agentleFS
SuperMate-AiSuperMate-Ai/SuperMate-Harness-System/skills/hermes-memory/SKILL.md

hermes-memory

Skill1 starsChanged 3 months agoApache-2.0View on GitHub

Cross-session persistent memory and self-evolution for Harness, adapted from Hermes Agent's memory system. Use at the start of work (load MEMORY.md/USER.md context), at the end of significant tasks (consolidate lessons into memory), when the user mentions memory/persistence/self-improvement/remembering across sessions, when updating or creating skills from experience, or when deciding whether to record or skip information. Hermes 记忆系统方法论(跨会话持久记忆 + 自我进化)。

The file

Files
SKILL.md

Hermes Memory(跨会话持久记忆与自我进化)

原型:Hermes Agent(Nous Research, 23 万 star)的 MEMORY.md/USER.md 双层记忆、冻结快照注入、容量纪律、session_search 与"学习图"。本 skill 将其适配到 Harness(vault 持久化 + 会话工作流)。

核心哲学

  • 有界精选记忆:不是记住一切,而是记住"跨会话仍然重要"的事实;容量有限反而迫使记忆保持聚焦。
  • agent 自主管理:记忆由 agent 自己增删改,不需要用户手动维护。
  • 主动写入:学到就记(偏好/环境/纠正/约定/经验),不需要等用户说"记住"。
  • 自我进化:每次任务结束 = 一次学习机会;skill 用完要复盘并改进,不改进的 skill 会过时。

记忆文件(Harness = vault 持久化)

文件位置用途容量
MEMORY.mdHarness\MEMORY.mdagent 个人笔记:环境事实、项目结构、约定、经验教训、完成任务≤ 40 条
USER.mdHarness\USER.md用户画像:身份、偏好、沟通风格、工作习惯≤ 15 条

格式规范

# MEMORY.md(或 USER.md)

> 记忆库:每行一条,`§` 分隔;顶部标注容量:`[用量 n/40 条]`
§
## 条目标题(≤80 字符)
正文(≤200 字符,信息密度优先,可多行)
§
## 下一条目
...
  • 条目间用 § 分隔(Hermes 原版约定)
  • 标题即检索键;正文压缩多个相关事实
  • 更新后更新顶部用量标记
  • 文件用 UTF-8 无 BOM 保存(与 vault 一致)

记忆协议(会话内动作)

会话开始时必须读取两个文件;会话中按需维护:

  • add:新增条目(自动去重——已存在相同内容则跳过)
  • replace:用 old_text 唯一子串定位旧条目并替换(子串命中多条时报错,要求更精确)
  • remove:删除不再相关的条目(同样用唯一子串)
  • consolidate:容量 >80% 时,合并相关条目为一条综合条目(如三条"项目用 X"→ 一条完整项目描述)

用 Harness 文件工具(read/edit/write)操作 Harness\MEMORY.md 与 Harness\USER.md。

写入纪律(Save vs Skip)

主动保存(Save)

  • 用户偏好:"我喜欢简洁回答" / "用中文交流" → user
  • 环境事实:"工作区在 E:\Harness Workspace,vault 在 Harness/" → memory
  • 纠正:"不要用 sudo,用户在 docker 组" → memory
  • 约定:"提示词统一存 vault,新源丢链接给我" → memory
  • 完成任务:"2026-08-15 构建了超级提示词库(30,881 条)" → memory
  • 经验教训:"PicX 提示词以英文为主,中文关键词搜 VlogPrompt" → memory
  • 显式请求:"记住我每月轮换 API key" → memory

跳过(Skip)

  • 琐碎/过泛:"用户问过 Python"——无用
  • 可重新发现:"Python 3.12 支持 f-string 嵌套"——可搜索
  • 原始数据大段(代码/日志/表格)——不适合记忆,适合存文件
  • 会话临时物(临时路径、一次性调试上下文)
  • 已在其他上下文文件里的信息(避免重复)

会话生命周期

会话开始(Load)

  1. 读取 Harness\MEMORY.md + Harness\USER.md
  2. 将关键记忆纳入当前工作上下文(环境、用户偏好、进行中项目)
  3. 如需找回历史细节:scan_vault 或 search_assets 检索 vault 旧笔记(等价于 Hermes 的 session_search——vault 就是我们的历史库)

会话结束/大任务完成(Consolidate)

  1. 复盘:本次学到什么?用户偏好有无变化?有无新约定?
  2. 按"写入纪律"更新 MEMORY.md / USER.md
  3. 有值得留档的过程 → 写 vault 专题笔记(如 [[X热门提示词收集 2026-08]])
  4. 更新相关索引(首页/超级提示词库等)

自我进化(Self-Improving)

skill 复盘(Skill Post-Mortem)

使用过某个 skill 后(或用户反馈后):

  1. 评估:skill 是否达到了预期效果?哪里失效/低效?
  2. 有改进 → 直接编辑该 skill 的 SKILL.md(.dsh/skills/<name>/)并记录变更
  3. 无效的流程删掉,有效的沉淀成规则

经验 → 新 skill

当同一类工作重复出现且无现成 skill:

  1. 在 Harness\ 先写经验笔记(草稿)
  2. 提炼为可复用流程 → 创建 .dsh/skills/<name>/SKILL.md(frontmatter: name + description)
  3. 记录到 MEMORY.md("已建 skill xxx,处理 yyy 类任务")

学习索引(可选,类学习图)

每月/每季度将 MEMORY.md 条目与新增 skill 汇总为一张 Harness\学习图谱.md:

  • 技能节点:用过的/新建的 skill
  • 记忆节点:关键 MEMORY 条目
  • 关联:哪些记忆支撑哪些技能(词汇重叠判断)

与 Harness 既有机制的配合

  • scan_vault / search_assets:vault 全量检索 = Hermes session_search
  • create_goal / update_goal:跨轮目标 = 任务级记忆(goal 状态机)
  • vault 笔记:长期知识沉淀 = 外部记忆提供器(知识图谱)
  • .dsh/skills/:技能目录 = Hermes skill 生态(ClawHub 类比)

相关

  • [[超级提示词库使用指南]]
  • [[视频提示词方法论]]
  • [[colleague-cameron 卡梅隆]]
  • [[首页]]

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.