普通的 AI 每次对话都是「失忆」的——关掉窗口，它就不认识你了。

Mem0 解决的问题就是这个。它像一个动态知识库，不是传统那种「把文件分门别类存好、需要的时候自己去翻」的档案柜。它的工作机制更像人脑：

Mem0 · 三个机制
自动提取 —— 你说过的话，它自动提取成记忆。不需要你手动标记「这条记一下」。
自动联想 —— 下次对话，它自动联想。你说到相关话题，它就把之前存过的记忆调出来，注入到当前对话里。
语义检索 —— 不是关键词匹配。你说「我最近睡不好」，它会联想到你之前提过的「半夜三四点醒」「焦虑」「低血糖」——哪怕这些词你没直接说。

你不需要记得你跟 AI 说过什么。它替你记得，到了该用的时候自己就跳出来了。

这就是我们要搭的东西：一个真正有记忆的 Hermes。

前置准备

  1. 获取对话模型（商汤 / OpenCodeGo，二选一）
    • 方案 A：注册商汤科技 —— 打开 https://www.sensenova.cn/ 注册账号，进入控制台创建 API Key，复制保存好（格式类似 sk-xxxxx）。API 端点：https://platform.sensenova.cn。商汤提供免费额度，DeepSeek V4 Flash 模型可以免费用，放心注册
    • 方案 B：OpenCodeGo 免费模型（推荐，零注册零费用） —— 不用注册、不用登录、不用花钱。Base URL：https://opencode.ai/zen（Hermes Studio 会自动补全 /v1，别手动加），Key 固定填 public。完整配置见第二步
  2. 注册硅基流动，获取 API Key
    • 打开 https://siliconflow.cn/ 注册账号，进入控制台创建 API Key
    • 硅基流动的 BAAI/bge-m3 嵌入模型有免费额度
  3. 下载安装包
    • Hermes Studio 桌面版：https://hermes-studio.ai/
    • Qdrant Windows 版本：https://github.com/qdrant/qdrant/releases/
懒人包：夸克网盘

也可以从夸克网盘下载我打包好的安装包：Hermes Studio 桌面版安装程序（.exe，安装时选 Cloudflare 源）+ Qdrant Windows 桌面版（qdrant.exe，解压即用）。

链接：https://pan.quark.cn/s/cb5f60be91f0　提取码：FmLC

第一步：安装和启动

启动顺序非常重要

必须先开 Qdrant，再开 Hermes。Hermes 启动时会读取 mem0.json 并尝试连接 Qdrant，如果 Qdrant 没先跑起来，mem0 初始化就会失败——后面再怎么折腾，记忆系统也不会工作。你甚至看不出报错，就是记忆死活不生效。

记住：先开数据库，再开软件。

安装 Hermes Studio

  1. 双击安装程序
  2. 如果 Windows 弹出「Windows 已保护你的电脑」的蓝色警告框——这是因为安装包没有微软数字签名，不是病毒。点击「更多信息」（或「查看更多」），再点击「仍要运行」，之后正常安装即可
  3. 安装时选 Cloudflare 源
  4. 安装完成后，桌面会出现 Hermes Studio 图标
  5. 先别急着打开它，先把下面的 Qdrant 启动

启动 Qdrant（必须先做）

  1. 把压缩包里的 qdrant.exe 解压到某个目录（比如 C:\qdrant\）
  2. 双击 qdrant.exe，出现命令行窗口，保持这个窗口开着不要关
  3. Qdrant 运行在 localhost:6333

