Hermes Agent 外部 Memory Provider 对比表
调研日期:2026-06-07 范围:Hermes Agent 8 个外部 Memory Provider + Honcho(已在用) 官方文档:https://hermes-agent.nousresearch.com/docs/user-guide/features/memory-providers
一、核心对比表
| Provider | 存储方式 | 搜索能力 | 部署方式 | 是否需要 API | 是否开源 | 适用场景 | 优点 | 缺点 | 与 Hermes 集成程度 |
|---|---|---|---|---|---|---|---|---|---|
| Honcho | Honcho Cloud 或自托管 PostgreSQL | 语义搜索 + 对偶推理(Dialectic Reasoning)+ 用户建模 | 云服务 / Docker 自托管 | 是(Cloud API Key 或自建 URL) | 是(GitHub) | 多 Agent 系统、跨 Session 上下文、用户画像对齐 | 双层上下文注入(基础层+辩证推理层);多 Peer 隔离;配置粒度极细(cadence/depth/recallMode) | 架构复杂;调试难度高;Cloud 版本有费用 | 最深度集成 — 5 个工具,独占 dialectic 机制,两个配置层(base + dialectic),多配置来源级联 |
| OpenViking | 本地文件系统(viking:// URI 层级目录) | 语义搜索(fast/deep/auto 三模式)+ 文件系统浏览 | 本地服务器(openviking-server) | 否(可选 API Key) | 是(AGPL-3.0,GitHub) | 自托管知识管理、文档库、结构化浏览 | 文件系统式直观组织;多级检索粒度;零外部依赖可运行;字节跳动背书 | Server 需独立运行;有已知 Bug(多租户隔离、API 端点不匹配等 Issue);AGPL 许可证限制商用 | 中等 — 5 个工具(search/read/browse/remember/add_resource),需自行启动 Server |
| Mem0 | Mem0 Cloud(PostgreSQL + pgvector + 知识图谱) | 语义搜索 + 自动排序重排(reranking) | 云服务 / 自托管(Docker + PostgreSQL) | 是(API Key) | 是(Apache-2.0,GitHub) | 免维护自动记忆管理、个性化对话 | YC 背书;自动提取/更新记忆;SOC 2/HIPAA 合规;57K+ GitHub Stars;多记忆类型 | 免费套餐仅限向量搜索(无图谱);时间盲区(无时间戳过滤);底层冲突解决不完善 | 中等 — 3 个工具(profile/search/conclude),配置简单(user_id/agent_id) |
| Hindsight | Hindsight Cloud / 本地 PostgreSQL + 知识图谱 + 实体解析 | 多策略检索(语义+BM25+图谱+时间线)+ LLM 合成 | 云服务 / 本地嵌入(自带 PostgreSQL daemon)/ 外部自托管 | 是(Cloud 需 API Key;本地需 LLM API Key) | 是(GitHub) | 知识图谱驱动的长期记忆、实体关系推理 | 检索策略最丰富(4 种并行);本地嵌入模式零配置启动;支持 Web UI;知识图谱自动构建 | 本地模式依赖 LLM(增加成本);Cloud 有费用;配置选项繁多 | 高 — 3 个工具(retain/recall/reflect)+ 自动 retain/recall + recall_budget/recall_types 等精细控制 |
| Holographic | 本地 SQLite + FTS5(可选 NumPy HRR 向量) | FTS5 全文搜索 或 HRR(Holographic Reduced Representation)组合检索 | 本地(无外部依赖) | 否 | 是(Hermes 内置) | 本地离线记忆、轻量级原型、无外部依赖场景 | 零外部依赖(SQLite 自带);HRR 代数组合检索;信任评分/矛盾检测机制 | NumPy 缺失时 HRR 静默降级为 FTS5;仅 2 个工具;无云端方案;不适合生产 | 完整集成 — Hermes 源码内建(非独立项目),2 个工具(fact_store 含 9 action + fact_feedback) |
