学习循环与记忆

源码版本v2026.7.20

职责

这是 Hermes 区别于普通 agent 的核心:一个「越用越好用」的闭环。它把每轮对话沉淀成:① 技能演化——从经验创建/改写技能(agent/learning_mutations.py);② 记忆——FTS5 全文检索 + LLM 摘要的过往会话检索(memory_manager),配合 Honcho 辩证式用户建模;③ 学习图——把技能与记忆组织成节点/边(agent/learning_graph.py);④ 后台审视——background_review 在线程里消化历史、产出可执行的改写动作。技能改写最终回灌到技能系统,供后续轮次复用。

关键文件

技能节点与学习图

• @dataclass SkillNode:28-41 — 技能节点
• 技能加载:77-125 — _iter_skill_files / build_skill_nodes(扫描 skills/ 建 nodes)
• 边与统计:156-193 — build_edges / density_stats(技能间关联)
• 记忆-技能边:193-227 — _memory_cards / _memory_skill_edges(记忆与技能的关联)
• build_learning_graph:248-328 — 汇总产出完整学习图
• _load_usage:84-97 — 使用统计(指导哪些技能常用)

技能/记忆改写

• node_detail:86-124 — 查看某节点详情
• delete_node:124-157 — 删除技能或记忆
• edit_node:157-200 — 编辑技能或记忆内容
• _clear_skill_cache:200 — 改写后清缓存(让下轮生效)
• 记忆定位:30-65 — _memories_dir / _parse_memory_id / _locate_memory

记忆管理

• class MemoryManager:354 — 记忆管理器本体
• memory provider 工具注入:83-164 — memory_provider_tools_enabled / inject_memory_provider_tools
• build_memory_context_block:337-354 — 把记忆拼成上下文块注入提示
• sanitize_context:164-172 — 上下文脱敏(FTS5 索引前)
• StreamingContextScrubber:172-337 — 流式输出脱敏

后台审视

• spawn_background_review_thread:956 — 起后台审视线程
• _run_review_in_thread:617 — 线程内主循环
• _digest_history:122-373 — 摘要最近 24 条历史
• summarize_background_review_actions:373-590 — 汇总审视动作
• build_memory_write_metadata:590-617 — 写记忆的元数据

数据流

1. 每轮对话结束,主循环把消息快照交给后台审视线程(agent/background_review.py:956)。
2. _digest_history(agent/background_review.py:122)摘要近期历史,产出候选动作(新建/改写技能、写记忆)。
3. 技能改写经 edit_node:157 / 删除经 delete_node:124 落盘,并 _clear_skill_cache:200 清缓存。
4. 记忆写入经 MemoryManager:354,脱敏(agent/memory_manager.py:164)后建 FTS5 索引,LLM 摘要压缩。
5. 下轮对话开始时,build_memory_context_block(agent/memory_manager.py:337)把相关记忆拼进 build_turn_context:268;技能经 agent/skill_bundles.py 注入。
6. 完整学习图由 build_learning_graph:254 汇总,供 UI/调试展示技能与记忆的关联。

小结

学习闭环把「对话」变成「资产」:后台审视无感地把经验沉淀为技能与记忆,下轮自动注入。关键四件套——learning_graph(图谱)、learning_mutations(改写)、memory_manager(检索+脱敏+摘要)、background_review(异步消化)。这是 Hermes 「与用户共同成长」的机制底座,也是它和「无状态 LLM 调用」的根本区别。