• SEO Pivo
  • Marketingová Plzeň
  • AI Bootcamp
  • Kontakt
[email protected]
Osobní web
Blog o SEO, AI a Marketingu
Martin Bangho
  • GEO & SEO
  • AI & Agenti
  • Marketing
  • GEO & SEO
  • AI & Agenti
  • Marketing
Blog AI & LLMs
Tři oddělené způsoby práce s informací: uložit krátký fakt, načíst snapshot poznámek a zvlášť dohledat původní výrok v historii.

Jak funguje paměť v Hermes Agent a co se ukládá mezi konverzacemi

Martin Bangho Martin Bangho
19. 11. 2026
Kategorie: AI & LLMs
7 minut čtení
0
0

Když Hermes napíše „budu si to pamatovat“, ještě tím nic neuložil. Trvalou paměť je potřeba odlišit od právě otevřeného chatu i od archivu starších rozhovorů. Každá z těchto vrstev řeší jiný problém. Jakmile je přestanete zaměňovat, snáz zjistíte, proč agent něco neví a kde ověřit, zda se údaj skutečně zachoval.

Návod vychází z oficiální dokumentace ověřené 19. listopadu 2026. V době rešerše GitHub uváděl jako nejnovější vydání v0.23.2 z 16. listopadu 2026; průběžně aktualizovaná dokumentace ale není zmrazeným manuálem tohoto tagu. Popsané kroky proto před použitím porovnejte s nápovědou své verze. Výklad se týká již zprovozněného Hermes; není instalačním návodem pro Linux, macOS ani Windows. Ukázka níže je dokumentovaný postup s fiktivní preferencí, nikoli nově provedený test dvou konverzací.

Trvalá paměť je krátká poznámka, ne celý přepis

Základní paměť tvoří soubory MEMORY.md a USER.md v adresáři memories/ aktivního Hermes home. U výchozího profilu je to obvykle ~/.hermes/memories/. První soubor obsahuje kurátorské poznámky agenta, druhý informace o uživateli a jeho preferencích. Dokumentované výchozí limity jsou 2 200 a 1 375 znaků; lze je nastavit jinak. Nejde o velikost historie ani o počet tokenů, které model zvládne v jednom požadavku.

Další články

Tři zdroje, uložené verze a kontrola reportu v bílo-modrém schématu.

Jak s Hermes Agent sledovat změny veřejných zdrojů a připravit report ke kontrole

19. 11. 2026
Modelový proces sběru, návrhu a kontroly se závislostmi určenými před spuštěním.

Jak řídit úkoly, závislosti a kontrolu práce v Hermes Agent Kanbanu

19. 11. 2026
Kontrola modelu a kontextového okna vede k předání cíle a dokladů; komprese zachovává výběr, nikoli každý detail.

Jak spravovat kontext v Hermes Agent: komprese, historie a předání úkolu

19. 11. 2026
Martin Bangho porovnává dvě řady dřevěných bloků na pracovním stole.

AI pilot: jak poznat úsporu, kterou firma skutečně využije

19. 11. 2026

Do takto omezeného prostoru patří trvalý údaj, který má být užitečný i v dalších konverzacích. Například jazyk odpovědí nebo stabilní preference formátu. Podrobný postup pro kontrolu zdrojů je vhodnější uložit jako skill a rozpracovanou zakázku do projektového dokumentu. Pokud každou dokončenou úlohu proměníte v poznámku, paměť brzy zaplníte informacemi, které s dalším zadáním nesouvisejí.

Zápis poznámky nemění váhy jazykového modelu. Hermes uložený text předkládá modelu jako součást vstupu. Model se tedy může řídit novou informací, aniž by se tím přetrénoval. Stejně tak archiv rozhovorů není automaticky celý přítomen v každé odpovědi. Schopnost údaj uložit, najít a správně použít jsou tři samostatné věci.

Uložené poznámky vstupují do nové konverzace jako snapshot, historie se do aktuálního kontextu vrací až dohledáním a skill až načtením.
Autorské vysvětlující schéma. Uložení mimo konverzaci není totéž jako přítomnost v aktuálním vstupu modelu.

Proč se uložená změna nemusí objevit v běžícím chatu

Oficiální dokumentace popisuje paměť vloženou do systémového promptu při začátku session jako frozen snapshot – zachycený stav. Zápis nástrojem se může ihned uložit na disk, tento počáteční blok ale nepřepisuje. Důvodem je stabilita prefixu pro cache modelu. Odpověď nástroje přitom ukazuje živý stav. Údaj může být dostupný také v dosavadním rozhovoru; není správné tvrdit, že po uložení nutně zmizí ze všech částí kontextu.

