户/助手对话存入 Hindsighthindsight_retain工具显式记忆存储模型主动调用hindsight_recall工具显式记忆检索模型主动调用hindsight_reflect工具基于已存记忆的 LLM 综合回答这意味着 Hindsight 的自动留存发生在每次响应之后异步抽取事实、实体与关系而自动召回发生在下一次调用之前——当前轮次写入的记忆要到下一轮才会被召回这是刻意的异步设计用来保证每次 LLM 调用的低延迟。性能特征先分清哪种性能讨论性能时必须区分两个维度否则结论没有意义。Holographic 的性能Hermes 资料将 Holographic 定位为亚毫秒级的本地检索最小开销无外部服务延迟这对本地响应性是一个很强的性能画像单用户、单机、低延迟。Hindsight 的性能Hindsight 的性能叙事不同。它并不试图成为最轻量的本地记忆提供商而是试图在更难的记忆工作负载下准确检索包括 BEAM 这类大规模记忆基准。据仓库博客 Hindsight Is #1 on BEAM 的叙述BEAM 测试了 1000 万 token 量级、上下文塞入在物理上不可能的记忆场景Hindsight 在该量级取得 64.1%次高的已公开结果约 40.6%数据以该仓库博客为准。因此权衡不是哪个更快而是哪个为我的真实工作负载做了优化Holographic 优化检索路径的延迟Hindsight 优化复杂查询时间、实体、多跳关系下的召回质量。选型决策指南选择Hermes Holographic当你的部署是本地优先的你希望依赖越少越好你最看重轻量记忆与快速召回跨工具共享记忆不是主要需求选择Hindsight当你希望记忆在跨会话、跨工具间持久你需要比单一本地机制更丰富的检索时间与实体的连续性很重要多个 Agent 或客户端需要共享上下文你希望有一套在规模下有公开基准证据的系统如何理解这个权衡Holographic 的有趣之处在于它从系统角度切入记忆问题保持本地、保持轻量、保持代数化。Hindsight 则从Agent 记忆角度切入retain 时保留结构、检索时走多条策略、让记忆在更大的工作流中可用。这两个都是正当的设计目标只是优化了不同的环境。一个务实的判断标准是如果你的 Agent 只是单机的连续对话伙伴Holographic 的极简路线已经足够如果 Hermes 只是更大 Agent 系统的一部分——多设备、多工具、多 Agent 共享同一个记忆银行——那么结构化的事实记忆与多策略召回会直接决定上周说过的事这周还能不能想起来。参考路径本仓库内Hermes 集成文档配置表、钩子、连接模式、故障排查hermes.mdHindsight 召回架构TEMPR 四策略、融合与重排序retrieval.mdBEAM 基准结果博客beam-sota.mdHermes 原生记忆提供商发布说明hermes-native-memory-provider.md内置记忆与 Hindsight 规模化对比comparison-hermes-built-in-memory-vs-hindsight-at-scale.md旧插件迁移指南guide-migrate-hindsight-hermes-to-native-hermes-memory.md【免费下载链接】hindsightHindsight: Agent Memory That Learns项目地址: https://gitcode.com/GitHub_Trending/hindsight2/hindsight创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考