Hermes Agent 深度剖析(3/7):技能学习闭环——工具调用超过 5 次,它就自己写文档

简介: 传统 Agent 每完成一次任务,经验就随上下文蒸发。Hermes 在循环里插了一步文档化:工具调用达到 5 次就自动生成 SKILL.md,下次先检索再执行。本文拆五步闭环、技能格式、渐进式加载的 token 账和技能生命周期。

摘要:传统 Agent 每完成一次任务,推理过程里的经验就随上下文一起蒸发。Hermes Agent 在循环里插了一步"文档化":工具调用达到 5 次就自动生成一份 SKILL.md,下次同类任务先检索再执行。本文拆这五步闭环、技能文档格式、渐进式加载的 token 账,以及技能生命周期里的 Patch 与废弃机制。

这是「Hermes Agent 深度剖析」系列的第 3 篇,全系列 7 篇:

01 总览:25 万 Star 的自改进 Agent 到底强在哪
02 三层记忆架构:会话记忆、持久记忆与用户模型怎么分工
03 技能学习闭环:Agent 怎么自己写技能文档(本文)
04 多平台网关:一个进程接住 16+ 个消息平台
05 安全架构:容器沙箱、技能扫描与人在回路
06 从零到生产:四种部署方式与成本账
07 vs OpenClaw:十二个维度的选型对比


一、西西弗斯困境:经验为什么会蒸发

希腊神话里,西西弗斯每天把巨石推上山,石头滚落,第二天重来。传统 Agent 的处境几乎一样:

任务 发生了什么 结束时
任务 1 从零推理 → 反复试错 → 完成 上下文释放,经验消失
任务 2(与任务 1 高度相似) 再次从零推理 → 再次试错 → 完成 上下文释放,经验再次消失

那些真正有价值的东西——哪套工具组合有效、参数怎么配、步骤顺序怎么排——全部随着上下文窗口释放而丢失。这不是"失忆",而是设计层面就没有经验沉淀这个模块。

Hermes 的改法很克制:在循环里插入一步"文档化"。

Receive(收消息)
  → Retrieve(检索记忆与技能)
  → Reason & Act(推理 + 工具调用)
  → 复杂度判断:工具调用 ≥ 5 次?
       ├─ 是 → Document(自动生成技能文档)
       └─ 否 → 跳过
  → Persist(持久化记忆)
  → 回复用户 → 下次任务回到 Receive

一句话:Agent 从无状态函数,变成了有状态、可成长的服务。

二、五步闭环,每一步在防什么

步骤 角色 关键设计 不这么做会怎样
Receive 耳朵 协议无关的消息抽象 + 会话绑定 + 优先级限流 多平台各自一套逻辑,会话断裂
Retrieve 记忆索引 FTS5 主路径 + 标签匹配 + LRU 热缓存 每次从零推理,技能形同虚设
Reason & Act 大脑 技能摘要注入上下文,引导工具调用 路径靠猜,试错成本高
Document 经验结晶 工具调用 ≥ 5 次触发,生成标准文档 经验随上下文蒸发
Persist 归档 事实/偏好入持久记忆,方法论入技能库 两类知识混在一起,互相污染

2.1 Receive:跨平台的会话连续性

Gateway 把 Telegram 的 JSON、Discord 的 Intents、CLI 的 stdin 统一成一种内部消息,核心字段是 session_id 和 user_id。容易被忽视的一点:它同时承担会话恢复——你在 Telegram 中断对话、半小时后在 CLI 接着问,两条消息要落到同一个 session_id,Agent 才知道"这是同一个人、同一个任务"。跨平台连续性是记忆能连贯的前提。

2.2 Retrieve:为什么还是 FTS5

维度 FTS5 全文搜索 向量检索
原理 关键词 + BM25 排序 语义相似度
延迟 约 10ms(万级文档) 约 50~200ms
擅长 精确术语、函数名、配置键 近义表达、跨语言
资源 SQLite 内置,零依赖 需额外向量库 + Embedding 模型
可解释性 命中哪些词一目了然 黑盒相似度

三个理由:技能文档关键词密度极高;检索在每次请求都触发,10ms 和 200ms 的差距会被多轮工具调用放大;个人 Agent 要零运维。

检索不是一次 MATCH 就结束,而是多级召回:

FTS5 全文检索(主路径,取 10 条)→ 标签精确匹配(辅助路径,取 5 条)→ LRU 缓存(热数据,取 3 条)→ BM25 融合去重 → 相关性阈值过滤 → 只把摘要层注入上下文。

