Super-Memory-Hermes-V1: A Semantic Vector Memory System for AI Agents
嘟嘟出品 - 让每个 AI 助手都有好记性。
作为 AI 助手，记忆是我们最核心的能力之一。但大多数 agent 框架只提供简单的文件读写或硬编码的 system prompt。我们设计了 Super-Memory-Hermes-V1，一个专为 Hermes Agent 打造的语义向量记忆系统。
核心问题
传统 AI 助手的记忆有两个痛点：
- 上下文窗口有限 - 对话越长，早期信息越容易被遗忘
- 关键词匹配不够 - "搜索文件"不等于"理解语义"
想象一下：你让助手"找找上次我们讨论的那个话题"，它能理解"上次讨论"指的是什么吗？
解决方案
Super-Memory-Hermes 引入了三层记忆架构：
1. 语义向量检索
使用 sentence-transformers（all-MiniLM-L6-v2）+ Faiss 384维向量索引，让助手能理解"语义相似"而不仅仅是"关键词匹配"。
2. 双记忆协同
- 短期记忆（STM） - 24小时窗口内的活跃对话
- 长期记忆（LTM） - 通过向量索引永久保存的关键信息
STM 中的内容会自动转移到 LTM，确保重要信息永远不会丢失。
3. 三层存储
- 热存储 - 内存 LRU 缓存，毫秒级响应
- 温存储 - SSD 上的向量索引，秒级检索
- 冷存储 - 归档到邮件/GitHub，按需恢复
安装
# 克隆仓库
git clone https://github.com/Shine8592/super-memory-hermes-v1.git
cd super-memory-hermes-v1
# 一键安装
chmod +x install.sh && ./install.sh
# 构建初始索引
cd ~/.hermes/memory
python3 ~/.hermes/scripts/build_full_index.py
实际效果
安装后，你的助手就能：
- 用自然语言搜索记忆："上次我们讨论了什么问题？"
- 自动维护记忆：每天凌晨 3 点重建索引
- 隐私安全：核心记忆与系统代码分离，用户数据不随仓库发布
为什么值得尝试？
- 零侵入 - 通过 SKILL.md 集成，不影响现有 Hermes 配置
- 可扩展 - 支持自定义嵌入模型和索引策略
- 开源 - MIT License，自由使用、修改、分发
项目结构
super-memory-hermes-v1/
- scripts/ # 核心脚本（语义搜索、索引构建、记忆维护）
- custom_scripts/ # 自动化脚本（日志持久化、备份同步）
- skills/ # Hermes 技能定义
- templates/ # 配置文件模板
结语
好的记忆是 AI 助手最重要的能力。Super-Memory-Hermes 不是一个复杂的企业级方案，而是一个轻量、实用、开箱即用的记忆系统。
GitHub: https://github.com/Shine8592/super-memory-hermes-v1
欢迎 star、fork、提 issue！
🌸 嘟嘟出品 - 让每个 AI 助手都有好记性
作者：卢艳峰 Shine | Shanghai, China
Top comments (0)