Bucle de aprendizaje y memoria

源码版本v2026.7.20

Responsabilidad

Esta es la diferencia central de Hermes frente a un agent corriente: un bucle cerrado de «cuanto más se usa, mejor funciona». Cada turno de conversación se destila en: ① evolución de habilidades — crea/reescribe habilidades a partir de la experiencia (agent/learning_mutations.py); ② memoria — recuperación por texto completo FTS5 + resúmenes LLM de conversaciones pasadas (memory_manager), con modelado dialéctico del usuario vía Honcho; ③ grafo de aprendizaje — organiza habilidades y memoria como nodos/aristas (agent/learning_graph.py); ④ revisión en segundo plano — background_review digiere el historial en un hilo y produce acciones de reescritura accionables. Las reescrituras de habilidades terminan reinyectándose en el sistema de habilidades para que los siguientes turnos las reutilicen.

Archivos clave

Nodos de habilidad y grafo de aprendizaje

• @dataclass SkillNode:28-41 — nodo de habilidad
• carga de habilidades:77-125 — _iter_skill_files / build_skill_nodes (escanea skills/ y construye nodos)
• aristas y estadísticas:156-193 — build_edges / density_stats (relaciones entre habilidades)
• aristas memoria-habilidad:193-227 — _memory_cards / _memory_skill_edges (relación entre memoria y habilidades)
• build_learning_graph:248-328 — agrega y produce el grafo de aprendizaje completo
• _load_usage:84-97 — estadísticas de uso (guía qué habilidades se usan más)

Reescritura de habilidades/memoria

• node_detail:86-124 — detalle de un nodo
• delete_node:124-157 — elimina habilidad o memoria
• edit_node:157-200 — edita contenido de habilidad o memoria
• _clear_skill_cache:200 — limpia la caché tras reescribir (para que surta efecto el siguiente turno)
• localización de memoria:30-65 — _memories_dir / _parse_memory_id / _locate_memory

Gestión de memoria

• class MemoryManager:354 — gestor de memoria
• inyección de herramientas memory provider:83-164 — memory_provider_tools_enabled / inject_memory_provider_tools
• build_memory_context_block:337-354 — compone la memoria en un bloque de contexto que se inyecta en el prompt
• sanitize_context:164-172 — redacción del contexto (antes de indexar en FTS5)
• StreamingContextScrubber:172-337 — redacción de la salida en streaming

Revisión en segundo plano

• spawn_background_review_thread:956 — lanza el hilo de revisión
• _run_review_in_thread:617 — bucle principal dentro del hilo
• _digest_history:122-373 — resume las últimas 24 entradas del historial
• summarize_background_review_actions:373-590 — agrega las acciones de revisión
• build_memory_write_metadata:590-617 — metadatos de escritura de memoria

Flujo de datos

1. Al acabar cada turno, el bucle principal entrega una snapshot de los mensajes al hilo de revisión en segundo plano (agent/background_review.py:956).
2. _digest_history (agent/background_review.py:122) resume el historial reciente y produce acciones candidatas (crear/reescribir habilidad, escribir memoria).
3. La reescritura de habilidades se materializa vía edit_node:157; el borrado, vía delete_node:124; tras escribir, _clear_skill_cache:200 limpia la caché.
4. La escritura de memoria pasa por MemoryManager:354: tras redactar (agent/memory_manager.py:164) se indexa en FTS5 y se comprime con un resumen LLM.
5. Al iniciar el siguiente turno, build_memory_context_block (agent/memory_manager.py:337) inyecta la memoria relevante en build_turn_context:268; las habilidades se inyectan vía agent/skill_bundles.py.
6. El grafo de aprendizaje completo se agrega en build_learning_graph:254, para que la UI/depuración muestre las relaciones entre habilidades y memoria.

Resumen

El bucle de aprendizaje convierte «conversación» en «activo»: la revisión en segundo plano destila experiencia en habilidades y memoria de forma imperceptible, y se inyectan automáticamente en el siguiente turno. Las cuatro piezas clave: learning_graph (grafo), learning_mutations (reescritura), memory_manager (recuperación + redacción + resumen), background_review (digestión asíncrona). Esta es la base mecánica del «crecer junto al usuario» de Hermes, y la diferencia fundamental frente a «una llamada LLM sin estado».