注意最后两条:低于阈值的结果直接丢弃,避免噪音误导推理;而用户模型无论如何都注入,保证回复风格一致。

2.3 Reason & Act:技能是在"引导"而不是"参考"

差别在推理路径的长度上。以"帮我部署这个项目到 Docker"为例:

步骤 无技能指导 有技能指导
1 ls 看项目结构 检索到 docker-deployment 技能
2 发现没有 Dockerfile,自己写 技能提示:先看 package.json 定运行时,用 node:20-alpine
3 构建失败,缺依赖 按模板生成 Dockerfile,构建成功
4 改 Dockerfile 重试 技能提示默认端口 3000,先查冲突
5 运行端口冲突 运行成功
6 改端口重跑 —
结果 7 步,多次试错 5 步,零试错

这本质上是推理路径的缓存,和 CPU 分支预测一个思路。但缓存有失效问题:项目从 Node 18 升到 Node 22,旧技能会把人带进沟里——这正是后面要讲的 Patch 机制存在的原因。

2.4 Document:为什么阈值定在 5 次

5 不是拍脑袋,而是用"工具调用次数"给任务复杂度找代理指标:

调用次数 任务类型 值得文档化 原因
1~2 查天气、翻译 否 路径太简单,文档化收益为负
3~4 代码审查、文件整理 否 边界模糊,容易产出噪音
5~10 项目部署、数据库迁移 是 有明显方法论可提炼
10+ 架构分析、多步骤研究 强烈建议 经验价值最高

原则很朴素:文档化收益必须大于成本。给两步就能做完的任务生成技能,既浪费 token,又给技能库添噪音。

生成流程分四步:提取关键路径(跳过就会失败的步骤)→ 识别可复用模式(工具组合、参数、错误处理)→ 提取边界条件与坑 → 让 LLM 按 agentskills.io 格式产出文档,并自增版本号。

质量保障分三层:

层 时机 手段
1 生成时 LLM 自检完整性 + 格式校验
2 使用时 实际执行中验证有效性,失败触发更新
3 共享时 安全扫描(敏感信息、Prompt 注入)+ 社区审查

我的看法:这是整个闭环里最激进的设计——它假设 LLM 能可靠地从自己的执行轨迹里提炼方法论。这个假设大体成立,但风险不在"生成不了",而在"生成了错误但看起来正确的文档"。一份错误的技能比没有技能更危险,它给了 Agent 虚假的信心。而当前的保障主要靠第 2 层的事后验证,风险窗口是真实存在的。

2.5 Persist:技能管"怎么做",记忆管"是什么"

维度 Document(技能文档) Persist(持久记忆)
内容性质 方法论、可复用模式 事实、偏好、上下文
结构化程度 高(标准格式) 中(键值 + 自由文本)
检索方式 FTS5 + 标签 FTS5
生命周期 创建 → 更新 → 可能废弃 持续累积
例子 "Python 异步编程最佳实践" "用户偏好 pnpm,不要 npm/yarn"

这个关注点分离很关键:你不会在"Python 异步"技能里读到"用户喜欢 4 空格缩进"这种个人信息——它属于持久记忆。两类知识分开存,技能库才不会膨胀成杂物间。

三、技能文档长什么样

一个技能就是一个目录,核心是 SKILL.md,分元数据层和内容层:

---
name: python-async-patterns
description: >
  Common async patterns for Python including gather, semaphore,
  and task groups with error handling.
version: 1.2.0
category: programming
tags: [python, async, concurrency, asyncio]
compatibility:
  python: ">=3.11"
  models: ["claude-sonnet-4", "hermes-4-70b", "gpt-4o"]
---

# Python Async Patterns

## Quick Summary
Use `asyncio.gather()` for parallel I/O, `asyncio.Semaphore`
for rate limiting, and `asyncio.TaskGroup` (3.11+) for
structured concurrency with automatic cleanup.

## Common Patterns
### Pattern 1: Parallel API Calls
(可运行的代码示例)

## Edge Cases
- `gather(return_exceptions=True)`:一个失败不会取消其他任务
- Semaphore 必须在事件循环内创建

## When NOT to Use
- CPU 密集任务(用 ProcessPoolExecutor)
- 有严格顺序依赖的步骤

元数据字段的设计各有用途:

字段 用途 设计考量
name 唯一标识 kebab-case,与目录名一致
description 检索摘要 FTS5 的主要匹配源,必须含关键词
version 版本管理 支撑原地修补的版本追踪
category 分类 粗粒度过滤,缩小检索范围
tags 精确匹配 细粒度,辅助精确检索
compatibility 模型兼容性 避免在不支持的模型上加载

最值得学的是内容层的"信息密度梯度":Quick Summary(约 200 tokens)必读;Common Patterns(500~1000 tokens)按需;Edge Cases(300~500 tokens)参考;When NOT to Use(100~200 tokens)是负向信息。

我的看法:agentskills.io 最聪明的不是技术复杂度,而是强制要求写 When NOT to Use。人类开发者有常识,Agent 没有——它可能在任何场景尝试任何技能。明确写出反模式,是防止误用的最后一道防线。

四、渐进式披露:一笔算得清的 token 账

上下文窗口是 Agent 最贵的资源。以一次复杂任务为例,全量加载 5 个技能:

策略 构成 总量
全量加载 5 技能 × 约 1500 tokens + 其他上下文 10000 17,500 tokens
渐进式 摘要 5×200 + 匹配模式 2×800 + 边界 1×300 + 其他 10000 12,900 tokens

节省约 4,600 tokens,约 26%;技能库涨到 50+ 个时,这个比例会放大到 40%~60%。

但渐进式不是免费的,它有三笔隐藏成本:

隐藏成本 表现 量级
额外推理轮次 判断"要不要展开"本身要推理 每轮约 200 tokens
加载延迟 从发现需要到加载完成有间隔 打断执行流畅性
信息不完整 摘要可能漏掉关键细节 导致次优甚至错误决策

我的看法:渐进式披露本质是一次"投机性优化"——赌大多数情况下摘要层够用。这个赌注在文档质量稳定时成立;如果摘要质量参差,Agent 就会在信息不足的状态下决策。更合理的方向是自适应加载:按任务复杂度、技能置信度、历史命中率动态决定加载深度,而不是一刀切三层。

五、生命周期:创建、命中、修补、废弃

技能不是"写完就完",它有一条完整链路:

Created(复杂任务完成,自动生成,v1.0.0)→ Indexed(入 FTS5)→ Retrieved(相似任务命中)→ Loaded(摘要注入)→ Active(指导执行)→ 要么回到 Retrieved 等下次,要么 Updated(发现矛盾,原地 patch,v1.0.1)→ 重新索引,要么 Deprecated(长期不用或过时)→ 归档/删除。

5.1 创建:什么该写,什么不该写

值得写 不该写
可复用的工具组合 临时的文件名、路径
有效的参数配置 一次性的环境配置
错误处理策略 与任务无关的对话
步骤依赖关系 纯查询结果
关键决策点及依据 —

5.2 更新:为什么是 Patch 而不是重新生成

策略 优点 缺点
Regenerate 重新生成 文档一致性高 丢失修正、token 消耗大、可能引入新错误
Patch 增量修补 保留已有知识、token 省、精准修复 可能积累补丁债、结构退化

选 Patch 的核心理由:大部分内容是对的,只有少部分要改,重新生成等于用大炮打蚊子。

补丁流程:定位章节 → 生成补丁(只改需要改的部分)→ 应用 → 版本号 patch 位 +1 → 记录 changelog → 重新索引。

5.3 补丁债与废弃

Patch 的长期风险是文档越补越散:

v1.0.1 追加"3.11+ 推荐 TaskGroup"→ v1.0.2 在 Edge Cases 又加一条"Semaphore 要在事件循环内创建"→ v1.0.3 改了一处描述 → 补丁 5~10 次后,结构松散、前后矛盾,新读者(或新 Agent)读不懂完整逻辑。

三个应对:Patch 计数器(超过约 10 次触发基于补丁历史的结构重构)、每次 patch 后做一致性检查、被人工修改过的技能打上 manually_reviewed 标记,后续自动修补更保守。

废弃信号则用四条硬指标:30 天未被检索命中、加载后导致工具调用错误的概率超过 30%、被同名的更高版本且使用率更高的技能替代、用户手动标记过时。流程是:标记 deprecated(不再被检索)→ 保留 30 天可恢复 → 归档到 skills/archive/ → 90 天后删除。

我的看法:生命周期是最容易被忽视却最致命的环节。没有它,技能库会变成垃圾场,检索精度持续下降,闭环最终失效。Hermes 的 Patch + 废弃是合格起点,但缺一个技能质量评分——用使用成功率、用户反馈、检索命中后的任务完成度算一个动态分,检索时优先高分技能,整个闭环效率会再上一个台阶。

六、范式对比:闭环 vs 用完即弃

维度 传统 Agent Hermes Agent
知识状态 无状态,每次从零 有状态,持续积累
推理效率 重复推理,token 浪费 技能复用,效率提升 40% 以上
任务一致性 相同任务结果可能不同 技能指导保证一致
时间效应 用久了没变化 用久了更强
错误模式 重复犯同样的错 错误写进 Edge Cases
个性化 无用户记忆 三层记忆 + 用户模型
技能可移植 无统一标准 agentskills.io
长期成本 线性增长 边际递减

换个比喻:传统 Agent 像临时工,每天上班不知道昨天做了什么,每次都要重新交代背景,做完就忘;Hermes 像老员工,记得项目经验,有自己的工作笔记,遇到类似任务先翻笔记,越做越熟练。

我的看法:这背后是竞争焦点的转移——从"模型能力"转向"知识管理能力"。在模型能力趋同的当下,Agent 框架的差异化越来越多体现在"如何帮用户积累和复用知识"上。

七、自进化的方向和它的阴影

7.1 五个阶段

阶段 形态 典型交互
一(2023) 指令执行者 "帮我做 X",无上下文无记忆
二(2024-2025) 任务协作者 "帮我完成这个项目",能拆解能循环,但任务之间不学习
三(2026,Hermes 在这里) 经验积累者 "你之前处理过类似问题,用那个方法试试"
四(未来) 主动建议者 "你每周五都做这件事,我帮你自动化了"
五(远期) 数字孪生 理解你的思维方式和决策偏好,可代你决策

7.2 三个核心挑战

一、技能质量的自验证。 现在靠"使用时发现错误 → patch",是事后验证。更彻底的做法是沙箱验证:技能入库前,把其中可执行步骤抽出来,在隔离容器里跑一遍,比对预期输出,不通过就不入库。

二、技能生态的网络效应。 标准解决了可移植,但要形成生态还差四件事:技能发现(需要一个类似 npm 的市场)、模型兼容性评分、社区技能的安全审查(Prompt 注入是真风险)、技能版本依赖管理。

三、遗忘与记忆的平衡。 人类记忆的关键是选择性遗忘。当前 Hermes 的持久记忆全留、技能按 30 天未用归档,还缺四样东西:记忆优先级、记忆压缩(多条合并)、矛盾处理(新旧冲突以谁为准)、更接近遗忘曲线的衰减策略。

7.3 三个判断

判断 内容
技能文档会成为 Agent 的"源代码" 未来的 Agent 开发不是写 Prompt,而是"训练"——让它在任务中自动生成技能,版本管理、代码审查、CI/CD 都会延伸到 Agent 开发里
个人 Agent 会形成数据护城河 用了一年的 Agent 有 200+ 个性化技能、完整画像、项目上下文,换框架等于丢掉一年积累
会出现技能交易市场 资深工程师的领域技能包可能比通用 Prompt 更值钱,开发者卖技能、框架靠生态建壁垒

7.4 阴影:回音室效应

闭环学习最危险的地方:只从自己的经验里学,会把自己锁死。

一个真实会发生的序列:第一次做"数据库优化"用了加索引 → 有效 → 生成技能 → 下次检索到 → 照做 → 又成功 → 技能被强化。结果是 Agent 永远不会去试查询重写、连接池、读写分离;哪怕加索引不是最优解,它也只会这一招。技能文档从"经验"变成了"思维牢笼"。

四条破解之道:定期从社区引入竞争性技能;对同一类任务偶尔不用技能做对照组;给技能设有效期,到期强制重新评估;在关键决策点把选择权交回用户。

八、总结

要点 一句话
五步闭环 Receive → Retrieve → Reason & Act → Document → Persist
文档标准 YAML Frontmatter + Markdown 正文,可检索、可版本化、可移植
渐进式披露 三层加载,省 26%~60% token,代价是额外推理和延迟
生命周期 创建、命中、Patch 修补、废弃,防止技能库退化成垃圾场
本质差异 不是更强的单次推理,而是可持续的经验积累

这套机制的方向是对的,但远未成熟:质量自验证、生态网络效应、遗忘与记忆的平衡、回音室防范,每一个都还没解决。

对中高级开发者的建议:别把 Hermes 只当"更好用的工具",把它当"会成长的伙伴"来培养。每天的使用都在给它积累经验,每个复杂任务都在丰富它的技能库——这种时间积累效应,是任何短期技术优化都替代不了的。


