Hermes Agent การจัดการความจำไม่ยุ่งเหยิงอีกต่อไป: ปลั๊กอิน MemOS ทำให้ AI ฉลาดขึ้นเมื่อใช้งานมากขึ้น

เมื่อเร็วๆ นี้สังเกตเห็นปรากฏการณ์ที่น่าสนใจ: ผู้ใช้จำนวนมากขึ้นเรื่อยๆ กำลังย้ายจาก OpenClaw ไปยัง Hermes Agent เพื่อนๆ รอบตัวฉันหลายคนหลังจากเปลี่ยนก็บอกว่า “กลับไปไม่ได้แล้ว”

ตัวฉันเองก็ใช้งานอย่างลึกซึ้งมานานกว่าหนึ่งเดือน ประสบการณ์โดยรวมดีมาก วันนี้ฉันอยากพูดถึง Hermes เอง และปลั๊กอินหน่วยความจำท้องถิ่นที่พัฒนาโดยทีม MemTensor ปลั๊กอินนี้ออกแบบมาเพื่อให้การจัดเก็บหน่วยความจำฉลาดขึ้น ค้นหาได้แม่นยำขึ้น และยกระดับประสบการณ์การใช้งานโดยรวมไปอีกขั้น

01 Hermes Agent คืออะไร?

Hermes Agent เป็นเฟรมเวิร์ก AI Agent อัตโนมัติแบบโอเพนซอร์สจาก Nous Research ปัจจุบันได้รับดาวมากกว่า 100,000 ดาวบน GitHub และถูกมองว่าเป็นคู่แข่งของ OpenClaw

Nous Research มีอิทธิพลในชุมชนโอเพนซอร์ส โมเดลปรับแต่งชุด Hermes ที่เผยแพร่ก่อนหน้านี้มียอดดาวน์โหลดมหาศาลบน HuggingFace แนวคิดการออกแบบหลักของ Hermes Agent ที่พวกเขาเปิดตัวสามารถสรุปได้ว่า: ปรับใช้ AI Agent บนอุปกรณ์ของคุณ ยิ่งใช้นานเท่าไรมันก็ยิ่งทรงพลัง มันมีวงจรการเรียนรู้ที่พัฒนาตนเอง กลไกหน่วยความจำ และเชื่อมต่อกับแพลตฟอร์มแชทมากกว่า 40 แห่ง

02 ปัญหาที่พบระหว่างการใช้งานอย่างลึกซึ้ง

โดยรวมแล้ว ประสิทธิภาพของ Hermes เป็นที่น่าพอใจ โดยเฉพาะฟังก์ชันสร้างทักษะ (Skill) อัตโนมัติที่มีประโยชน์มาก งานที่ทำครั้งเดียวไม่ต้องสอนอีกครั้ง

อย่างไรก็ตาม เมื่อใช้งานนานขึ้น ฉันเริ่มพบปัญหา: มันจำได้ แต่จำอย่างยุ่งเหยิง

ยกตัวอย่าง ฉันเคยบอกมันว่าฉันกำลังลดน้ำหนัก ต้องควบคุมแคลอรี่ไม่เกิน 1800 ต่อวัน หนึ่งสัปดาห์ต่อมา ฉันเลิกลดน้ำหนักและกลับมากินปกติ แต่เมื่อฉันให้มันวางแผนวันหยุดสุดสัปดาห์ครั้งต่อไป มันยังแนะนำเมนูแคลอรี่ต่ำ สาเหตุคือความทรงจำที่ขัดแย้งกันสองอย่าง共存 มันไม่สามารถ判断ว่าอันไหนล่าสุด

ปัญหาประเภทนี้เกิดขึ้นบ่อยและน่ารำคาญ ยิ่งคุณสนทนากับ Agent มากเท่าไหร่ ข้อมูลที่สะสมก็ยิ่งมาก แต่ไม่สามารถจัดการความสัมพันธ์ระหว่างข้อมูลเหล่านี้ได้ ข้อมูลที่ซ้ำซ้อน ล้าสมัย หรือแม้แต่ขัดแย้งกันปนเปกันไป เมื่อเวลาผ่านไป คลังหน่วยความจำก็กลายเป็น “ของรวมมิตร”

