13. Hermes Agent 记忆系统——跨会话持续生长的持久记忆大多数 Agent 用完即弃下次对话从零开始。Hermes 的持久化记忆系统让 Agent 能记住你的偏好、项目环境和经验教训跨会话持续生长而不是每次都把同样的事重新讲一遍。两个文件两种记忆Hermes 的记忆体系设计得异常克制——只有两个文件各有分工。MEMORY.md是 Agent 的个人笔记记录环境事实、项目约定、工具怪癖和经验教训上限 2200 字符约 800 tokens。USER.md是用户档案记录身份、偏好、沟通风格上限 1375 字符约 500 tokens。两个文件都存放在~/.hermes/memories/下在会话开始时以冻结快照的形式注入系统 prompt。这意味着每次对话开始Agent 就已经知道你是谁、你在做什么项目、你喜欢什么样的回复风格。# ~/.hermes/config.yamlmemory:memory_enabled:trueuser_profile_enabled:truememory_char_limit:2200# ~800 tokensuser_char_limit:1375# ~500 tokens冻结快照为什么记忆不在会话中途更新这是一个容易被忽视但很重要的设计决策。记忆在会话开始时注入系统 prompt 后就冻结了会话中途不改变。原因不是懒而是为了保留 LLM 的前缀缓存——如果系统 prompt 在对话过程中变动缓存就会失效每次请求都要重新计算前缀性能开销可观。那会话中添加的记忆去哪了更改会立即持久化到磁盘但要到下一次会话开始才会出现在系统 prompt 中。工具响应始终显示实时状态所以 Agent 知道自己刚保存了什么只是当前会话的系统 prompt 不变。这是性能与一致性的权衡设计上相当干净。Memory 工具Agent 自我管理记忆Agent 通过 memory 工具管理自身记忆支持三种操作add添加条目、replace替换条目、remove删除条目。没有read操作因为记忆内容已经在系统 prompt 里了Agent 作为对话上下文的一部分就能看到。replace 和 remove 使用子字符串匹配不需要完整的条目文本# 如果记忆中有 User prefers dark mode in all editors memory(actionreplace, targetmemory, old_textdark mode, contentUser prefers light mode in VS Code, dark mode in terminal)如果子字符串匹配到多个条目工具返回错误要求更具体的匹配。这个设计鼓励紧凑、信息密度高的条目避免冗长叙述。什么该存什么该跳过记忆容量有限取舍就成了关键。Agent 会自动保存用户偏好、环境事实、纠正信息、项目约定和已完成的工作。比如我更喜欢 TypeScript 而非 JavaScript会存到 user此服务器运行 Debian 12安装了 PostgreSQL 16会存到 memory。但有几类内容应该跳过琐碎信息用户询问了 Python太模糊、容易重新发现的事实搜索引擎能查到、原始数据转储大型代码块对记忆太大、会话特定的临时内容以及已在 SOUL.md 和 AGENTS.md 中的信息。好的记忆条目应该紧凑且信息密度高# 好多条相关事实打包 User runs macOS 14 Sonoma, uses Homebrew, has Docker Desktop and Podman. Shell: zsh with oh-my-zsh. Editor: VS Code with Vim keybindings. # 好具体可操作的约定 Project ~/code/api uses Go 1.22, sqlc for DB queries, chi router. Run tests with make test. CI via GitHub Actions. # 坏太模糊 User has a project.容量管理与整合策略当记忆接近上限时系统 prompt 标头会显示使用百分比Agent 据此判断是否需要整合。最佳实践是当使用率超过 80% 时在添加新条目前先整合现有条目——把三个独立的项目使用 X条目合并为一个综合性的项目描述。如果尝试添加会超出上限的条目工具返回错误并显示当前条目列表和使用情况Agent 应当读取这些信息、识别可整合的条目、用 replace 合并后再 add。