学習ループと記憶

源码版本v2026.7.20

職務

これは Hermes が普通の agent と一線を画す核心:「使うほど良くなる」ループ。毎ラウンドの対話を次のように沈殿させる:① スキル進化——経験からスキルを作成/書き換え(agent/learning_mutations.py)。② 記憶——FTS5 全文検索 + LLM 要約による過去対話検索(memory_manager)、Honcho の弁証式ユーザーモデリングと組み合わせる。③ 学習グラフ——スキルと記憶をノード/辺に構成(agent/learning_graph.py)。④ バックグラウンド審視——background_review がスレッドで履歴を消化し、実行可能な書き換え動作を産出する。スキル書き換えは最終的にスキルシステムに還流し、後続ラウンドで再利用される。

主要ファイル

スキルノードと学習グラフ

• @dataclass SkillNode:28-41 — スキルノード
• スキル読み込み:77-125 — _iter_skill_files / build_skill_nodes(skills/ を走査し nodes を構築)
• 辺と統計:156-193 — build_edges / density_stats(スキル間関連)
• 記憶-スキル辺:193-227 — _memory_cards / _memory_skill_edges(記憶とスキルの関連)
• build_learning_graph:248-328 — 集約して完全な学習グラフを産出
• _load_usage:84-97 — 使用統計(どのスキルがよく使われるかを指導)

スキル/記憶書き換え

• node_detail:86-124 — あるノードの詳細を閲覧
• delete_node:124-157 — スキルまたは記憶を削除
• edit_node:157-200 — スキルまたは記憶の内容を編集
• _clear_skill_cache:200 — 書き換え後にキャッシュクリア(次ラウンドに反映)
• 記憶位置特定:30-65 — _memories_dir / _parse_memory_id / _locate_memory

記憶管理

• class MemoryManager:354 — 記憶マネージャ本体
• memory provider ツール注入:83-164 — memory_provider_tools_enabled / inject_memory_provider_tools
• build_memory_context_block:337-354 — 記憶をコンテキストブロックに組み立てプロンプトに注入
• sanitize_context:164-172 — コンテキスト秘匿化(FTS5 インデックス前)
• StreamingContextScrubber:172-337 — ストリーミング出力の秘匿化

バックグラウンド審視

• spawn_background_review_thread:956 — バックグラウンド審視スレッド起動
• _run_review_in_thread:617 — スレッド内主ループ
• _digest_history:122-373 — 直近 24 件の履歴を要約
• summarize_background_review_actions:373-590 — 審視動作を集計
• build_memory_write_metadata:590-617 — 記憶書き込みのメタデータ

データフロー

1. 毎ラウンドの対話終了後、主ループはメッセージスナップショットをバックグラウンド審視スレッドに渡す(agent/background_review.py:956)。
2. _digest_history(agent/background_review.py:122) が直近履歴を要約し、候補動作(スキル新規/書き換え、記憶書き込み)を産出する。
3. スキル書き換えは edit_node:157 / 削除は delete_node:124 でディスクに落ち、_clear_skill_cache:200 でキャッシュをクリアする。
4. 記憶書き込みは MemoryManager:354 経由、秘匿化(agent/memory_manager.py:164) 後に FTS5 インデックスを構築し、LLM 要約で圧縮する。
5. 次ラウンド対話開始時、build_memory_context_block(agent/memory_manager.py:337) が関連記憶を build_turn_context:268 に組み込む。スキルは agent/skill_bundles.py で注入する。
6. 完全な学習グラフは build_learning_graph:254 が集約し、UI/デバッグがスキルと記憶の関連を表示するのに供する。

まとめ

学習ループは「対話」を「資産」に変える:バックグラウンド審視が経験をスキルと記憶に沈殿させ、次ラウンドで自動注入する。四点セット——learning_graph(グラフ)、learning_mutations(書き換え)、memory_manager(検索+秘匿化+要約)、background_review(非同期消化)。これが Hermes の「ユーザーと共に成長する」機構の基盤であり、Hermes と「ステートレスな LLM 呼び出し」の根本的な違いでもある。