现在可以启动 Hermes 了

  1. Qdrant 窗口确认开着之后，双击桌面上的 Hermes Studio 图标
  2. Hermes 启动时会自动连接 localhost:6333 上的 Qdrant

第二步：在 Hermes Studio 中配置模型（商汤 / OpenCodeGo）

Hermes Studio 自带了很多内置模型提供商，但商汤和 OpenCodeGo 都需要手动添加。下面两种方案任选其一，推荐方案 B——连注册都省了。

  1. 打开 Hermes Studio，看左边那一排导航按钮，滑到最下面，点击「模型」
  2. 进入模型管理页面后，找到「新增 Provider」按钮，选择「自定义」
  3. 填写以下信息（按你选的方案填）：
    • 方案 A（商汤） —— 名称：商汤；API 端点：https://platform.sensenova.cn；API Key：粘贴你在商汤控制台创建的 Key；点击「获取模型」，在模型列表中勾选 DeepSeek V4 Flash
    • 方案 B（OpenCodeGo） —— 名称：OpenCodeGo；API 端点：https://opencode.ai/zen（别加 /v1，Hermes Studio 会自动补全，加了反而连不上）；API Key：填 public；点击「获取模型」，在模型列表中勾选 big-pickle（推荐）
  4. 点击保存，返回主界面
方案 B：OpenCodeGo 免费模型 · 完整速查

请求地址（Base URL）：https://opencode.ai/zen/v1 —— 注意：这是接口本身的地址；在 Hermes Studio 里填 API 端点时要去掉 /v1，只填 https://opencode.ai/zen，客户端会自动补全

Chat 接口：https://opencode.ai/zen/v1/chat/completions（OpenAI 兼容格式）

模型列表：https://opencode.ai/zen/v1/models（这个端点不需要 key 也能访问）

Key：public —— 标准 Bearer 鉴权（Authorization: Bearer public），不需要登录、不需要花钱

注意：别用 zen/go/v1 路径

https://opencode.ai/zen/go/v1 是 Claude Code 专属网关路径，不认免费模型，实测会报 Model not supported。一律用 https://opencode.ai/zen/v1。

实测可用的免费模型：

模型 ID备注
big-pickle响应最快，神秘模型，推荐首选
laguna-s-2.1-free响应快
deepseek-v4-flash-freeDeepSeek 家的，但很慢（38 秒左右），可能要重试
mimo-v2.5-free可用
longcat-2.0-free可用
nemotron-3-ultra-free可用
ling-3.0-tiny-free⚠️ 暂时不稳定 —— 上游 503（临时故障）
north-mini-code-free⚠️ 暂时不稳定 —— 上游 401（可能要单独鉴权）
请求示例 · curlcurl -X POST https://opencode.ai/zen/v1/chat/completions \ -H "Authorization: Bearer public" \ -H "Content-Type: application/json" \ -d '{"model":"big-pickle","messages":[{"role":"user","content":"你好"}]}'

特别注意：有两个「模型」入口，别点错了

左边导航栏的「模型」——点这个，这是全局模型管理，能新增 Provider。

右边设置页面里也有一个「模型」标签——绝对不要点！右边那个是改当前 Profile 的模型配置，跟新增 Provider 完全不是一回事。

记住：只看左边导航栏，找到最下面那个「模型」，点它。别碰右边的。

第三步：新建对话，让 AI 执行三个任务

上面这些都只是搭环境，接下来才是真正的「装大脑」。

点击左上角「新建对话」，右下角创建，然后把下面这段话完整复制发送给 AI：「帮我完成下面三个任务，一步一步来。」

任务一：安装 Mem0 插件

Hermes Studio 自带一个 Python 虚拟环境，位置在这里（把【版本号】换成你电脑上的实际文件夹名，比如 0.18.0）：

Python 环境路径%USERPROFILE%\.hermes-web-ui\desktop-runtime\hermes\【版本号】\win-x64\python