记忆系统还会自动拒绝完全重复的条目并在接受前扫描注入和数据外泄模式匹配威胁模式prompt 注入、凭据外泄、SSH 后门或包含不可见 Unicode 字符的内容会被拦截。毕竟这些内容要注入系统 prompt安全审查不可少。记忆与会话搜索互补而非替代除了持久化记忆Hermes 还提供session_search工具基于 SQLite FTS5 全文搜索所有历史会话。两者的定位截然不同持久化记忆约 1300 tokens每次 prompt 都有固定开销适合应始终在上下文中的关键事实。会话搜索无限制按需查询免费无 LLM 调用适合我们上周讨论过 X 吗这类需要从过去对话中回忆具体内容的场景。一个始终在线、开销固定一个按需调用、容量无限。组合使用Agent 既有工作记忆又有长期回忆。外部记忆提供商对于超出内置记忆范围的更深层持久化需求Hermes 内置了 8 个外部记忆提供商插件包括 Honcho、Mem0、Hindsight、Supermemory 等。这些提供商与内置记忆并行运行而非替代增加知识图谱、语义搜索、自动事实提取和跨会话用户建模等能力。通过hermes memory setup选择配置hermes memory status查看激活状态。Frequently Asked QuestionsQ为什么记忆要在会话开始时冻结而不是实时更新到系统 promptA核心原因是前缀缓存。LLM 推理时系统 prompt 作为前缀会被缓存如果它在中途变动缓存就失效了每次请求都要重新计算整个前缀的 attention延迟和成本都会上升。Hermes 的做法是把记忆注入做成一次性快照会话期间不变这样前缀缓存能完整保留。你可能会担心那会话中保存的记忆当前会话用不上——确实如此但工具响应会实时显示记忆操作的结果Agent 知道自己保存了什么只是系统 prompt 不变。下次开会话时新记忆就生效了这种取舍在工程上是合理的。QMEMORY.md 和 USER.md 分开存有什么实际好处合并成一个不行吗A分开的好处是职责清晰、独立管理。MEMORY.md 是环境侧的事实——操作系统、项目结构、工具配置这些和你是谁无关换个人用同一台机器也成立。USER.md 是人侧的偏好——沟通风格、技术水平、反感的事项这些跟着你走。分开后 Agent 能更精准地决定往哪写用户说我喜欢简洁回复写 user用户说这个项目用 Go 1.22写 memory。合并的话条目混在一起容量管理会变乱也很难做 per-user 跨实例迁移。另外两者的 token 上限不同800 vs 500分开能各自控制开销。Q记忆满了要整合Agent 自己能做好吗会不会把重要信息整合丢了A大多数情况下可以但有风险。Agent 整合时会读取当前条目列表错误响应里会返回然后判断哪些可以合并。风险在于 Agent 对什么重要的判断不一定和你一致——它可能把某个你觉得关键的细节当冗余信息精简掉了。实践中建议两点一是写记忆条目时尽量紧凑但信息完整别写半句话让 Agent 去猜二是定期手动检查~/.hermes/memories/下的文件内容发现不对可以用 replace 纠正。记忆是 Agent 自己管的但你是最终责任人偶尔审计一下很有必要。延伸阅读与交流本文涉及的Hermes Agent自进化智能体技术体系目前已有系统化的深度学习资源可供参考。中国通信工业协会通信和信息技术创新人才培养工程项目办公室将于近期组织相关技术专题分享围绕本文讨论的AI原生架构、智能体工作流、自进化数据层等方向展开系统讲解。专题信息主题AI原生Hermes自进化智能体系统时间2026年8月22-23日形式线上直播内容方向AI原生架构 · Hermes智能体拆解 · 全栈扩展 · 智能自动化 · 产品级实战 · Context Engine · 自进化数据层分享嘉宾王老师GavinAgentic AI企业联合创始人兼CTO十余年硅谷AI系统工程经验。长期深耕NLP、强化学习、可控AI与智能体系统架构提出语言即控制Language as Control原创范式在RLHF、PPO、DPO、GRPO等方向有系统化工程实践推动智能体技术在社交媒体、医疗、金融、法律、教育等专业场景落地。联系邮箱hiheartfirstgmail.com技术交流联系人SamHermes Agent技术文档https://hermes-agent.nousresearch.com/docs/PostgreSQL 简介与环境搭建本文是 PostgreSQL 从入门到精通系列的第 1 篇带你快速认识 PostgreSQL 并完成本地环境的安装与连接。