วิธีดั้งเดิมของ Hermes คือการบันทึกการสนทนาแต่ละรอบลงในฐานข้อมูล SQLite โดยตรง และทำการจับคู่ข้อความเมื่อค้นหา เมื่อข้อมูลเดียวกันถูกกล่าวถึงซ้ำๆ ในการสนทนาต่างกัน คลังหน่วยความจำจะสร้างรายการที่ซ้ำกันจำนวนมาก ส่งผลให้ “อัตราส่วนสัญญาณต่อสัญญาณรบกวน” ของผลการค้นหาลดลงเรื่อยๆ

ดังนั้น ฉันจึงเริ่มมองหาโซลูชันที่ช่วยให้ Hermes จัดการหน่วยความจำได้อย่างมีประสิทธิภาพ ในที่สุด ฉันก็พบปลั๊กอินหน่วยความจำท้องถิ่นที่พัฒนาโดยทีม MemTensor สำหรับ Hermes ทีมนี้มุ่งเน้นด้าน AI หน่วยความจำมาโดยตลอด โปรเจกต์โอเพนซอร์ส MemOS ของพวกเขาได้รับดาวมากกว่า 8400 ดาวบน GitHub

ปลั๊กอินนี้เชื่อมต่อความสามารถด้านหน่วยความจำของ MemOS เข้ากับ Hermes ได้อย่างราบรื่น มันทำงานบนเครื่องท้องถิ่นทั้งหมด ข้อมูลทั้งหมดไม่จำเป็นต้องอัปโหลดไปยังบริการคลาวด์ใดๆ

• ที่อยู่โอเพนซอร์ส: https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin

03 แก่นของหน่วยความจำ: ไม่ใช่ปริมาณ แต่อยู่ที่คุณภาพ

ปัญหาหลักที่ปลั๊กอิน MemOS แก้ไขมีเพียงสองอย่าง: การจัดเก็บอย่างชาญฉลาด และ การค้นหาอย่างแม่นยำ

เกี่ยวกับการจัดเก็บ:
ปลั๊กอินนี้แนะนำขั้นตอนการประมวลผลที่สมบูรณ์ในขั้นตอนการเขียน: การแบ่งส่วนความหมาย → สรุปโดย LLM → การทำเวกเตอร์ → การลบข้อมูลซ้ำอย่างชาญฉลาด
ในจำนวนนี้ การลบข้อมูลซ้ำอย่างชาญฉลาด เป็นฟังก์ชันที่โดดเด่นที่สุดของปลั๊กอิน มันไม่ใช่แค่การเปรียบเทียบข้อความ แต่เปรียบเทียบข้อมูลที่จะบันทึกกับหน่วยความจำที่คล้ายกันที่มีอยู่ และให้ LLM ตัดสินว่ามันซ้ำซ้อน จำเป็นต้องอัปเดต หรือเป็นข้อมูลใหม่
กลับมาที่ตัวอย่างการลดน้ำหนัก ฉันป้อนข้อมูล “ลดน้ำหนัก” และ “เลิกลดน้ำหนัก” สองครั้ง วิธีดั้งเดิมของ Hermes จะบันทึกเป็นสองระเบียนแยกกัน แต่ปลั๊กอิน MemOS จะ识别โดยอัตโนมัติว่าข้อมูลที่สองเป็นการอัปเดตของข้อมูลแรก จึงรวมทั้งสองเป็นระเบียนเดียว และบันทึกประวัติการรวม วิธีการจัดการนี้ทำให้คลังหน่วยความจำสะอาดและเป็นระเบียบอยู่เสมอ ไม่รกแม้ใช้งานเป็นเวลานาน