打开命令行（Win+R → 输入 cmd），用 cd 命令进入上面那个目录，然后用清华镜像源安装 mem0：

安装命令pip install mem0ai -i https://pypi.tuna.tsinghua.edu.cn/simple

任务二：配置 mem0.json 和启用 Mem0 插件

2.1 创建 mem0.json —— 在 %USERPROFILE%\.hermes\ 下面创建一个新文件，叫 mem0.json，内容如下：

mem0.json{ "mode": "oss", "user_id": "hermes-user", "agent_id": "hermes", "oss": { "llm": { "provider": "openai", "config": { "model": "deepseek-v4-flash", "api_key": "***", "openai_base_url": "https://platform.sensenova.cn/v1" } }, "embedder": { "provider": "openai", "config": { "model": "BAAI/bge-m3", "api_key": "***", "openai_base_url": "https://api.siliconflow.cn/v1" } }, "vector_store": { "provider": "qdrant", "config": { "host": "localhost", "port": 6333, "embedding_model_dims": 1024 } } } }

上面的 mem0.json 里，llm 段按你的方案二选一（embedder 段和 vector_store 段两种方案都一样，保持不变）：

llm 段 · 两种方案
方案 A（商汤） —— model 填 deepseek-v4-flash，api_key 填你在商汤控制台创建的 Key，openai_base_url 填 https://platform.sensenova.cn/v1（也就是上面 mem0.json 里的写法，不用改）
方案 B（OpenCodeGo） —— model 填 big-pickle（响应最快，推荐），api_key 填 public，openai_base_url 填 https://opencode.ai/zen/v1（mem0 走标准 OpenAI 接口，这里必须带 /v1——和上面 Hermes Studio 里填端点时去掉 /v1 不一样，别搞混）

选方案 B 的话，llm 段改成下面这样：

mem0.json · llm 段（方案 B）"llm": { "provider": "openai", "config": { "model": "big-pickle", "api_key": "public", "openai_base_url": "https://opencode.ai/zen/v1" } }

api_key 不要照抄

方案 A：llm 下的 api_key 填你在商汤科技控制台创建的 Key；embedder 下的 api_key 填你在硅基流动控制台创建的 Key。

方案 B：llm 下的 api_key 固定填 public（OpenCodeGo 不需要注册）；embedder 下的 api_key 仍然填硅基流动的 Key——OpenCodeGo 只提供对话模型、不提供嵌入模型，所以 embedding 这一步还是得靠硅基流动。

2.2 在 config.yaml 里启用 Mem0 插件 —— 打开 %USERPROFILE%\.hermes\config.yaml，找到 memory: 这一段，改成这样：

config.yaml · memory 段memory: memory_enabled: true user_profile_enabled: true write_approval: false memory_char_limit: 10000 user_char_limit: 8000 provider: mem0 flush_min_turns: 6 nudge_interval: 10

这一步不做的后果很严重

Hermes 默认用自己内置的记忆系统，不是你刚装的 Mem0。你 mem0.json 写得再对、Qdrant 跑得再稳，它根本不读。

两个最关键的值：

provider: mem0 —— 把记忆系统从 Hermes 内置切换到 Mem0 插件。不设这个，前面全白做。

flush_min_turns: 6 —— Mem0 必须攒够 6 轮对话才会开始提取记忆。不是你说一句话它就记住，要先聊起来。

如果 config.yaml 里没有 memory: 这一段，让 AI 帮你加上。

任务三：修改 Mem0 源码，修复中文记忆存储

Mem0 有一个 bug：控制记忆语言的参数 use_input_language 在源码里硬编码成了 False。这导致一个很烦人的情况——你用中文跟 AI 聊天，它提取出来的记忆却是英文的。

找到这个文件（把【版本号】换成实际文件夹名）：

源码文件路径%USERPROFILE%\.hermes-web-ui\desktop-runtime\hermes\【版本号】\win-x64\python\Lib\site-packages\mem0\configs\prompts.py
  1. 用文本编辑器打开它，搜索 use_input_language，找到函数 generate_additive_extraction_prompt 的定义（大约第 515 行）。这个参数控制着记忆提取时要不要用你的输入语言。
  2. 把 use_input_language=False 改成 use_input_language=True
  3. 改完之后，第 536–548 行的 if use_input_language: 条件块就会生效——它会在 prompt 末尾追加一条语言指令，让 AI 用中文提取记忆