一、PostgreSQL 是什么PostgreSQL常被简称为 Postgres是一个功能强大的开源关系型数据库管理系统RDBMS。它诞生于 1986 年的加州大学伯克利分校至今已有近四十年的发展历史是世界上最先进的开源数据库之一。PostgreSQL 的核心特点包括标准兼容高度遵循 SQL 标准SQL:2008 大部分特性支持复杂查询、外键、触发器、视图、事务等。可靠性高经过 decades 的生产验证以稳定性著称号称崩溃也不丢数据。数据类型丰富除基本类型外原生支持数组、JSON/JSONB、UUID、hstore、地理空间PostGIS、全文检索等。可扩展性强支持自定义函数、自定义类型、自定义操作符甚至可以用 C/Python/Perl/PL/pgSQL 等多种语言编写存储过程。MVCC 多版本并发控制读不阻塞写、写不阻塞读高并发场景下表现优异。正因为这些特性PostgreSQL 被广泛应用于 OLTP 业务、数据仓库、地理信息系统、时序数据等场景也是 Neon、AWS Aurora、阿里云 PolarDB 等云数据库的底层基础。二、PostgreSQL 体系结构速览理解 PostgreSQL 的架构有助于后续排查问题集群Cluster一个 PostgreSQL 实例管理一组数据库的集合由initdb初始化。数据库Database每个集群下有多个数据库彼此隔离。模式Schema数据库内的命名空间默认是public。表Table存储数据的物理单元属于某个模式。后台进程包括主进程postmaster、写入进程background writer、WAL 写入进程walwriter、自动清理进程autovacuum launcher等。数据文件默认存放在data_directory指向的目录中WALWrite-Ahead Logging预写式日志是保证持久性的关键机制——所有修改先写日志再落盘。三、安装 PostgreSQLPostgreSQL 跨平台支持下面分别介绍三大平台的安装方式。1. Windows 安装推荐使用官方的 EnterpriseDB 安装包访问 https://www.postgresql.org/download/windows/ 下载对应版本的安装器。运行安装程序选择安装目录、数据目录。设置超级用户postgres的密码务必记住。选择端口默认 5432。选择区域设置Locale中文环境建议选Default locale或C。完成安装后会同时安装 pgAdmin 图形管理工具与命令行工具psql。安装完成后把C:\Program Files\PostgreSQL\版本\bin加入系统PATH即可在任意终端使用psql。2. macOS 安装推荐使用 Homebrew# 安装brewinstallpostgresql16# 启动服务开机自启brew services start postgresql16# 查看版本psql--version初始化数据库集群# 若未自动初始化手动执行initdb /opt/homebrew/var/postgresql163. LinuxUbuntu/Debian安装# 添加官方仓库sudosh-cecho deb https://apt.postgresql.org/pub/repos/apt $(lsb_release -cs)-pgdg main /etc/apt/sources.list.d/pgdg.listcurl-fsSLhttps://www.postgresql.org/media/keys/ACCC4CF8.asc|sudogpg--dearmor-o/etc/apt/trusted.gpg.d/postgresql.gpg# 安装sudoaptupdatesudoaptinstallpostgresql-16安装后系统会自动创建postgres用户和同名的系统账户。切换到该账户即可操作sudo-i-upostgres psql四、使用 psql 连接数据库psql是 PostgreSQL 官方命令行客户端功能强大是日常运维和学习的必备工具。