| RetainDB | RetainDB Cloud | 混合搜索(Vector + BM25 + Reranking)+ 7 种记忆类型 + Delta 压缩 | 云服务(API) | 是(API Key) | 否(闭源商业服务) | 团队级记忆基础设施、文档问答 | LongMemEval SOTA(88%);p95 <40ms 极低延迟;0% 幻觉率;Memory Router 可做代理 | 闭源商业服务;$20/月;无自托管选项;供应商锁定风险 | 中等 — 5 个工具(profile/search/context/remember/forget),配置仅需 API Key |
| ByteRover | 本地文件系统(层级知识树 + markdown 文件) | 模糊文本搜索 -> LLM 驱动的分层次检索 | 本地 CLI(npm 安装 byterover-cli)/ ByteRover Cloud | 否(本地优先,Cloud 可选 Key) | 是(GitHub) | 开发者个人记忆、代码知识管理、便携式上下文 | 本地优先无 API 费用;层级树结构直观;支持 pre-compression 提取;有论文支撑架构 | 仅 3 个工具;功能偏窄(面向代码 Agent);Cloud 同步需付费 | 轻量 — 3 个工具(query/curate/status),本地文件操作,集成最简单 |
| Supermemory | Supermemory Cloud(向量图谱引擎 + 用户模型) | 混合向量+关键词搜索 + 上下文感知重排 + 图谱边缘查询 | 云服务 / 自托管 | 是(API Key) | 是(GitHub) | 语义召回 + 用户画像 + Session 级图谱构建 | LongMemEval/ConvoMem #1;5 层上下文栈(图谱/检索/提取/连接器);25K+ Stars;自有基准平台 | Cloud 定价较高;自托管需较深技术栈;功能较多学习曲线陡 | 中等 — 4 个工具(store/search/forget/profile),支持 {identity} 模板每 Profile 隔离 |
二、详细 Provider 信息
1. Honcho(已在用)
官网/文档:
- https://hermes-agent.nousresearch.com/docs/user-guide/features/honcho
- https://github.com/plastic-labs/honcho
- https://app.honcho.dev
当前本地配置: /Users/petersun/.hermes/.env.honcho — 自托管 HONCHO_BASE_URL=http://localhost:8010
核心特性:
- 5 个工具:
honcho_profile(读写 Peer Card)、honcho_search(语义搜索)、honcho_context(Session 上下文)、honcho_reasoning(LLM 合成推理)、honcho_conclude(创建/删除结论) - 双层上下文注入: 基础层(Session Summary + Representation + Peer Card)+ 辩证推理层(LLM 合成)
- 三正交配置:
contextCadence(API 调用频率)、dialecticCadence(LLM 调用频率)、dialecticDepth(1-3 次深度) - Multi-Peer 架构: 每个 Hermes Profile 可独立 AI Peer,支持
observeMe/observeOthers开关 - Session 策略: per-directory / per-repo / per-session / global
量级评估: 中等(依赖 API 或自托管 Server)
2. OpenViking
来源:
- https://github.com/volcengine/OpenViking — 字节跳动火山引擎 Viking 团队
- https://hermes-agent.nousresearch.com/docs/user-guide/features/memory-providers
核心特性:
- 文件系统式知识层级(
viking://URI 命名空间) - 6 种记忆类别
- 三模式语义搜索:fast / deep / auto
- 自动记忆提取(Session 提交通时)
- 5 个 Hermes 工具:
viking_search、viking_read(abstract/overview/full)、viking_browse(list/tree/stat)、viking_remember、viking_add_resource - 需独立运行
openviking-server
已知问题: 存在跨租户边界 Bug(Issue #36969)和 API 端点不匹配问题(Issue #4740)
量级评估: 中等(需本地 Server,依赖 Rust 二进制)
3. Mem0
来源:
- https://mem0.ai — 官网
- https://github.com/mem0ai/mem0 — GitHub(57.6K Stars, Apache-2.0)
- https://docs.mem0.ai — 文档
