（系列：《AI 維運實戰：我用 Hermes 把 Agent 變成企業同事的 30 天》）
（主題：將 AI 模型整合進實際系統與產品的工程實踐）

模型能回答問題，不代表它認識使用者。只靠單次對話時，我每次都要重講公司背景、回覆格式、資料來源與權限邊界。對話結束後，下一次又從零開始。

這種系統像臨時外包，不像同事。

我在 Hermes 裡真正需要的，不是讓模型記住所有對話，而是讓它跨 session 保留少量、穩定、會影響未來工作的資訊。因此我把記憶拆成 MEMORY.md 與 USER.md，並把工作流程另外放進 Skill。

────────────────────────────────

USER.md 記人，MEMORY.md 記共同經驗

這兩個檔案看起來都在提供上下文，但責任不同。

例如「公司 Google Drive 必須使用公司帳號」會長期影響授權與資料隔離，適合放進 USER.md 或共通規則。「某個 CLI 的舊路徑曾造成 BrokenPipe，應改用目前可用路徑」是經過實測的環境經驗，適合進 MEMORY.md。

至於「今天已經讀到第 17 筆」只對當次工作有用。它應留在 session 或中間檔，不該變成永久記憶。

────────────────────────────────

記憶不是聊天備份

我早期最直覺的做法，是把越多資訊留下來越好。後來發現，記憶不是免費硬碟。

每次啟動工作時，長期記憶會占用上下文。字元預算有限，舊資訊越多，真正重要的規則就越不醒目。模型可能看到三個版本的偏好、兩條已失效的路徑，還有一堆已完成任務，最後只能猜哪一條才有效。

雜訊記憶常造成三種問題：

1. 過時設定被當成現況，工具走錯路徑。
2. 一次性例外被誤認為永久制度。
3. 不同聊天室或部門資料混在一起，形成權限風險。

最危險的不是模型明確報錯，而是它引用過時記憶後仍產生一份很流暢的答案。文字看起來合理，執行方向卻已偏掉。

────────────────────────────────

我現在用三個問題決定要不要記

第一，三個月後還可能有用嗎？

如果只是今天的進度，就不進長期記憶。若是穩定偏好、固定資料來源或長期架構決策，才值得保留。

第二，它會改變未來的執行路徑嗎？

像「財務報告前必須讀實際 Sheet，不能沿用舊數字」會直接改變工具順序與驗證方式，值得記。某次報告算出的金額則不該記，因為明天就可能失效。

第三，它是事實、決策，還是推測？

只有已驗證事實與明確決策能寫成肯定句。尚未核准的制度要標成草案；不確定的根因應留在調查紀錄，不能升格成永久規則。

這三問讓記憶從「收藏資訊」變成「保存未來決策所需的最小狀態」。

────────────────────────────────

字元預算逼我做真正的知識整理

Hermes 載入的個人記憶有容量限制。當內容逐漸逼近預算，不能只刪掉最舊一段，也不能把全文硬塞進更大的提示詞。

我的整理方式是合併同類規則：

• 多條 Google 帳號教訓，濃縮成公司與個人資料源的隔離原則。
• 多次排程失敗，整理成「先做認證 preflight，失敗先修復再重測」。
• 多個工具路徑問題，只保留目前有效路徑與必要的失敗原因。
• 已經形成完整操作程序的內容，移到 Skill，記憶只留下何時使用它。

合併不是摘要得越短越好。關鍵識別碼、欄位口徑、授權邊界與驗證條件不能被壓掉。省下上下文，卻讓規則失去可執行性，反而更糟。

────────────────────────────────

Profile 隔離比「全部都記得」更重要

我的 Hermes 不只有一個用途。財務、工程、行銷、客服與私人工作各自有 Profile，也各自擁有 MEMORY.md 與 USER.md。

這個設計解決的不是文風問題，而是資料邊界。財務 Bot 需要知道收入欄位口徑，但行銷 Bot 沒有理由取得私人內容；私人 Profile 的習慣，也不能自動流入公司工作區。

因此，共通原則留在 General。部門角色、權限、資料源與排程留在各自 Profile。需要跨部門協作時，傳遞的是明確交接內容，不是把整份記憶互相複製。

如果所有 Bot 共用一個巨大記憶檔，短期看似方便，長期一定會遇到規則衝突、上下文膨脹與資料外洩風險。

────────────────────────────────

我如何驗證記憶真的有用

記憶檔存在，不等於系統真的記得。我用實際行為驗收：

1. 開新 session，不重講偏好，確認輸出仍使用繁體中文與短句。
2. 要求讀公司資料，確認系統選擇公司帳號，而不是個人帳號。
3. 執行財務報告，確認它先讀實際來源，不沿用舊結果。
4. 在不同 Profile 執行任務，確認部門與私人資訊沒有交叉出現。
5. 修正偏好後，確認舊規則被取代，而不是兩個版本同時保留。

真正的持久記憶，不是模型說「我記住了」，而是下一次工作時做出一致且可驗證的選擇。

────────────────────────────────

今天的結論

AI 像不像同事，關鍵不在它記得多少，而在它是否記得正確的事。

USER.md 定義合作對象與長期邊界。MEMORY.md 保存經驗與穩定決策。Skill 承接可重複流程。短期進度則留在 session 或工作文件。

好的記憶系統會主動遺忘雜訊、合併重複規則、淘汰過時資訊，並嚴格隔離不同工作區。這樣模型每次開始工作時，拿到的不是一座聊天垃圾場，而是一份精簡、可信、能改變行動的交接文件。

下一篇 D6：記憶讓 Agent 能延續工作，但主模型一旦故障，整個系統仍可能停擺。我會拆解 Primary／Fallback 設計，以及設定欄位演進造成的真實踩雷。