跳轉到主要內容
Honcho 透過外部外掛為 OpenClaw 加入 AI 原生記憶。它會將對話持久保存到專用服務,並隨時間建立使用者與代理程式模型,讓你的代理程式取得跨工作階段脈絡,超越工作區 Markdown 檔案。

它提供什麼

  • 跨工作階段記憶 - 每一輪之後都會保留對話,因此脈絡會延續到工作階段重設、壓縮與渠道切換之後。
  • 使用者建模 - Honcho 會為每位使用者維護個人檔案(偏好、事實、溝通風格),也會為代理程式維護個人檔案(個性、學到的行為)。
  • 語意搜尋 - 搜尋過去對話中的觀察結果,而不只是目前工作階段。
  • 多代理程式感知 - 父代理程式會自動追蹤衍生的子代理程式,並在子工作階段中將父代理程式加入為觀察者。

可用工具

Honcho 會註冊代理程式可在對話期間使用的工具: 資料擷取(快速,無 LLM 呼叫):
工具功能
honcho_context跨工作階段的完整使用者表示法
honcho_search_conclusions對已儲存結論進行語意搜尋
honcho_search_messages跨工作階段尋找訊息(依寄件者、日期篩選)
honcho_session目前工作階段歷史與摘要
問答(由 LLM 驅動):
工具功能
honcho_ask詢問關於使用者的問題。depth='quick' 用於事實,'thorough' 用於綜合分析

開始使用

安裝外掛並執行設定:
openclaw plugins install @honcho-ai/openclaw-honcho
openclaw honcho setup
openclaw gateway --force
設定命令會提示你輸入 API 憑證、寫入設定,並可選擇遷移現有的工作區記憶檔案。
Honcho 可以完全在本機執行(自行託管),也可以透過 api.honcho.dev 的託管 API 執行。自行託管選項不需要任何外部依賴項。

設定

設定位於 plugins.entries["openclaw-honcho"].config 底下:
{
  plugins: {
    entries: {
      "openclaw-honcho": {
        config: {
          apiKey: "your-api-key", // omit for self-hosted
          workspaceId: "openclaw", // memory isolation
          baseUrl: "https://api.honcho.dev",
        },
      },
    },
  },
}
對於自行託管執行個體,請將 baseUrl 指向你的本機伺服器(例如 http://localhost:8000),並省略 API 金鑰。

遷移現有記憶

如果你有現有的工作區記憶檔案(USER.mdMEMORY.mdIDENTITY.mdmemory/canvas/),openclaw honcho setup 會偵測並詢問是否遷移它們。
遷移是非破壞性的 - 檔案會上傳到 Honcho。原始檔案絕不會被刪除或移動。

運作方式

每次 AI 回合之後,對話都會持久保存到 Honcho。使用者與代理程式訊息都會被觀察,讓 Honcho 能隨時間建立並改善其模型。 在對話期間,Honcho 工具會在 OpenClaw 的 before_prompt_build 外掛鉤子期間查詢服務,在模型看到提示之前注入相關脈絡。

Honcho 與內建記憶比較

內建 / QMDHoncho
儲存工作區 Markdown 檔案專用服務(本機或託管)
跨工作階段透過記憶檔案自動、內建
使用者建模手動(寫入 MEMORY.md)自動個人檔案
搜尋向量 + 關鍵字(混合)對觀察結果進行語意搜尋
多代理程式未追蹤父/子感知
依賴項無(內建)或 QMD 二進位檔安裝外掛
Honcho 與內建記憶系統可以一起運作。設定 QMD 時,會提供額外工具,可在 Honcho 的跨工作階段記憶旁一併搜尋本機 Markdown 檔案。

命令列介面命令

openclaw honcho setup                        # Configure API key and migrate files
openclaw honcho status                       # Check connection status
openclaw honcho ask <question>               # Query Honcho about the user
openclaw honcho search <query> [-k N] [-d D] # Semantic search over memory

延伸閱讀

相關內容