🏠 Главная › user guide › autonomous ai agents honcho

{/ Эта страница автоматически создается на основе файла SKILL.md навыка с помощью сайта site/scripts/generate-skill-docs.py. Редактируйте исходный код SKILL.md, а не эту страницу. /}

Хончо

Настройте и используйте память Honcho с Hermes — межсессионное моделирование пользователей, многопрофильную изоляцию одноранговых узлов, настройку наблюдения, диалектическое рассуждение, сводки сеансов и соблюдение контекстного бюджета. Используйте при настройке Honcho, устранении неполадок с памятью, управлении профилями с одноранговыми узлами Honcho или настройке параметров наблюдения, отзыва и диалектики.

Метаданные навыков
Источник Необязательно — установите с помощью hermesskills installofficial/autonomous-ai-agents/honcho
Путь необязательные-навыки/автономные-ИИ-агенты/почетный
Версия 2.0.0
Автор Агент Гермес
Лицензия Массачусетский технологический институт
Платформы Linux, MacOS, Windows
Теги Хончо, Память, Профили, Наблюдение, Диалектика, Пользовательское моделирование, Сессия-Сводка
Сопутствующие навыки hermes-agent

Ссылка: полная версия SKILL.md:::информация

Ниже приведено полное определение навыка, которое Гермес загружает при активации этого навыка. Это то, что агент видит в качестве инструкций, когда навык активен.

Хончо Память для Гермеса

Honcho обеспечивает межсессионное моделирование пользователей с помощью искусственного интеллекта. Он узнает, кем является пользователь в ходе разговоров, и присваивает каждому профилю Hermes свою собственную идентификационную информацию, одновременно предоставляя единое представление о пользователе.

Когда использовать

Настройка

Облако (app.honcho.dev)

hermes honcho setup
# select "cloud", paste API key from https://app.honcho.dev

Самостоятельное размещение

hermes honcho setup
# select "local", enter base URL (e.g. http://localhost:8000)

См.: https://docs.honcho.dev/v3/guides/integrations/hermes#running-honcho-locally-with-hermes.

Проверить

hermes honcho status    # shows resolved config, connection test, peer info

Архитектура

Внедрение базового контекста

Когда Honcho вводит контекст в системное приглашение (в режимах «гибридного» или «контекстного» вызова), он собирает базовый блок контекста в следующем порядке:

  1. Сводка сеанса – краткий обзор текущего сеанса (размещается первым, чтобы обеспечить немедленную непрерывность разговора модели).
  2. Представление пользователя – накопленная модель пользователя Honcho (предпочтения, факты, шаблоны).
  3. Карточка AI-партнера — удостоверение личности AI-пары этого профиля Hermes.

Сводка сеанса создается Honcho автоматически в начале каждого хода (если существует предыдущий сеанс). Это дает модели теплый старт без повторного воспроизведения всей истории.

Выбор холодной/теплой подсказки

Honcho автоматически выбирает между двумя стратегиями подсказок:

Состояние Стратегия Что происходит
Нет предыдущего сеанса или пустое представление Холодный старт Легкое вступление; пропускает введение сводки; побуждает модель узнать о пользователе
Существующее представление и/или история сеансов Теплый старт Полное внедрение базового контекста (сводка → представление → карточка); более богатая системная подсказка

Вам не нужно это настраивать — это происходит автоматически в зависимости от состояния сеанса.

Коллеги

Хончо моделирует разговоры как взаимодействие между сверстниками. Hermes создает двух пиров за сеанс:

Наблюдение

У каждого узла есть два переключателя наблюдения, которые контролируют то, чему учится Honcho:

Переключить Что он делает
наблюдай за мной Собственные сообщения сверстника наблюдаются (формирует самопрезентацию)
наблюдать за другими Сообщения других участников наблюдаются (способствует взаимопониманию между коллегами)

По умолчанию: все четыре переключателя вкл. (полное двунаправленное наблюдение).

Настройте для каждого узла в honcho.json:

{
  "observation": {
    "user": { "observeMe": true, "observeOthers": true },
    "ai":   { "observeMe": true, "observeOthers": true }
  }
}

Или используйте сокращенные пресеты:

Предустановленные Пользователь ИИ Вариант использования
"направленный" (по умолчанию) я:вкл, другие:вкл я:вкл, другие:вкл Мультиагент, полная память
"единый" я:вкл., другие:выкл. я:выкл., другие:вкл. Один агент, моделирование только для пользователей

Настройки, измененные в [панели управления Honcho] (https://app.honcho.dev), синхронизируются обратно при инициализации сеанса — конфигурация на стороне сервера имеет преимущество над локальными настройками по умолчанию.

