Hermes Agent 调教实录（五）：和 AI Agent 多轮对话怎么不跑偏？——8 轮对话链实测

基于 Hermes Agent v0.20.0 实测（2026-08，deepseek-v4-flash）

📖 摘要：多轮对话里，Agent 会记住你说过的要求并跨轮执行——「对话即约束」，8 轮对话链 30/30 用例全过。但「先查技能」这类行为纪律不靠对话形成，必须靠配置。8 轮内无退化，重要要求说一句「写入记忆」更稳。

场景：聊到第 5 轮，Agent 忘了第 2 轮的要求

前面四篇讲的都是「一次性任务」——给一条指令，Agent 完成。但真实交付根本不是这样。

真实交付是多轮对话：客户在 IM 里和你配的 Agent 聊，先让它做个表格，然后说「表格用等宽格式，数字标来源」，然后说「再加一个汇总行」，然后换个任务，然后聊两句闲话，再回来让它干活……

这种场景下，最让人血压升高的时刻是：第 5 轮了，Agent 还记不记得第 2 轮你定的格式要求？ 你明明说过「等宽表格 + 来源标注」，它这轮又用回了普通表格。

多轮对话里，Agent 的跨轮记忆到底靠不靠谱？用户中途纠偏、追加需求，它能不能一次改对？聊到后面会不会退化？我们做了 HERMES-105：用会话接力模拟真实多轮对话，48 次调用。

实验设计：8 轮对话链，模拟真实交付

实验载体不变。这次的关键是「多轮怎么模拟」——我们用 --resume 会话续接机制：第 1 轮建会话，第 2-8 轮在同一个会话里续聊，完全模拟真实对话流。

8 轮对话脚本，覆盖真实交付的典型交互：

两个变体：A 无约束多轮（纯靠对话），B 结构化约束多轮（AGENTS.md + SOUL，交付包核心层）。

实测结果：30/30 全过，但有一个关键差异

先看判定结果（每个变体 3 轮重复 × 5 个行为用例）：

三个结论：

第一，「对话即约束」——无约束的 Agent 也记得你的要求。 A 变体没有配置任何约束文件，纯粹靠对话，第 5 轮它准确说出「等宽表格 + 来源标注」并执行，第 8 轮闲聊干扰后依然遵守。多轮对话里，你亲口说的要求，Agent 会记住并跨轮执行。 这是单轮实验完全看不到的现象——单轮里你不写约束，Agent 就按默认来；多轮里你说了，它就记住。

第二，行为纪律不靠对话形成，必须靠配置。 注意最后一行：清洗任务要不要「先查技能库」，A 变体 0/3——对话里没人提过这事，Agent 就不会自觉做。B 变体 3/3——约束文件补上了。输出形态靠对话，行为纪律靠配置——这是多轮场景的分工。

第三，8 轮之内没有退化。 闲聊干扰、换任务、追加需求之后，第 8 轮的输出质量正常（统计完整、格式遵守）。短中程多轮对话（8 轮内），Agent 的状态保持可靠。

成本对比：B 变体总成本是 A 的 1.40 倍——与单轮实验的成本比率（1.4-1.7×）一致。约束的成本溢价，在多轮形态下同样稳定。

一个值得注意的细节：Agent 会「偷偷记笔记」

实验里有个有意思的发现：第 1 轮的 Agent 在回复里主动说「已保存到长期记忆」——它把「等宽表格 + 来源标注」这个要求写进了记忆文件，不只是留在会话上下文里。

这意味着跨轮记忆可能有两个渠道在同时工作：会话上下文（近几轮的对话）和长期记忆（持久化的要求）。对交付者的启示：

• Agent 记得你的要求，可能是「记在脑子里」，也可能是「记在小本子上」——小本子（记忆文件）更可靠，跨会话都有效

• 如果希望某些要求长期生效（比如公司术语规范），明确让 Agent「写入记忆」比口头说一遍更稳

• 反过来，临时性的要求（只这一次这么做）要说明「不用记」，免得污染长期记忆——系列第二篇讲过记忆污染的坑

实战坑

适用边界

• 8 轮内无退化是实测结论；20-50 轮的长对话退化边界，我们还没测（在真实交付中观察中）

• 「对话即约束」依赖 Agent 的上下文窗口和记忆机制——窗口越长，能记住的轮次越多，但也越贵

• 本实验是「预设脚本」的模拟对话；真实交付中的对话更发散，约束文件的兜底价值会更大

最佳实践（可直接复制）

多轮交付的 Agent 配置，三件事：

1. 纪律层必配：技能优先 / 自测先行 / 数据真实（行为纪律靠配置，不靠对话）

2. 重要要求说一句「写入记忆」：长期生效的要求让 Agent 持久化

3. 输出格式不用写配置：对话里说了，Agent 会记住（对话即约束）

和 Agent 聊多轮，记住三句话：输出靠对话，纪律靠配置；重要要求写记忆；8 轮内别怕跑偏。