Pro diagnostiku proto oddělte dvě otázky: „Je změna uložená?“ a „Má ji tato session v počáteční paměti?“ Nová session si načte aktuální poznámky. U dlouhodobého chatu v komunikátoru však restart počítače nebo gateway nemusí znamenat nový rozhovor. Přirozenou hranici úkolu můžete vytvořit příkazem /new. Než to uděláte u rozpracované práce, uchovejte zadání, zdroje a další krok v předávacím dokumentu.

Dokumentovaný postup: dvě konverzace s fiktivní preferencí

Následující formulace jsou smyšlené testovací vstupy. Nepopisují Martinovy preference a nejsou důkazem chování konkrétního modelu. Zkoušku provádějte jen tam, kde smíte měnit paměť; nepoužívejte hesla, klientská data ani skutečné citlivé údaje. Pokud takové prostředí nemáte, můžete si pouze připravit kontrolní kritéria a nic nezapisovat.

  1. V první session zadejte: „Jde o dočasnou fiktivní zkoušku. Pomocí nástroje memory uložte do uživatelské paměti větu: Pro modelové ukázky preferuje uživatel označení Projekt Modřín.“ Kontrolujte skutečné volání nástroje a jeho odpověď, ne jen slovní souhlas.
  2. Ověřte přesné znění v USER.md správného profilu. Je-li zápis předložen ke schválení, ještě není aplikovaný. Nezaměňte připravený návrh za obsah souboru.
  3. Po uložení začněte pomocí /new novou session a požádejte o označení modelového projektu podle uložené preference. Očekávaným kritériem je správný údaj z nového snapshotu, nikoli přesvědčivá věta „pamatuji si“.
  4. Ve druhé session změňte fiktivní preferenci na „Projekt Lípa“. Požadujte opravu existující poznámky nástrojem memory, nikoli přidání protichůdného druhého faktu. Ověřte soubor a následně novou session.
  5. Na konci požádejte o odstranění dočasné testovací poznámky a ověřte její nepřítomnost. Odstranění poznámky samo o sobě nemaže původní zprávy z historie.

Výsledek si zapište jako vlastní pozorování až po provedení: datum, verze Hermes, profil, použitý model a provider, zda se uskutečnil zápis a co ukázala nová session. Pokud druhý chat odpoví správně, ale neověříte uložený soubor a profil, ještě nevíte, kterou vrstvou se údaj přenesl. Tento článek žádný takový dosažený výsledek netvrdí.

Historii hledejte podle konkrétního výroku

Pro otázku „Co jsme tehdy přesně dohodli?“ slouží nástroj session_search. Aktuální dokumentace jej popisuje jako vyhledávání uložených zpráv v SQLite s fulltextovým indexem FTS5 a možností procházet nalezenou session. Není to požadavek, aby agent odhadl obsah starého rozhovoru z několika slov v paměti. Dostupnost výsledku závisí také na tom, zda je příslušný záznam ve vašem úložišti zachován.

U fiktivní zkoušky požádejte: „Vyhledejte v historii přesné znění změny z Projektu Modřín na Projekt Lípa. Uveďte identifikátor session a místo zprávy, z něhož vycházíte. Pokud záznam nenajdete, řekněte to.“ Očekávaným kritériem je nalezená zpráva a její původ, nikoli domyšlená citace. Starší preference má být označena jako historická, ne znovu prohlášena za aktuální.

Podobný rozdíl mezi nalezeným podkladem a správným závěrem rozebírá článek Co je RAG a proč nalezený zdroj ještě není správná odpověď. U paměti je důležité navíc datum a platnost: nalezený starý výrok může být autentický, ale už nemusí platit.

Opravy a schvalování: nejdřív obsah, potom potvrzení

Nástroj memory podporuje přidání, úzkou opravu a odstranění položky. Oprava patch nahrazuje konkrétní úsek; není to volná instrukce přepsat vše. Pokud je paměť plná, zápis může selhat. V takové situaci má smysl zkrátit nebo sloučit neaktuální poznámky, nikoli bez kontroly přepisovat jiné platné údaje.

Nastavení memory.write_approval: true umožňuje schvalovat zápisy. Podle dokumentace se v interaktivním CLI zápis z popředí předkládá přímo, na dalších plochách a při běhu na pozadí se ukládá k posouzení. Příkaz /memory pending zobrazí čekající návrhy. Schvalujte konkrétní zkontrolovanou položku; hromadné schválení nesouvisejících změn není nutnou součástí testu. Brána se týká zápisů přes příslušný nástroj, není obecnou ochranou před libovolnou editací souboru.

Externí paměť vybírejte až podle skutečně chybějící funkce

Externí poskytovatel paměti může přidat jiné vyhledávání, modelování uživatele nebo zpracování konverzací. Jednotlivé integrace ale mají rozdílné ukládání, nástroje i provozní nároky. Aktuální dokumentace základní paměti navíc umožňuje vestavěné úložiště vypnout samostatně; z obecného popisu „externí paměť běží vedle základní“ proto nedělejte neměnné pravidlo pro každou konfiguraci.

