Sessions and memory

Память Honcho

Honcho добавляет в OpenClaw ориентированную на ИИ память с помощью внешнего плагина. Он сохраняет разговоры в специализированном сервисе и со временем строит модели пользователя и агента, предоставляя агенту межсессионный контекст, выходящий за рамки Markdown-файлов рабочего пространства.

Что он предоставляет

  • Межсессионная память — разговоры сохраняются после каждого обмена, поэтому контекст не теряется при сбросе сеанса, Compaction и переключении каналов.
  • Моделирование пользователя — Honcho поддерживает профиль каждого пользователя (предпочтения, факты, стиль общения), а также агента (личность, усвоенные модели поведения).
  • Семантический поиск — поиск по наблюдениям из прошлых разговоров, а не только из текущего сеанса.
  • Осведомлённость о нескольких агентах — родительские агенты автоматически отслеживают созданных субагентов, а родители добавляются как наблюдатели в дочерние сеансы.

Доступные инструменты

Honcho регистрирует инструменты, которые агент может использовать во время разговора:

Получение данных (быстро, без вызова LLM):

Инструмент Назначение
honcho_context Полное представление пользователя по всем сеансам
honcho_search_conclusions Семантический поиск по сохранённым выводам
honcho_search_messages Поиск сообщений в сеансах (фильтрация по отправителю и дате)
honcho_session История и сводка текущего сеанса

Вопросы и ответы (на основе LLM):

Инструмент Назначение
honcho_ask Задать вопрос о пользователе. depth='quick' — для фактов, 'thorough' — для обобщения

Начало работы

Установите плагин и запустите настройку:

bash
openclaw plugins install @honcho-ai/openclaw-honchoopenclaw honcho setupopenclaw gateway --force

Команда настройки запрашивает учётные данные API, записывает конфигурацию и при необходимости переносит существующие файлы памяти рабочего пространства.

Конфигурация

Настройки находятся в plugins.entries["openclaw-honcho"].config:

json5
{  plugins: {    entries: {      "openclaw-honcho": {        config: {          apiKey: "your-api-key", // не указывайте для собственного сервера          workspaceId: "openclaw", // изоляция памяти          baseUrl: "https://api.honcho.dev",        },      },    },  },}

Для экземпляров на собственном сервере укажите в baseUrl адрес локального сервера (например, http://localhost:8000) и не указывайте ключ API.

Перенос существующей памяти

Если у вас есть существующие файлы памяти рабочего пространства (USER.md, MEMORY.md, IDENTITY.md, memory/, canvas/), openclaw honcho setup обнаруживает их и предлагает перенести.

Принцип работы

После каждого ответа ИИ разговор сохраняется в Honcho. Наблюдаются как сообщения пользователя, так и сообщения агента, что позволяет Honcho со временем строить и уточнять свои модели.

Во время разговора инструменты Honcho обращаются к сервису через хук плагина before_prompt_build в OpenClaw, добавляя релевантный контекст до того, как модель увидит запрос.

Honcho и встроенная память

Встроенная система / QMD Honcho
Хранилище Markdown-файлы рабочего пространства Специализированный сервис (локальный или размещённый)
Межсессионная работа Через файлы памяти Автоматическая, встроенная
Моделирование пользователя Вручную (запись в MEMORY.md) Автоматические профили
Поиск Векторный + по ключевым словам (гибридный) Семантический по наблюдениям
Несколько агентов Не отслеживаются Осведомлённость о связи родитель/потомок
Зависимости Нет (встроенная система) или бинарный файл QMD Установка плагина

Honcho и встроенная система памяти могут работать совместно. Когда QMD настроен, становятся доступны дополнительные инструменты для поиска в локальных Markdown-файлах наряду с межсессионной памятью Honcho.

Команды CLI

bash
openclaw honcho setup                        # Настроить ключ API и перенести файлыopenclaw honcho status                       # Проверить состояние подключенияopenclaw honcho ask <question>               # Запросить у Honcho сведения о пользователеopenclaw honcho search <query> [-k N] [-d D] # Семантический поиск по памяти

Дополнительные материалы

Связанные материалы

Was this useful?
On this page

On this page