为 OpenClaw 提供的上下文管理插件,用 SQLite 保存全部消息,并以 DAG 摘要替代截断。
stephenschoettler/hermes-lcm
为 Hermes Agent 设计的无损上下文管理插件,用 SQLite 保存全部消息并构建摘要 DAG,便于回溯已压缩的历史。
- Star
- 1,316
- Fork
- 189
- 未关闭 Issue
- 237
- 最近提交
- 21天前
这是什么?
hermes-lcm 是 Hermes Agent 的上下文引擎插件,用基于 DAG 的持久化方案取代一次性的提示词压缩。在压缩之前,原始消息先保存到插件自有的 SQLite 数据库中;较早的上下文被总结为带深度信息的节点,并随积累逐层合并。这样活跃提示词保持在可控长度,而原始消息仍可恢复。
智能体可以使用一组工具检索和展开被压缩的内容,包括对消息和摘要做关键词搜索、分页读取源消息、跨会话召回、按时间范围获取摘要以及运行诊断。超大的工具输出和媒体载荷可以外置为带引用的文件,存储前还可选择对 API 密钥、令牌和密码进行脱敏。
插件通过环境变量和 Hermes 配置进行设置,包括压缩阈值、保留的最新消息数量、会话忽略与只读模式,以及基于嵌入向量的可选语义检索。仓库还提供一个脚本,用于导入 OpenClaw / lossless-claw 的历史记录。
核心功能
- 01压缩前将原始消息保存到本地 SQLite,原文可随时恢复。
- 02构建分层摘要节点,并可回溯到对应的源消息。
- 03提供关键词搜索、分页读取消息和展开摘要的工具。
- 04将超大的工具输出和媒体载荷外置为带引用的文件。
- 05可选对 API 密钥、Bearer 令牌、密码和私钥进行脱敏。
- 06提供诊断命令,以及先备份再修复的数据库维护功能。
适用场景
- 长时间运行的 Hermes Agent 会话,要求早期关键信息在压缩后仍可检索。
- 在大上下文模型上控制活跃提示词长度,同时保留对较早对话的访问。
- 将 OpenClaw 或 lossless-claw 的对话归档迁移到 Hermes 环境中。
- 将嘈杂的定时任务或自动化会话排除在存储之外,同时保证主对话可恢复。
快速上手
- 1
将插件克隆到 Hermes 插件目录
git clone https://github.com/stephenschoettler/hermes-lcm ~/.hermes/plugins/hermes-lcm - 2
在 Hermes 配置中启用 hermes-lcm 插件并将上下文引擎设为 lcm,然后重启 Hermes
- 3
检查插件和上下文引擎是否已加载
hermes plugins
使用前须知
- 它是 Hermes Agent 的插件,无法独立运行。
- v1.0.0-rc.1 候选版本新增的功能需要主动开启,默认关闭。
收录于专题
标签
常见问题
- hermes-lcm 是什么?
- 为 Hermes Agent 设计的无损上下文管理插件,用 SQLite 保存全部消息并构建摘要 DAG,便于回溯已压缩的历史。 hermes-lcm 是 Hermes Agent 的上下文引擎插件,用基于 DAG 的持久化方案取代一次性的提示词压缩。在压缩之前,原始消息先保存到插件自有的 SQLite 数据库中;较早的上下文被总结为带深度信息的节点,并随积累逐层合并。这样活跃提示词保持在可控长度,而原始消息仍可恢复。
- hermes-lcm 可以免费使用吗?用的什么许可证?
- hermes-lcm 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- hermes-lcm 还在维护吗?
- 活跃维护中。hermes-lcm 最近一次提交是在 2026年10月17日。
- hermes-lcm 适合用来做什么?
- 长时间运行的 Hermes Agent 会话,要求早期关键信息在压缩后仍可检索。 在大上下文模型上控制活跃提示词长度,同时保留对较早对话的访问。 将 OpenClaw 或 lossless-claw 的对话归档迁移到 Hermes 环境中。 将嘈杂的定时任务或自动化会话排除在存储之外,同时保证主对话可恢复。
- hermes-lcm 怎么安装和运行?
- 将插件克隆到 Hermes 插件目录: git clone https://github.com/stephenschoettler/hermes-lcm ~/.hermes/plugins/hermes-lcm 在 Hermes 配置中启用 hermes-lcm 插件并将上下文引擎设为 lcm,然后重启 Hermes 检查插件和上下文引擎是否已加载: hermes plugins
- 在哪里获取 hermes-lcm?
- 源代码和安装说明在 GitHub 上:https://github.com/stephenschoettler/hermes-lcm
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
面向 DeepSeek Harness 与 OpenClaw 的知识图谱记忆插件,控制上下文长度并跨会话召回原始问答。
为 DeepSeek Harness 提供分层记忆、项目文档检索、可插拔记忆后端和可自我演进技能的上下文插件。
跑在本机的 AI 搭档守护进程,长期记住你,能把对话落成 PPT、Word 和表格,并可自加技能。
为 DeepSeek Harness 智能体提供长期记忆与消息网关,可通过 Slack、Discord、Telegram 和终端对话。
可自托管的个人 AI 助手,记忆会随时间融合、关联与遗忘,支持 MCP 并兼容 OpenClaw 技能。