基本连接方式# 连接本地默认数据库以 postgres 用户psql-Upostgres-dpostgres-hlocalhost-p5432参数说明-U用户名-d数据库名-h主机地址本地可省略或用localhost本机 socket 连接可省略-p端口默认 5432进入psql后常用反斜杠命令命令功能\l列出所有数据库\c dbname切换到指定数据库\dt列出当前数据库的表\d tablename查看表结构\du列出所有角色/用户\dn列出所有模式\q退出 psql\?查看 psql 命令帮助\h SELECT查看 SQL 语句语法帮助五、快速体验创建数据库与表完成安装连接后我们来跑一个最小示例-- 创建数据库CREATEDATABASEdemo;-- 切换数据库psql 中\c demo-- 创建一张员工表CREATETABLEemployees(idSERIALPRIMARYKEY,nameVARCHAR(50)NOTNULL,departmentVARCHAR(50),salaryNUMERIC(10,2),hired_atDATEDEFAULTCURRENT_DATE);-- 插入数据INSERTINTOemployees(name,department,salary)VALUES(张三,研发部,18000),(李四,市场部,12000);-- 查询SELECT*FROMemployees;如果你使用 Neon 这类云服务上述 SQL 同样适用——Neon 完全兼容原生 PostgreSQL本系列所有内容在任何 Postgres 环境都能运行。六、加载示例数据库 dvdrental官方教程推荐使用 dvdrental 示例数据库来练习。它包含演员、电影、客户、租赁、支付等多张表是学习查询的好素材。下载示例库https://www.postgresqltutorial.com/postgresql-getting-started/postgresql-sample-database/解压得到dvdrental.tar。创建数据库后用pg_restore恢复createdb-Upostgres dvdrental pg_restore-Upostgres-ddvdrental dvdrental.tar连接验证psql-Upostgres-ddvdrental\dt看到一张张表就说明加载成功后续教程的示例大多基于这个库展开。七、常见问题 QAQ1安装后忘记 postgres 用户密码怎么办A可以修改pg_hba.conf把本地认证方式临时改成trust重启服务后无密码登录再用ALTER USER postgres WITH PASSWORD 新密码;修改密码最后改回md5或scram-sha-256并重启。注意操作期间数据库无认证保护务必在本地完成并尽快恢复。Q2psql 报错 “role ‘postgres’ does not exist” 怎么解决A常见于 macOS 用 Homebrew 安装后默认没有postgres超级用户而是用当前系统用户名作为超级用户。此时直接psql postgres即可登录或用createuser -s postgres创建一个名为 postgres 的超级用户。Q3生产环境应该选本地自建还是云数据库如 NeonA取决于团队运维能力。自建可控性强但需自行处理备份、高可用、监控、升级云数据库Neon、RDS 等把这些托管化提供自动备份、弹性扩容、计算分离等能力适合希望聚焦业务开发的团队。学习阶段建议本地或 Neon 免费版本系列所有 SQL 两端通用。下一篇SELECT 查询基础与列别名大模型日报 · 2026-07-21TeleAgent 自动整理 | 今日大模型领域 5 条重大新闻速递工信部我国人工智能开源大模型全球累计下载量突破 100 亿次摘要据工信部发布的数据我国人工智能开源大模型在全球的累计下载量已突破 100 亿次标志着中国 AI 开源生态的国际影响力持续扩大。这一里程碑数据体现了国产大模型在全球开发者社区中的广泛采用和认可也反映出我国在人工智能开源领域的系统性跃升。2026 世界人工智能大会闭幕32 个 AI 项目签约 409 亿元摘要7 月 20 日下午WAIC 2026 闭幕式在上海世博展览馆举行。32 个上海市人工智能重点项目集中签约总投资额超 409 亿元覆盖 AI 基础设施、具身智能、科学智能、智能体应用等领域。本届大会全球线上流量超 30 亿102 个国家和国际组织代表出席标志着 AI 产业从“概念展示”走向“真金白银落地”。