сеансов

Сессии Honcho охватывают область, в которую попадают сообщения и наблюдения. Варианты стратегии:

Стратегия Поведение
для каждого каталога (по умолчанию) Один сеанс на рабочий каталог
за репо Один сеанс на каждый корень репозитория git
за сеанс Новая сессия Honcho при каждом запуске Hermes
глобальный Один сеанс во всех каталогах

Ручное переопределение: hermes honcho map my-project-name

Режимы вызова

Как агент обращается к памяти Honcho:

Режим Автоматически внедрить контекст? Доступны инструменты? Вариант использования
гибрид (по умолчанию) Да Да Агент решает, когда использовать инструменты, а когда автоматический контекст
контекст Да Нет (скрыто) Минимальная стоимость токена, никаких вызовов инструментов
инструменты Нет Да Агент явно контролирует весь доступ к памяти

Три ортогональные ручки

Диалектическое поведение Хончо контролируется тремя независимыми измерениями. Каждый из них можно настроить, не затрагивая другие:

Каденс (когда)

Управляет как часто происходят диалектические и контекстные вызовы.

Ключ По умолчанию Описание
контекстКаденция 1 Минимальное количество оборотов между вызовами контекстного API
диалектикаКаденция 2 Мин. ходов между диалектическими вызовами API. Рекомендуется 1–5
injectionFrequency на каждом шагу «каждый ход» или «первый ход» для внедрения базового контекста

Более высокие значения каденции реже запускают диалектический LLM. dialecticCadence: 2 означает, что двигатель запускается через каждый второй оборот. Установка значения «1» срабатывает каждый ход.

Глубина (сколько)

Контролирует количество раундов диалектического рассуждения, которое Honcho выполняет за запрос.

Ключ По умолчанию Диапазон Описание
диалектическая глубина 1 1-3 Количество раундов диалектических рассуждений на запрос
диалектикаDepthLevels -- массив Дополнительные настройки уровня для каждой глубины раунда (см. ниже)

dialecticDepth: 2 означает, что Honcho проводит два раунда диалектического синтеза. Первый раунд дает первоначальный ответ; второй уточняет его.

dialecticDepthLevels позволяет вам установить уровень рассуждения для каждого раунда независимо:

{
  "dialecticDepth": 3,
  "dialecticDepthLevels": ["low", "medium", "high"]
}

Если параметр «dialecticDepthLevels» опущен, в раундах используются пропорциональные уровни, полученные из «dialecticReasoningLevel» (базовый):

Глубина Пройти уровни
1 [база]
2 [минимальный, базовый]
3 [минимальный, базовый, низкий]

Это позволяет сэкономить более ранние проходы при использовании полной глубины окончательного синтеза.

Глубина при запуске сеанса. Предварительная разминка при запуске сеанса запускает полностью настроенную dialecticDepth в фоновом режиме перед первым поворотом. Однопроходная предварительная разминка на холодном узле часто возвращает тонкие выходные данные — многопроходная глубина запускает цикл аудита/согласования еще до того, как пользователь заговорит. Первый ход напрямую использует результат предварительного разогрева; если предварительный разогрев не состоялся вовремя, ход 1 возвращается к синхронному вызову с ограниченным тайм-аутом.

Уровень (насколько сложный)

Контролирует интенсивность каждого раунда диалектических рассуждений.

Ключ По умолчанию Описание
уровень диалектического рассуждения низкий минимальный, низкий, средний, высокий, макс
диалектическийДинамический правда Если установлено значение «true», модель может передать «reasoning_level» в «honcho_reasoning», чтобы переопределить значение по умолчанию для каждого вызова. false = всегда использовать dialecticReasoningLevel, переопределения модели игнорируются

Более высокие уровни дают более богатый синтез, но требуют больше жетонов на сервере Honcho.

Настройка нескольких профилей

Каждый профиль Hermes получает своего собственного узла Honcho AI, используя одно и то же рабочее пространство (контекст пользователя). Это означает:

Создайте профиль с помощью узла Honcho

hermes profile create coder --clone
# creates host block hermes.coder, AI peer "coder", inherits config from default

Что --clone делает для Honcho: 1. Создает хост-блок hermes.coder в honcho.json. 2. Устанавливает aiPeer: "coder" (имя профиля) 3. Наследует «workspace», «peerName», «writeFrequency», «recallMode» и т. д. по умолчанию. 4. Быстро создает узел в Honcho, чтобы он существовал до первого сообщения.