เกี่ยวกับการค้นหา:
Hermes ดั้งเดิมใช้การค้นหาข้อความ SQLite ซึ่งมีข้อเสียชัดเจน: ถ้าคีย์เวิร์ดไม่ตรงก็จะค้นไม่เจอ เช่น ถ้าคุณถาม “ครั้งที่แล้วแนะนำที่กินอะไรดี” ถ้าข้อความต้นฉบับคือ “ร้านอาหารแห่งหนึ่งรสชาติดี” คีย์เวิร์ดก็ไม่ตรง การค้นหาดั้งเดิมจะล้มเหลว
ปัญหานี้ประสบการณ์แย่มาก—”เก็บไว้แต่ค้นไม่เจอ” การจัดเก็บก็ไร้ความหมาย
ปลั๊กอิน MemOS นำเสนอ เครื่องมือค้นหาแบบผสม ที่ทำงานสองช่องทางพร้อมกัน: การค้นหาข้อความแบบเต็ม และการค้นหาความหมายแบบเวกเตอร์ หลังจากนั้น มันจะทำการจัดอันดับแบบผสม ลบข้อมูลซ้ำเพื่อความหลากหลาย จัดอันดับตามการลดลงของเวลา และสุดท้ายกรองด้วยความเกี่ยวข้องอีกชั้น
ผลลัพธ์สุดท้ายคือ: เมื่อคุณค้นหา “ครั้งที่แล้วแนะนำที่กินอะไรดี” แม้ว่าข้อความต้นฉบับจะไม่มีคำว่า “แนะนำ” และ “อร่อย” ช่องทางความหมายก็สามารถดึงหน่วยความจำที่เกี่ยวข้องออกมาได้อย่างแม่นยำ
นอกจากนี้ ในตอนเริ่มการสนทนาแต่ละรอบ ระบบจะใช้ข้อความล่าสุดของคุณเพื่อทำการค้นหาล่วงหน้าโดยอัตโนมัติ และฉีดหน่วยความจำที่เกี่ยวข้องเข้าไปในบริบท หากการค้นหาครั้งแรกไม่ตรง ระบบจะ提示 Agent ให้ทำการค้นหาครั้งที่สองอย่าง主动 การปรับปรุงประสบการณ์นี้ชัดเจนมาก ก่อนหน้านี้เมื่อถาม Hermes เกี่ยวกับปัญหาประวัติ มักจะได้คำตอบที่คลุมเครือหรือ “จำไม่ได้” หลังจากติดตั้งปลั๊กอิน ความแม่นยำเพิ่มขึ้นอย่างเห็นได้ชัด

04 วิวัฒนาการของทักษะก็ถูกปฏิวัติด้วยเช่นกัน

การสร้างทักษะดั้งเดิมของ Hermes ขึ้นอยู่กับโมเดลที่รัน Agent ไม่สามารถ指定โมเดลที่ทรงพลังกว่าเพื่อประเมินได้ ส่งผลให้คุณภาพของทักษะบางส่วนไม่สม่ำเสมอ
ปลั๊กอิน MemOS รองรับ การกำหนดค่าโมเดลอิสระสามระดับ:
* โมเดลเบา: ใช้สำหรับ Embedding (การทำข้อความเป็นเวกเตอร์)
* โมเดลปานกลาง: ใช้สำหรับสร้างสรุป
* โมเดล最强: ใช้สำหรับสร้างทักษะ
ในขณะเดียวกัน มันเพิ่มชั้น การกรองกฎ + การประเมินโดย LLM เพื่อให้แน่ใจว่าเฉพาะงานที่ทำซ้ำได้และมีคุณค่าเท่านั้นที่จะถูกสร้างเป็นทักษะ นอกจากนี้ มันยังมีกลไกการลดระดับในตัว: เมื่อโมเดลสร้างทักษะมีปัญหา มันจะลดระดับไปยังโมเดลสรุปโดยอัตโนมัติ หากโมเดลสรุปก็มีปัญหา ก็จะลดระดับไปยังโมเดลดั้งเดิมของ Hermes ต่อไป กระบวนการทั้งหมดไม่ต้องดำเนินการด้วยตนเอง

05 การทำงานร่วมกันของหลาย Agent: จากอิสระสู่การแบ่งปัน

ฟังก์ชันนี้ฉันยังไม่ได้ใช้มากนัก แต่แนวคิดการออกแบบค่อนข้างสร้างแรงบันดาลใจ
หากคุณรันอินสแตนซ์ Hermes หลายตัวเพื่อจัดการงานที่แตกต่างกัน ประสบการณ์ที่สะสมในแต่ละอินสแตนซ์จะแยกจากกัน ปลั๊กอิน MemOS เพิ่มความสามารถในการทำงานร่วมกันสองชั้นสำหรับสิ่งนี้:
1. หลาย Agent บนเครื่องเดียว: แต่ละ Agent มีพื้นที่หน่วยความจำของตัวเอง แต่สามารถแบ่งปันหน่วยความจำและทักษะส่วนกลางได้
2. การทำงานร่วมกันข้ามเครื่อง: ใช้สถาปัตยกรรม Hub-Client ข้อมูลส่วนตัวจะถูกเก็บไว้ในเครื่องเสมอ เฉพาะเนื้อหาที่标记为共享เท่านั้นที่ทีมจะมองเห็นได้
สำหรับทีมเล็ก ฟังก์ชันนี้มีประโยชน์มาก ความรู้ที่ Agent แต่ละตัวของสมาชิกแต่ละคนเรียนรู้สามารถแบ่งปันกันได้ โดยไม่ต้องเริ่มสะสมจากศูนย์

