情节记忆

概述

基于 SQLite FTS5 全文检索的历史会话按需召回机制，存储历史详细内容而无容量上限，类比人类需要时检索记忆的方式。

关键内容

• 定位：MEMORY.md 和 USER.md 容量刻意有限（~1,300 tokens 合计），历史详细内容存储在 SQLite 数据库，通过全文检索按需召回
• 工作流程：Agent 遇到需要历史信息的任务 → 调用历史搜索工具（非默认，按需触发）→ SQLite FTS5 检索所有历史会话 → 返回相关片段 → 辅助 LLM 对结果摘要 → 精炼后的相关记忆注入当前上下文
• 存储结构：sessions 表包含 id、created_at、platform（cli/telegram/discord 等）、session_key、messages（JSON 序列化）、summary（LLM 生成的会话摘要），FTS5 虚拟表对消息内容建立全文索引
• 方案对比：全部历史进 Prompt 导致 Token 爆炸；固定数量最近消息丢失早期相关上下文；FTS5 按需召回只在需要时加载，精确相关，成本可控
• 认知类比：大脑不会把所有记忆时刻保持激活，而是在需要时检索——FTS5 按需召回是情节记忆的最佳工程实现

来源

• NousResearch/hermes-agent — 2026 年 4 月版本，第三篇：分层记忆系统

相关

• Hermes Agent — implements
• 分层记忆系统 — part_of
• 跨会话记忆 — extends
• 语义记忆 — compares_to