stephenschoettler/hermes-lcm

解决的问题

hermes-lcm 是 Hermes Agent 的无损上下文管理插件。它解决了「有损」上下文压缩的问题——即旧的对话内容被总结，原始详细信息从模型的活跃提示中移除——通过确保任何信息都不会永久丢失。它允许代理在保持有限活跃上下文窗口的同时，保留对话的完整原始历史，以便精确恢复。

工作原理

该插件不采用简单的单次压缩，而是使用分层记忆方法：

1. SQLite 存储：所有原始消息都持久化到本地 SQLite 数据库中，并带有全文搜索（FTS）元数据。
2. 摘要 DAG：随着上下文增长，旧消息被压缩为「深度感知」摘要节点。这些摘要进一步压缩为有向无环图（DAG），形成摘要的层级结构。
3. 受限的活跃上下文：活跃提示由系统提示、DAG 中最有价值的摘要以及受保护的「最新尾部」近期消息组成。
4. 召回工具：代理被提供一系列工具（如 lcm_grep、lcm_recall、lcm_expand），在需要详细信息时可搜索、检查并检索精确的原始消息或特定摘要节点。

适用人群

需要其 AI 代理具备「无限记忆」能力的 Hermes Agent 用户——即能够在不向 LLM 的上下文窗口中塞入无关数据的前提下，从极长对话或多轮会话中精确回忆具体细节。

主要亮点

• 无损架构：无论上下文被总结多少次，原始消息始终在 SQLite 中保存。
• 分层摘要：使用 DAG 组织摘要，使代理能够从高层概览逐层深入到具体细节。
• 丰富的工具集：包含 15 个专用工具，用于搜索、召回、扩展和诊断内存状态。
• 来源感知的检索：保留溯源信息，使代理能精确知道哪些原始消息贡献了特定摘要。
• 高级内存功能：可选支持语义检索（嵌入）、时间记忆（基于时间的汇总）以及将过大的数据包外部化，以防止提示过载。