06 แผงการจัดการเว็บในตัว

หลังจากติดตั้งปลั๊กอิน จะมีแผงการจัดการเว็บเพิ่มขึ้นมา ที่อยู่เริ่มต้นคือ http://127.0.0.1:18901

แผงประกอบด้วย 7 หน้าการจัดการ ครอบคลุมการดำเนินงานประจำวันทั้งหมด:
* การเรียกดูและค้นหาหน่วยความจำ
* การจัดการงาน
* การจัดการ Skill
* สถิติการวิเคราะห์
* บันทึกการเรียกใช้เครื่องมือ
* การนำเข้าข้อมูล
* การกำหนดค่าออนไลน์

แผงมีรหัสผ่านป้องกันและอนุญาตให้เข้าถึงได้เฉพาะในเครื่องเท่านั้น อย่างน้อยก็ช่วยให้คุณไม่ต้องพึ่งพาการจัดการหน่วยความจำผ่านบรรทัดคำสั่งที่ยุ่งยาก

07 วิธีการติดตั้งและประสบการณ์การใช้งาน

ปลั๊กอิน MemOS เป็นแบบ本地化ทั้งหมด ไม่พึ่งพาคลาวด์ ข้อมูลถูกเก็บใน SQLite ท้องถิ่น ข้อกำหนดเบื้องต้นมีเพียงสามอย่าง:
* Node.js >= 18
* Python 3
* ติดตั้ง Hermes Agent แล้ว

การติดตั้ง只需คำสั่งเดียว:

bash
curl -fsSL https://raw.githubusercontent.com/MemTensor/MemOS/openclaw-local-plugin-20260408/apps/memos-local-plugin/install.sh | bash

ตัวติดตั้งจะตรวจสอบสภาพแวดล้อมโดยอัตโนมัติ หาก缺少 Node.js มันจะช่วยติดตั้งให้ หลังจากนั้น ตัวติดตั้งจะดำเนินการดาวน์โหลดแพ็กเกจปลั๊กอิน ติดตั้ง dependencies สร้างลิงก์สัญลักษณ์ไปยังไดเรกทอรีปลั๊กอินของ Hermes อัปเดตไฟล์กำหนดค่า ตรวจสอบการโหลดปลั๊กอิน ฯลฯ ตามลำดับ สุดท้าย มันจะเริ่ม daemon Bridge และ Memory Viewer หลังจากติดตั้งเสร็จ ให้ใช้คำสั่ง hermes chat โดยตรง การสนทนาแต่ละครั้งจะถูกบันทึกลงในหน่วยความจำโดยอัตโนมัติ เปิด http://127.0.0.1:18901 เพื่อดูแผงการจัดการ

• เอกสารเริ่มต้น: https://memos-docs.openmem.net/cn/openclaw/hermes_local_plugin

ความรู้สึกจริงหลังใช้งานมากกว่าหนึ่งสัปดาห์:

ข้อดี:
* ความแม่นยำในการค้นหาหน่วยความจำเพิ่มขึ้นอย่างเห็นได้ชัด: ข้อมูลประวัติที่ก่อนหน้านี้ค้นหาไม่เจอบ่อย ตอนนี้หาได้เกือบทั้งหมด
* ผลการลบข้อมูลซ้ำชัดเจน: ไม่มีกรณีที่ข้อมูลเดียวกันถูกเก็บไว้เจ็ดแปดครั้ง

ข้อเสีย:
* ใช้ Token มากขึ้นเมื่อใช้งานครั้งแรก: เพราะต้องรันโมเดลเพื่อสร้างสรุปและทำเวกเตอร์
* ผู้ใช้ระดับเบาอาจไม่รู้สึกมาก: ถ้าคุณใช้ Hermes เป็นครั้งคราว ข้อดีของปลั๊กอินนี้อาจไม่ชัดเจน คุณค่าของมันจะค่อยๆ ปรากฏเมื่อใช้งานในระยะยาว

โดยรวมแล้ว ถ้าคุณกำลังใช้ Hermes อยู่และวางแผนจะใช้ต่อไปในระยะยาว ปลั๊กอินนี้คุ้มค่าที่จะติดตั้งมาก สรุปในหนึ่งประโยค: Hermes ทำให้ Agent ทำงานได้ ในขณะที่ MemOS ทำให้มันฉลาดขึ้นเรื่อยๆ

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK