Hermes Agent历史对话的语义搜索是怎么实现的？

Hermes 的 Session Search 使用了一个反直觉的设计：不是向量语义搜索，而是 SQLite FTS5 全文搜索 + LLM 摘要。FTS5 负责毫秒级召回候选会话，LLM 负责理解并总结内容，是经典的"召回 + 重排序"架构。
三个实现细节：
- 双表 CJK 路由：FTS5 默认分词器把中文"大别山"拆成"大 AND 别 AND 山"，匹配到所有包含这三个字的任意消息。Hermes 自动检测查询语言，中文切到 trigram 索引实现真正的子串匹配。
- 匹配位置感知截断：不是从头截取对话，而是找到查询词出现的位置，以匹配点为中心截取窗口——优先完整短语匹配，降级到邻近共现，再降级到单词匹配。
- 并行 LLM 摘要：多个候选会话的摘要并行执行，用独立配置的辅助模型，不占用主对话的上下文窗口。
并不是所有"语义理解"都需要向量嵌入，关键词召回 + LLM 理解，比纯向量搜索更实用、更可控。