就改这一处参数默认值

不要改配置文件，不要动提示词变量。改完保存关闭。

第四步：重启并测试记忆系统

三个任务执行完之后，必须做三件事，不然记忆系统不会生效：

  1. 重启 Hermes Studio —— 关掉 Hermes Studio，重新打开。mem0 插件在启动时才会加载，不重启等于白装。
  2. 新建对话 —— 不要在刚才那个对话里测试。旧对话的系统提示词是硬编码进去的（这是 Hermes 为了保障缓冲率的机制），不会动态加载 mem0 配置。必须新建一个对话，新对话才会读取 mem0.json 并启用记忆系统。
  3. 测试 —— 常见误解：新建对话 → 说一句话 → 再新建对话 → 就能召回。不是这样的。Mem0 的 flush_min_turns 默认是 6，你必须先跟 AI 聊满至少 6 轮，它才会开始从对话里提取记忆、存进 Qdrant。
正确的测试方法

1. 新建对话，认真聊一会儿——至少 6 轮来回。比如你说「我叫张三」，AI 回「你好张三」；你说「我喜欢吃辣」，AI 回「了解了」；你说「我在北京上班」，AI 回「北京不错」……继续聊到 6 轮以上。

2. 聊完之后，再新建一个对话，问它：「我之前跟你说过我喜欢吃什么？」

3. 如果 AI 能回答出来，记忆系统通了。

如果没答出来，按下面的清单逐一检查：

常见问题（踩过的坑）

问题原因解决
Qdrant Web 界面打不开Windows 桌面版缺少 static 目录从 GitHub 下载 dist-qdrant.zip 解压到 Qdrant 目录里
提示词改成中文了，记忆还是英文USER_MEMORY_EXTRACTION_PROMPT 是僵尸变量，代码里定义了但根本没调用它别改提示词，改了没用
mem0.json 里配了语言参数但没用use_input_language 在 configs/prompts.py 第 515 行硬编码为 False，配置文件传什么都白搭必须改 prompts.py 源码里的 generate_additive_extraction_prompt 函数
配好了但记忆不生效在旧对话里测试，旧对话不会动态加载 mem0必须新建对话测试
安装 mem0 时下载慢/失败pip 默认从 PyPI 拉包，国内网速不行用清华镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple
不想注册商汤 / 免费额度不够用商汤注册要手机号，额度也有限改用 OpenCodeGo 免费模型：API 端点填 https://opencode.ai/zen（别加 /v1，客户端会自动补全），Key 填 public，模型选 big-pickle（详见第二步方案 B）

每次使用的正确顺序（非常重要）

以后每天要用 Hermes + 记忆系统，顺序不能反：先开 Qdrant，再开 Hermes。两个窗口必须同时保持打开。

  1. 双击 qdrant.exe → 出现命令行窗口 → 别关
  2. 确认 Qdrant 窗口开着 → 双击 Hermes Studio 图标
  3. 两个窗口同时在桌面上 → 记忆系统正常工作

关掉任何一个，记忆系统就断了

Qdrant 窗口关了，Hermes 找不到数据库。Hermes 关了，当然也没法聊天。

简单记法：数据库是房子的地基，Hermes 是住里面的人。先打地基，再住人。

这东西装好之后

以后你跟 Hermes 聊天，它会像这样工作：

  1. 你说了什么
  2. Mem0 自动判断「这里面有没有值得记住的东西」
  3. 有的话，提取成一条记忆，存进 Qdrant 向量库
  4. 下次你聊到相关话题，它通过语义搜索自动把相关记忆调出来
  5. 注入到当前对话里——不需要你手动翻，不需要你主动搜索

就像一个真的会记住你的助手，而不是每次打开都是崭新的陌生人。

这套「动态记忆」的思路不只在 Hermes 上能用——Qdrant + Mem0 的组合，可以给任何 AI 应用装上长期记忆。

预告

后续会更新 macOS 安装教程，以及记忆调优技巧——
怎么让 Mem0 记住得更准、忘得更少。