---
read_when:
    - Вам нужна постоянная память, работающая между сеансами и каналами
    - Вам нужны поиск по памяти на основе ИИ и моделирование пользователя
summary: ИИ-нативная межсессионная память через Plugin Honcho
title: Память Honcho
x-i18n:
    generated_at: "2026-06-28T22:50:17Z"
    model: gpt-5.5
    postprocess_version: locale-links-v1
    provider: openai
    source_hash: d77af5c7281a4abafc184e426b1c37205a6d06a196b50353c1abbf67cc93bb97
    source_path: concepts/memory-honcho.md
    workflow: 16
---

[Honcho](https://honcho.dev) добавляет AI-нативную память в OpenClaw. Он сохраняет
диалоги в выделенном сервисе и со временем строит модели пользователя и агента,
давая вашему агенту межсессионный контекст, который выходит за пределы Markdown-файлов
рабочей области.

## Что он предоставляет

- **Межсессионная память** -- диалоги сохраняются после каждого хода, поэтому
  контекст переносится между сбросами сеанса, Compaction и переключениями каналов.
- **Моделирование пользователя** -- Honcho поддерживает профиль для каждого пользователя (предпочтения,
  факты, стиль общения) и для агента (личность, усвоенные
  модели поведения).
- **Семантический поиск** -- поиск по наблюдениям из прошлых диалогов, а не
  только по текущему сеансу.
- **Осведомленность о нескольких агентах** -- родительские агенты автоматически отслеживают порожденных
  субагентов, при этом родители добавляются как наблюдатели в дочерние сеансы.

## Доступные инструменты

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

**Получение данных (быстро, без вызова LLM):**

| Инструмент                  | Что он делает                                         |
| --------------------------- | ----------------------------------------------------- |
| `honcho_context`            | Полное представление пользователя между сеансами      |
| `honcho_search_conclusions` | Семантический поиск по сохраненным выводам            |
| `honcho_search_messages`    | Поиск сообщений между сеансами (фильтр по отправителю, дате) |
| `honcho_session`            | История и сводка текущего сеанса                      |

**Вопросы и ответы (на базе LLM):**

| Инструмент    | Что он делает                                                              |
| ------------- | -------------------------------------------------------------------------- |
| `honcho_ask`  | Задать вопрос о пользователе. `depth='quick'` для фактов, `'thorough'` для синтеза |

## Начало работы

Установите Plugin и запустите настройку:

```bash
openclaw plugins install @honcho-ai/openclaw-honcho
openclaw honcho setup
openclaw gateway --force
```

Команда настройки запросит ваши учетные данные API, запишет конфигурацию и
при необходимости перенесет существующие файлы памяти рабочей области.

<Info>
Honcho может работать полностью локально (на собственном хостинге) или через управляемый API на
`api.honcho.dev`. Для варианта на собственном хостинге внешние зависимости не требуются.
</Info>

## Конфигурация

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

```json5
{
  plugins: {
    entries: {
      "openclaw-honcho": {
        config: {
          apiKey: "your-api-key", // omit for self-hosted
          workspaceId: "openclaw", // memory isolation
          baseUrl: "https://api.honcho.dev",
        },
      },
    },
  },
}
```

Для экземпляров на собственном хостинге укажите в `baseUrl` ваш локальный сервер (например
`http://localhost:8000`) и опустите ключ API.

## Перенос существующей памяти

Если у вас есть существующие файлы памяти рабочей области (`USER.md`, `MEMORY.md`,
`IDENTITY.md`, `memory/`, `canvas/`), `openclaw honcho setup` обнаружит их и
предложит перенести.

<Info>
Миграция неразрушительна -- файлы загружаются в Honcho. Оригиналы
никогда не удаляются и не перемещаются.
</Info>

## Как это работает

После каждого хода AI диалог сохраняется в Honcho. Сообщения как пользователя, так и
агента наблюдаются, что позволяет Honcho со временем строить и уточнять свои модели.

Во время диалога инструменты Honcho запрашивают сервис на этапе `before_prompt_build`,
вставляя релевантный контекст до того, как модель увидит промпт. Это обеспечивает
точные границы ходов и релевантное припоминание.

## Honcho и встроенная память

|                   | Встроенная / QMD              | Honcho                              |
| ----------------- | ----------------------------- | ----------------------------------- |
| **Хранилище**     | Markdown-файлы рабочей области | Выделенный сервис (локальный или размещенный) |
| **Межсессионность** | Через файлы памяти           | Автоматическая, встроенная          |
| **Моделирование пользователя** | Вручную (запись в MEMORY.md) | Автоматические профили              |
| **Поиск**         | Векторный + ключевой (гибридный) | Семантический по наблюдениям        |
| **Несколько агентов** | Не отслеживается           | Осведомленность о родителе/дочернем агенте |
| **Зависимости**   | Нет (встроено) или бинарный файл QMD | Установка Plugin                    |

Honcho и встроенная система памяти могут работать вместе. Когда QMD настроен,
становятся доступны дополнительные инструменты для поиска по локальным Markdown-файлам наряду с
межсессионной памятью Honcho.

## Команды CLI

```bash
openclaw honcho setup                        # Configure API key and migrate files
openclaw honcho status                       # Check connection status
openclaw honcho ask <question>               # Query Honcho about the user
openclaw honcho search <query> [-k N] [-d D] # Semantic search over memory
```

## Дополнительное чтение

- [Исходный код Plugin](https://github.com/plastic-labs/openclaw-honcho)
- [Документация Honcho](https://docs.honcho.dev)
- [Руководство по интеграции Honcho с OpenClaw](https://docs.honcho.dev/v3/guides/integrations/openclaw)
- [Память](/ru/concepts/memory) -- обзор памяти OpenClaw
- [Движки контекста](/ru/concepts/context-engine) -- как работают контекстные движки Plugin

## См. также

- [Обзор памяти](/ru/concepts/memory)
- [Встроенный движок памяти](/ru/concepts/memory-builtin)
- [Движок памяти QMD](/ru/concepts/memory-qmd)