核心特性:
- 自动提取、更新、删除记忆(无需手动管理)
- 向量搜索 + 知识图谱(Pro 版本才有图谱)
- 支持 Python/Node.js SDK
- Y Combinator 背书,90,000+ 开发者使用
- SOC 2 Type 1、HIPAA、BYOK 合规
- 3 个 Hermes 工具:
mem0_profile、mem0_search(语义+重排)、mem0_conclude
已知问题: 免费/标准版仅向量搜索(无图谱);时间盲区争议(Issue #37661 含第三方插件修复)
量级评估: 中等(Cloud API / Docker 自托管)
4. Hindsight(by Vectorize)
来源:
- https://github.com/vectorize-io/hindsight — GitHub
- https://ui.hindsight.vectorize.io — Cloud Dashboard
- https://hermes-agent.nousresearch.com/docs/user-guide/features/memory-providers
核心特性:
- 4 种并行检索策略: 语义搜索 + BM25 关键词 + 知识图谱 + 时间线
- 3 种模式: Cloud / Local Embedded(自带 PostgreSQL Daemon)/ Local External
- Local Embedded 自动启动/停止 Daemon(空闲 5 分钟关闭)
- 支持任何 OpenAI-compatible LLM 端点
- 3 个 Hermes 工具:
hindsight_retain(实体提取)、hindsight_recall(多策略检索)、hindsight_reflect(跨记忆 LLM 合成 — 独特功能) - 本地 Web UI:
hindsight-embed -p hermes ui start
量级评估: 中等-重量(Cloud API 或本地 Daemon + LLM)
5. Holographic
来源:
- https://hermes-agent.nousresearch.com/docs/user-guide/features/memory-providers
- (Hermes 内置插件,无独立 GitHub 项目)
核心特性:
- 零外部依赖: SQLite + FTS5(NumPy 可选用于 HRR 向量代数)
- HRR(Holographic Reduced Representation): 向量组合代数实现 probe/related/reason/contradict 等高级检索
- 信任评分:
fact_feedback工具训练每个事实的可信度 - 矛盾检测:
fact_store中的 contradict action 检测知识冲突 - 2 个 Hermes 工具:
fact_store(9 actions: add/search/probe/related/reason/contradict/update/remove/list)、fact_feedback - 配置:
db_path、auto_extract、default_trust、hrr_dim
已知问题: NumPy 缺失时 HRR 静默降级为 FTS5(Issue #34084),用户可能误以为 HRR 在工作
量级评估: 轻量(纯本地 SQLite,无外部依赖)
6. RetainDB
来源:
- https://www.retaindb.com — 官网
- https://www.retaindb.com/docs/agent-memory-bus
- https://hermes-agent.nousresearch.com/docs/user-guide/features/memory-providers
核心特性:
- LongMemEval SOTA(88% vs 领域平均 70%)
- 7 种记忆类型 + Delta 压缩
- 混合搜索:Vector + BM25 + Reranking
- p95 检索延迟 <40ms(全球平均 13ms)
- Memory Router: 可作为 OpenAI-compatible 代理,零代码集成
- 5 个 Hermes 工具:
retaindb_profile、retaindb_search、retaindb_context、retaindb_remember、retaindb_forget - 定价: $20/月
量级评估: 中等(闭源 Cloud API)
7. ByteRover
来源:
- https://github.com/campfirein/byterover-cli — GitHub
- https://docs.byterover.dev — 文档
- https://www.byterover.dev/blog/memory-architecture — 架构深度解析