谷歌“固化芯片”Frozen v2 曝光能效飙升 6 至 10 倍摘要谷歌正在开发代号 Frozen v2 的自研芯片将 Gemini 大模型的底层架构直接固化到硅基硬件中能效可达现有 TPU 的 6 至 10 倍计划 2028 年投产。该芯片并非替代 TPU而是开辟全新产品线还可通过更新模型权重保持升级弹性意味着 AI 芯片正从“通用算力”走向“模型定制”能效比将成为算力竞争新焦点。月之暗面发布旗舰大模型 Kimi K32.8 万亿参数登顶全球摘要月之暗面发布旗舰大模型 Kimi K3参数规模达 2.8 万亿是目前全球参数最大的开源模型。采用 MoE 混合专家架构896 个专家每 token 仅激活 16 个支持 100 万 token 上下文窗口原生支持视觉理解。K3 在 CodeArena 前端代码竞技场以 1679 分登上全球第一超越 Claude Fable 5 和 GPT-5.6 Sol标志着我国人工智能模型发展迈出新的一步。我国人形机器人整机产品达 400 余款超全球半数摘要据最新数据我国人形机器人整机产品已达 400 余款超过全球半数体现了中国在具身智能领域的快速发展。结合大模型的能力赋能人形机器人正成为 AI 技术落地的重要赛道与本届 WAIC 大会上具身智能项目的大规模签约相互呼应产业生态加速成型。2026年重磅喜讯 喜报热烈祝贺Gavin大咖人工智能领域经典著作《企业级ChatGPT AI大模型应用开发实战1000分钟视频》中国水利水电出版社发行上市!内容提要本书内容基于作者在硅谷 ChatGPT 项目及企业培训中的实战经验凝练而成重点介绍企业级 ChatGPT 开发的核心技术、案例研究及最佳实践。全书共 16 章分为基础篇和实战篇两大部分。基础篇介绍 ChatGPT 底层架构 Transformer 技术及源码实现、GPT 的内部机制及源码实现、GPT 系列模型原理与应用从 GPT-2 到 GPT-4 等内容。实战篇介绍基于 ChatGPT 的端到端语音聊天机器人项目实战企业级 ChatGPT 开发的三大核心内部机制及案例实战ChatGPT 插件的内部机制、源码及案例实战ChatGPT 提示词开发实战思维链及 ReAct 解析与实战提示词本质解析及评估实战与源码解析LangChain 大模型框架的七大核心组件及案例解析上、下LangChain 代理深入解析及源码解析AutoGPT 源码解析及综合案例实战使用 LangChain 构建问答聊天机器人案例实战构建基于大模型的自治代理案例Llama 2 模型与 LangChain 项目详解。书中每个知识点均配有相应的实现代码和实例。本书适合有一定 Python 基础的 ChatGPT 爱好者阅读主要面向从事大模型应用开发、机器学习、数据挖掘或深度学习的专业人员高等院校相关专业的师生以及相关领域的科研人员。本书附赠丰富的学习资源具体如下①同步学习资源即 16 集同步教学视频视频时长共计约 1000 分钟②教师授课的辅助资源即 187 个案例知识点、15 个项目实战的全部源代码。前言在当今快速发展的科技时代人工智能artificial intelligenceAI技术正以惊人的速度改变着人们的生活和工作方式。在这个新时代的浪潮中大模型技术成为AI领域的一颗耀眼新星。ChatGPT作为大模型技术的重要应用之一正在引领着人机交互领域的革新浪潮。本书将带领读者深入探索大模型新时代通过ChatGPT实战项目和内部解析深入掌握基于ChatGPT的大模型应用开发领域的关键技术并解密ChatGPT的底层架构和实现原理。本书主要内容本书通过ChatGPT实战项目的方式为读者呈现一个全面、系统的学习路径从基础知识的介绍开始带领读者深入了解ChatGPT的工作原理和实际应用。本书非常适合具备Python基础的读者学习。全书共16章分为基础篇和实战篇两大部分。基础篇包括第13章实战篇包括第416章。第1章 ChatGPT底层架构Transformer技术及源码实现详解最大似然估计、最大后验概率、贝叶斯Transformer及自编码与自回归语言模型的内部机制。第2章 GPT的内部机制及源码实现剖析GPT运行机制、掩码机制、Decoder-Only模式详解数据流动生命周期及GPT-2源码。第3章 GPT系列模型原理与应用从GPT-2到GPT-4解析ChatGPT提示词流程、GPT-2运行机制可视化解读GPT-3/4的内部机制。第4章 基于ChatGPT的端到端语音聊天机器人项目实战涵盖ChatGPT API开发、前后端构建ReActFastAPI及项目优化。