Заполнение существующих профилей

hermes honcho sync    # creates host blocks for all profiles that don't have one yet

Конфигурация для каждого профиля

Переопределить любую настройку в блоке хоста:

{
  "hosts": {
    "hermes.coder": {
      "aiPeer": "coder",
      "recallMode": "tools",
      "dialecticDepth": 2,
      "observation": {
        "user": { "observeMe": true, "observeOthers": false },
        "ai": { "observeMe": true, "observeOthers": true }
      }
    }
  }
}

Инструменты

Агент имеет 5 двунаправленных инструментов Honcho (скрытых в режиме контекстного вызова):

Инструмент Звонок в LLM? Стоимость Используйте, когда
honcho_profile Нет минимальный Быстрый фактический снимок в начале разговора или для быстрого поиска имени/роли/предпочтений
honcho_search Нет низкий Возьмите конкретные факты из прошлого, чтобы рассуждать над собой — сырые выдержки, никакого синтеза
honcho_context Нет низкий Полный снимок контекста сеанса: сводка, представление, карточка, последние сообщения
honcho_reasoning Да средний–высокий Вопрос о естественном языке, синтезированный диалектической машиной Хончо
honcho_conclude Нет минимальный Напишите или удалите стойкий факт; передать peer: "ai" для самопознания ИИ

honcho_profile

Прочтите или обновите карточку сверстника — подобранные ключевые факты (имя, роль, предпочтения, стиль общения). Передайте card: [...] для обновления; отказаться от чтения. Никакого звонка в LLM.

Семантический поиск по сохраненному контексту для конкретного узла. Возвращает необработанные выдержки, ранжированные по релевантности, без обобщения. По умолчанию 800 жетонов, максимум 2000. Хорошо, когда вам нужны конкретные факты прошлого, чтобы рассуждать над собой, а не синтезированный ответ.

honcho_context

Полный снимок контекста сеанса от Honcho — сводка сеанса, представление одноранговых узлов, карточка однорангового узла и недавние сообщения. Никакого звонка в LLM. Используйте, если вы хотите увидеть все, что Honcho знает о текущем сеансе, и просмотреть в одном кадре.

honcho_reasoning

Вопрос на естественном языке, на который отвечает машина диалектического рассуждения Honcho (вызов LLM на серверной части Honcho). Выше стоимость, выше качество. Передайте reasoning_level для управления глубиной: minimal (быстро/дешево) → low → medium → high → max (тщательно). Опустите, чтобы использовать настроенное значение по умолчанию («низкий»). Используйте для синтезированного понимания моделей поведения, целей или текущего состояния пользователя.

honcho_conclude

Напишите или удалите стойкое заключение о пире. Передайте заключение: "..." для создания. Передайте delete_id: "...", чтобы удалить вывод (для удаления PII — Honcho самовосстанавливает неверные выводы с течением времени, поэтому удаление необходимо только для PII). Вы ДОЛЖНЫ пройти ровно один из двух.

Двунаправленный одноранговый таргетинг

Все 5 инструментов принимают необязательный параметр «peer»: - peer: "user" (по умолчанию) — работает с пользователем-пиром - peer: "ai" — работает с AI-узлом этого профиля. - peer: "<explicit-id>" — любой идентификатор узла в рабочей области.

Примеры:

honcho_profile                        # read user's card
honcho_profile peer="ai"              # read AI peer's card
honcho_reasoning query="What does this user care about most?"
honcho_reasoning query="What are my interaction patterns?" peer="ai" reasoning_level="medium"
honcho_conclude conclusion="Prefers terse answers"
honcho_conclude conclusion="I tend to over-explain code" peer="ai"
honcho_conclude delete_id="abc123"    # PII removal

Шаблоны использования агента

Рекомендации для Гермеса, когда память Хончо активна.

При начале разговора

1. honcho_profile                  → fast warmup, no LLM cost
2. If context looks thin → honcho_context  (full snapshot, still no LLM)
3. If deep synthesis needed → honcho_reasoning  (LLM call, use sparingly)

НЕ вызывайте honcho_reasoning на каждом ходу. Автоинъекция уже обрабатывает постоянное обновление контекста. Используйте инструмент рассуждения только тогда, когда вам действительно нужно синтезированное понимание, которого не дает базовый контекст.

Когда пользователь делится чем-то, что стоит запомнить

honcho_conclude conclusion="<specific, actionable fact>"

Хорошие выводы: «Предпочитаю примеры кода прозаическим объяснениям», «Работаю над асинхронным проектом на Rust до апреля 2026 года». Плохие выводы: «Пользователь сказал что-то о Rust» (слишком расплывчато), «Пользователь кажется техническим» (уже в представлении).