核心特性:
- 层级知识树: 树形目录 + 每个节点
context.md文件 + 独立 markdown 知识条目 - 分层次检索: 模糊文本搜索 -> LLM 驱动的精准检索
- Pre-compression 提取: 压缩前提取关键信息降低 Token 消耗
- CLI 优先:
brv命令交互式 REPL - 3 个 Hermes 工具:
brv_query、brv_curate、brv_status - 开源论文: 有完整技术论文验证架构有效性(92.2% 检索准确率)
- 本地优先(可同步到 ByteRover Cloud)
量级评估: 轻量-中等(本地 CLI + 可选的 Cloud 同步)
8. Supermemory
来源:
- https://supermemory.ai — 官网
- https://github.com/supermemoryai/supermemory — GitHub(25.8K Stars, TypeScript)
- https://hermes-agent.nousresearch.com/docs/user-guide/features/memory-providers
核心特性:
- 5 层上下文栈: 用户理解模型 + 向量图谱引擎 + 检索 + 提取器 + 连接器
- 向量图谱引擎: 本体感知边缘,支持知识更新/合并/矛盾/推理
- LongMemEval/ConvoMem/LoCoMo #1 基准排名
- p95 <300ms 延迟,100B+ tokens/月
- 4 个 Hermes 工具:
supermemory_store、supermemory_search、supermemory_forget、supermemory_profile - 支持
{identity}模板实现 Profile 级隔离 - SOC 2 / HIPAA / GDPR 合规
- 自有基准平台 MemoryBench(git.new/membench)
量级评估: 中等-重量(Cloud API / 自托管)
三、分类建议
按适合场景分类
| 类别 | 推荐 Provider | 理由 |
|---|---|---|
| 长期记忆(跨 Session 持久化) | Honcho, Mem0, Hindsight, Supermemory | 具备完善的自动提取/检索/合成机制 |
| 短期记忆(Session 内上下文) | Holographic, ByteRover | 轻量本地方案,无需网络请求 |
| 知识图谱/实体关系推理 | Hindsight, Mem0(Pro), Supermemory | 内置知识图谱自动构建 |
| 多 Agent 系统 | Honcho | 唯一内置 Multi-Peer 隔离和观察机制 |
| 零外部依赖/离线 | Holographic | SQLite + FTS5,无网络需求 |
| 代码 Agent 记忆 | ByteRover | 层级树结构 + 文件系统,适合项目知识管理 |
| 企业级合规场景 | Mem0, Supermemory | SOC 2 / HIPAA 认证 |
| 知识管理/文档库 | OpenViking | 文件系统式浏览,viking:// URI 组织 |
| 最低延迟生产级 | RetainDB | p95 <40ms,Memory Router 零代码集成 |
按量级评估
| 量级 | Provider | 标准 |
|---|---|---|
| 轻量 | Holographic, ByteRover | 纯本地,无外部 API 依赖,资源占用低 |
| 中等 | Honcho, OpenViking, Mem0, RetainDB, Supermemory(轻量使用) | 需 API Key 或轻量 Server,有一定外部依赖 |
| 重量 | Hindsight(Local Embedded), Supermemory(自托管), Mem0(自托管) | 需数据库 + LLM + 完整基础设施部署 |
四、综合建议(按研究课题需求排序)
优先级 1:Honcho(已用)
- 当前生产选择,多 Agent 架构优势明显
- 建议持续使用并深耕配置优化
优先级 2(补充评估):
| 场景 | 候选 | 理由 |
|---|---|---|
| 知识图谱推理增强 | Hindsight | 4 种检索策略 + reflect 合成,适合深度推理 |
| 低延迟替代方案 | RetainDB | SOTA 基准 + 极低延迟 + Memory Router 零代码 |
| 本地原型/离线 | Holographic | 零外部依赖,适合快速验证概念 |
| 项目代码记忆 | ByteRover | 层级树组织,CLI 优先,本地化 |
| 免维护云方案 | Mem0 或 Supermemory | 自动记忆管理,适合快速上手 |
本表信息来源均标注于每个 Provider 的”来源”节。未发现无法确认的信息。