stephenschoettler/hermes-lcm

해결하는 문제

hermes-lcm은 AI 에이전트의 "손실 있는" 컨텍스트 압축 문제를 해결합니다. 표준 압축은 일반적으로 오래된 메시지를 제거하거나 단일 블록으로 요약하여 에이전트가 이전 대화 턴의 정확하고 축어적인 세부 사항에 접근할 수 없게 만듭니다. 이 프로젝트는 활성 프롬프트를 제한하면서도 정보가 영구적으로 삭제되지 않도록 보장하는 무손실 컨텍스트 관리 시스템을 제공합니다.

작동 방식

이 플러그인은 표준 원샷 압축을 SQLite 기반 DAG(방향성 비순환 그래프) 컨텍스트 엔진으로 대체합니다. 여러 주요 메커니즘을 통해 작동합니다:

• 영속성: 모든 원시 메시지는 전체 텍스트 검색(FTS) 메타데이터가 있는 로컬 SQLite 데이터베이스에 저장됩니다.
• 계층적 요약: 오래된 컨텍스트는 "깊이 인식" 요약 노드로 압축됩니다. 이러한 노드가 축적되면 계층적 DAG로 응축되어 에이전트가 높은 수준의 요약에서 특정 세부 사항까지 탐색할 수 있습니다.
• 경계 있는 어셈블리: 활성 프롬프트는 시스템 프롬프트, 가장 가치 있는 요약, 최근 메시지의 보호된 "신선한 꼬리"로 구성됩니다.
• 리콜 도구: 에이전트에는 메인 프롬프트를 넘치지 않으면서 정확한 원시 메시지나 하위 요약을 검색, 검사, 검색할 수 있는 도구 모음(예: lcm_grep, lcm_recall, lcm_expand)이 제공됩니다.
• 외부화: 과도한 페이로드(예: 큰 도구 결과)는 컨텍스트 창을 어지럽히지 않도록 복구 가능한 참조로 이동됩니다.

대상 사용자

Hermes Agent 사용자 중 장기 기억과 복잡한 다중 턴 상호작용 중에 에이전트가 정확한 과거 데이터를 자율적으로 복구할 수 있는 능력을 필요로 하는 사용자를 위해 설계되었습니다.

하이라이트

• 무손실 메모리: 원시 메시지는 활성 프롬프트가 압축된 후에도 보존되고 복구 가능합니다.
• 요약 DAG: 소스 계보와 깊이 인식 검색을 유지하기 위해 요약에 계층적 구조를 사용합니다.
• 포괄적인 도구 세트: 검색, 리콜, 증거 기반 계산, 데이터베이스 상태 진단을 위한 15개의 전문 도구를 제공합니다.
• 소스 인식 검색: 하위 소스 계보를 기반으로 원시 행과 요약을 필터링합니다.
• 유연한 제어: 민감한 패턴 편집, 시간적 메모리 롤업, 임베딩을 통한 의미 검색 옵션이 포함됩니다.