Когда пользователь спрашивает о прошлом контексте / вам нужно вспомнить подробности

honcho_search query="<topic>"       → fast, no LLM, good for specific facts
honcho_context                       → full snapshot with summary + messages
honcho_reasoning query="<question>"  → synthesized answer, use when search isn't enough

When to use peer: "ai"

Use AI peer targeting to build and query the agent's own self-knowledge: - honcho_conclude conclusion="I tend to be verbose when explaining architecture" peer="ai" — self-correction - honcho_reasoning query="How do I typically handle ambiguous requests?" peer="ai" — self-audit - honcho_profile peer="ai" — review own identity card

When NOT to call tools

In hybrid and context modes, base context (user representation + card + session summary) is auto-injected before every turn. Do not re-fetch what was already injected. Call tools only when: - You need something the injected context doesn't have - The user explicitly asks you to recall or check memory - You're writing a conclusion about something new

Cadence awareness

honcho_reasoning on the tool side shares the same cost as auto-injection dialectic. After an explicit tool call, the auto-injection cadence resets — avoiding double-charging the same turn.

Config Reference

Config file: $HERMES_HOME/honcho.json (profile-local) or ~/.honcho/config.json (global).

Key settings

Key Default Description
apiKey -- API key (get one)
baseUrl -- Base URL for self-hosted Honcho
peerName -- User peer identity
aiPeer host key AI peer identity
workspace host key Shared workspace ID
recallMode hybrid hybrid, context, or tools
observation all on Per-peer observeMe/observeOthers booleans
writeFrequency async async, turn, session, or integer N
sessionStrategy per-directory per-directory, per-repo, per-session, global
messageMaxChars 25000 Max chars per message (chunked if exceeded)

Dialectic settings

Key Default Description
dialecticReasoningLevel low minimal, low, medium, high, max
dialecticDynamic true Auto-bump reasoning by query complexity. false = fixed level
dialecticDepth 1 Number of dialectic rounds per query (1-3)
dialecticDepthLevels -- Optional array of per-round levels, e.g. ["low", "high"]
dialecticMaxInputChars 10000 Max chars for dialectic query input

Context budget and injection

Key Default Description
contextTokens uncapped Max tokens for the combined base context injection (summary + representation + card). Opt-in cap — omit to leave uncapped, set to an integer to bound injection size.
injectionFrequency every-turn every-turn or first-turn
contextCadence 1 Min turns between context API calls
dialecticCadence 2 Min turns between dialectic LLM calls (recommended 1–5)

The contextTokens budget is enforced at injection time. If the session summary + representation + card exceed the budget, Honcho trims the summary first, then the representation, preserving the card. This prevents context blowup in long sessions.

Memory-context sanitization

Honcho sanitizes the memory-context block before injection to prevent prompt injection and malformed content:

This fix addresses edge cases where raw user conclusions containing markup or special characters could corrupt the injected context block.

Troubleshooting

"Honcho not configured"

Run hermes honcho setup. Ensure memory.provider: honcho is in ~/.hermes/config.yaml.

Memory not persisting across sessions

Check hermes honcho status -- verify saveMessages: true and writeFrequency isn't session (which only writes on exit).

Profile not getting its own peer

Use --clone when creating: hermes profile create <name> --clone. For existing profiles: hermes honcho sync.

Observation changes in dashboard not reflected

Observation config is synced from the server on each session init. Start a new session after changing settings in the Honcho UI.

Messages truncated

Messages over messageMaxChars (default 25k) are automatically chunked with [continued] markers. If you're hitting this often, check if tool results or skill content is inflating message size.

Context injection too large

If you see warnings about context budget exceeded, lower contextTokens or reduce dialecticDepth. The session summary is trimmed first when the budget is tight.

Session summary missing

Session summary requires at least one prior turn in the current Honcho session. On cold start (new session, no history), the summary is omitted and Honcho uses the cold-start prompt strategy instead.

CLI Commands

Command Description
hermes honcho setup Interactive setup wizard (cloud/local, identity, observation, recall, sessions)
hermes honcho status Show resolved config, connection test, peer info for active profile
hermes honcho enable Enable Honcho for the active profile (creates host block if needed)
hermes honcho disable Disable Honcho for the active profile
hermes honcho peer Show or update peer names (--user <name>, --ai <name>, --reasoning <level>)
hermes honcho peers Show peer identities across all profiles
hermes honcho mode Show or set recall mode (hybrid, context, tools)
hermes honcho tokens Show or set token budgets (--context <N>, --dialectic <N>)
hermes honcho sessions List known directory-to-session-name mappings
hermes honcho map <name> Map current working directory to a Honcho session name
hermes honcho identity Seed AI peer identity or show both peer representations
hermes honcho sync Create host blocks for all Hermes profiles that don't have one yet
hermes honcho migrate Step-by-step migration guide from OpenClaw native memory to Hermes + Honcho
hermes memory setup Generic memory provider picker (selecting "honcho" runs the same wizard)
hermes memory status Show active memory provider and config
hermes memory off Disable external memory provider