第5章 企业级ChatGPT开发的三大核心内部机制及案例实战解析企业级开发核心演示Notion问答对话AI案例。第6章 ChatGPT插件的内部机制、源码及案例实战详解插件工作原理、检索插件源码及全流程开发实战。第7章 ChatGPT提示词开发实战基于LangChain框架的提示词、思维链、链式提示词及模型评估开发。第8章 思维链及ReAct解析与实战剖析思维链推理、ReAct技术原理、框架源码及案例实战。第9章 提示词本质解析及评估实战与源码解析包含问答评估、代理评估源码解析及提示词本质探讨。第1011章 LangChain大模型框架的七大核心组件及案例解析上、下涵盖模型、词嵌入、提示词、内存、回调、数据连接、代理等核心组件及聊天机器人综合案例。第12章 LangChain代理深入解析及源码解析详解代理工作原理及AutoGPT源码解析。第13章 AutoGPT源码解析及综合案例实战剖析AutoGPT内部机制及其在LangChain代理、内存、PromptGenerator中的应用。第14章 使用LangChain构建问答聊天机器人案例实战涵盖GPT-4代码生成全流程及LangChain开发实战。第15章 构建基于大模型的自治代理案例详解自治代理原理、工具、示例及开源实现源码。第16章 Llama 2模型与LangChain项目详解包括模型部署Replicate、Hugging Face/LangChain实践、检索增强生成及自定义提示词RetrievalQA开发。本书特色●深入探索全面剖析。本书涵盖ChatGPT案例实战、LangChain项目实战及框架源码解析等多个层面的内容。每章都深入探讨相关技术与案例并提供源码解析使读者能够全面了解ChatGPT和LangChain等技术的内部机制与开发原理为实际项目的应用提供有力指导。●实战剖析项目揭秘。本书每章都提供具体的案例实战与项目解析引导读者通过实际操作和代码理解技术细节和底层逻辑。通过理论结合实践的方式使读者能够更好地运用所学知识深入了解项目和框架的实现细节。●前沿突破技术驱动。本书介绍了一系列突破性的技术如ChatGPT、LangChain、Transformer、Prompt、Llama 2、AutoGPT、BabyAGI、CoT、ToT、ReAct、MRKL等。通过对这些技术的深入剖析读者可以了解相关技术的发展和应用并了解它们在实际项目中的具体应用场景和效果。●源码解析细致讲解。本书对LangChain框架的关键技术进行了逐行源码剖析。读者可以深入理解源码实现和机制原理从而更好地理解技术细节和底层逻辑并将其应用于实际开发工作中。本书还为读者提供了丰富的知识和实用的技能帮助读者在ChatGPT和LangChain领域取得突破性的进展。无论是初学者还是有一定经验的开发者都可以从本书中获得有价值的学习资源。配套资源为便于教与学本书配有同步教学视频约1000分钟、源代码、数据集、教学课件、教学大纲、安装程序。作者简介王家林美国斯坦福大学计算机专业毕业。曾在美国担任硅谷顶级机器学习和人工智能实验室主任、杰出AI工程师及首席机器学习工程师专精于对话式人工智能conversational AI。现担任硅谷某知名对话机器人公司CTO自2019年起专注于基于红队测试red teaming的责任型AIresponsible AI并热衷于构建生成式AI/大语言模型教练系统GenAI/LLM coaching systems。在硅谷任职期间曾领导多个GenAI/LLM解决方案项目成功平衡企业业务需求下的大模型推理reasoning系统与幻觉hallucinations及偏见biases风险的最小化。作为数据科学、机器学习、NLP、ChatGPT及大模型等领域25本书的主要作者王家林对利用人工智能提供解决方案以及通过机器学习驱动的NLP与LLM流程帮助组织实现数据驱动决策充满热情。他曾领导Apple、PayPal、Chase Bank、Faethm、LinkedIn等公司的11个重大NLP项目。在NLP、对话式AI、大数据及基于AWS的无服务器serverless技术方面拥有丰富的机器学习咨询经验。段智华中国电信股份有限公司上海分公司高级工程师。长期从事大模型与智能体技术领域专注Agentic AI、Harness Agent等前沿方向研究。新书购买链接《企业级ChatGPT AI大模型应用开发实战1000分钟视频》购买链接https://item.jd.com/15389212.html