Nejdřív pojmenujte, co základ nezvládá: potřebujete dohledat přesný historický výrok, spravovat mnoho měnících se faktů, nebo sdílet znalosti mezi více asistenty? Potom řešte, která data integrace odesílá, kam je ukládá, jak se opravují a odstraňují, kdo k nim má přístup a jaké vzniknou náklady. Přidání další služby neopraví neprovedený zápis ani hledání ve špatném profilu. Tento návod nevyžaduje zapnutí žádného externího provideru.

Zdroje a hranice ověření

Mechanismus paměti a schvalování: Persistent Memory. Diagnostika snapshotu a historie: Troubleshooting Agent Quality. Rozdíly integrací: Memory Providers. Verze: release v0.23.2. Zdroje byly ověřeny 19. listopadu 2026. Jde o rešeršně vedený návod; není to záznam nové instalace, inference ani vykonaného testu paměti.

Chcete nastavit, co si má AI skutečně pamatovat?

Pokud se vám mezi úkoly míchají preference, pracovní postupy a klientské podklady, pomohu vymezit, co patří do paměti a co do samostatné znalostní báze. Napište mi, kde při práci s AI ztrácíte návaznost. Pro začátek stačí popsat situaci, bez hesel a důvěrných dat.

Štítky: Hermes
Předchozí článek

Jak vybrat model v Hermes Agent a měřit náklady na jeho používání

Další příspěvek

Jak spravovat kontext v Hermes Agent: komprese, historie a předání úkolu

Martin Bangho

Martin Bangho

Jmenuji se Martin a od roku 2015 se pohybuji ve světě online marketingu a tvorby webů. Věřím v marketing postavený na faktech, ne na iluzích. Mým cílem je pomáhat podnikatelům růst díky datově řízenému marketingu. Když zrovna neřeším marketing nebo podnikání, najdete mě ve fitku, na koncertě (hlavně hip-hop) nebo s přáteli. Jsem trochu kritik, puntičkář – ale hlavně optimista, který věří, že i marketing může být fér a ziskový.

Podobné články

Orientační bílo-modrá mapa cest od prvního startu k práci se zdroji a pravidelnému reportu.
AI & LLMs

Hermes Agent: přehled návodů od instalace po automatizaci úkolů

19. 11. 2026
Tři zdroje, uložené verze a kontrola reportu v bílo-modrém schématu.
AI & LLMs

Jak s Hermes Agent sledovat změny veřejných zdrojů a připravit report ke kontrole

19. 11. 2026
Společná Git historie se větví do vlastního worktree s patchem, testem, náhledem a kontrolou.
AI & LLMs

Jak s Hermes Agent upravit web v Git worktree a ověřit změny před nasazením

19. 11. 2026
Modelový proces sběru, návrhu a kontroly se závislostmi určenými před spuštěním.
AI & LLMs

Jak řídit úkoly, závislosti a kontrolu práce v Hermes Agent Kanbanu

19. 11. 2026
Další příspěvek
Kontrola modelu a kontextového okna vede k předání cíle a dokladů; komprese zachovává výběr, nikoli každý detail.

Jak spravovat kontext v Hermes Agent: komprese, historie a předání úkolu

Odebírat
Upozornit na
0 Komentáře
Nejstarší
Nejnovější Nejlépe hodnocené

Bangho Martin

SEO Konzultant & AI Strategist

Specializuji se na datově řízené strategie, které propojují týmovou spolupráci napříč firmou, od obchodu přes vývoj až po obsah, s tvorbou plánů, jež posilují značku i výkonnost v konkurenčním prostředí.

Štítky

Analýza B2B B2C Brand E-commerce Google Hermes Nástroje Návod Off-page SEO On-page SEO Reporty z akcí SaaS Technické SEO Teorie User Experience Webové stránky

Nejnovější příspěvky

  • Produktový marketing: od znalosti zákazníka k úspěšnému uvedení produktu
  • Jak měřit AI viditelnost: protokol, vzorek a metriky
  • SEO audit: od checklistu k prioritám a opravám
  • Lokální SEO v době AI: co zkontrolovat jako první
  • Hermes Agent: přehled návodů od instalace po automatizaci úkolů
  • SEO Pivo
  • Marketingová Plzeň
  • AI Bootcamp
  • Kontakt

© 2025 Martin Bangho - SEO Konzultant & AI Strategist

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
  • GEO & SEO
  • AI
  • Marketing
[email protected]

© 2025 Martin Bangho - SEO Konzultant & AI Strategist

Tato webová stránka používá soubory cookie. Pokračováním v jejím používání vyjadřujete souhlas s jejich používáním. Navštivte naši Zásady ochrany osobních údajů a používání cookies.