上一篇:三层记忆架构:会话记忆、持久记忆与用户模型怎么分工
下一篇:《多平台网关》——一个进程怎么同时接住 Telegram、Discord、Slack、WhatsApp 等 16+ 个平台,以及为什么"不绑定笔记本"是个架构决策。

延伸阅读

这套「拆开源 Agent 源码」的连载按周更新,点作者卡片关注不迷路。
也欢迎聊聊:你现在的 Agent 里,"上次是怎么做成的"这件事,是靠人肉写文档,还是靠它自己沉淀?

相关文章
|
存储 运维 搜索推荐
Hermes Agent 深度剖析(2/7):三层记忆架构——会话、持久与用户模型怎么分工
大部分 Agent 的记忆只是更长的对话历史。Hermes 把它拆成三层:会话记忆管当下、FTS5 持久记忆管跨会话检索、用户模型从行为推断画像。本文拆技术选型、数据流转与失效边界,并横向对比 LangChain 和 OpenAI Assistants。
|
22天前
|
缓存 安全 Docker
Hermes Agent 深度剖析(1/7):25 万 Star 的自改进 Agent 到底强在哪
Hermes Agent 是 Nous Research 开源的"自改进"Agent,开源半年 25.7 万 Star。本文拆解它的三层记忆、agentskills.io 技能标准与闭环学习机制,指出它和 OpenClaw 的根本差别,并给出三条上手命令。
|
22天前
|
消息中间件 存储 安全
Hermes Agent 深度剖析(4/7):多平台网关——一个进程接住 16 个消息平台
一个 Agent 要同时接住 Telegram、Discord、Slack、WhatsApp、Signal、Matrix、CLI 十几个入口,最省事的做法是上消息队列,把每个平台当成独立服务。Hermes Agent 反其道而行:所有平台连接塞进同一个进程。本文拆它为什么敢这么做、八段消息管道怎么走、会话路由的 30 分钟窗口是什么、能力协商如何把说什么和怎么说拆开。
|
22天前
|
供应链 安全 Shell
Hermes Agent 深度剖析(5/7):安全架构——从容器沙箱到人在回路,Agent 的破坏半径怎么压到最小
一个能执行 Shell、能读写文件、能装社区技能的 Agent,本质上是一台接在聊天窗口后面的远程终端。2026 年初 OpenClaw 的 CVE-2026-25253(CVSS 8.8)让人看清了这件事:点一个恶意链接就可能丢整台机器。本文复盘这个漏洞的真实成因,然后逐层拆 Hermes Agent 的五层防护——容器沙箱、技能扫描、Safety Guard、人在回路、本地模型,最后给一套可以直接抄的生产部署配置。
|
22天前
|
安全 Serverless API
Hermes Agent 深度剖析(6/7):从零到生产——四种部署方式、三级模型配置与一张成本账
Hermes Agent 有四种部署方式:一行命令、Docker、5 美元 VPS、Modal Serverless。选错了不是「跑不起来」,而是踩进安全边界、成本曲线和运维复杂度三个坑。本文按决策、安装、配置、加固、成本、运维的顺序走一遍,每个决策点给出理由,最后给一张可以直接抄的决策速查表。
|
运维 安全 NoSQL
Hermes Agent 深度剖析(7/7):vs OpenClaw——十二个维度的选型对比,和三个必须先核实的事实
Hermes Agent 和 OpenClaw 常被放在一起比,但网上流传的对比表格里有一半数据是错的。本文先把 Star、版本号、CVE 三类事实校准一遍,再按架构、记忆、技能、安全、部署、成本六个维度逐项对比,最后给六个典型场景的选型建议。结论不是谁全面领先,而是它们解决的不是同一个问题。
|
12月前
|
机器学习/深度学习 人工智能 安全
大模型训练的双引擎:自监督学习与强化学习
自监督学习从无标签数据中自我学习,降低标注成本;强化学习通过环境交互试错优化决策。二者结合实现高效、安全、对齐人类价值观的智能系统,推动AI迈向通用化与实用化新阶段。
|
5月前
|
存储 测试技术 数据库
Agent Memory主流产品横评与选型指南
本文横评10大Agent记忆方案,直击RAG与向量库的局限:缺乏时序追踪、一致性保障、分层管理与智能路由四大核心能力。从腾讯DB的高准确率、Zep的情节图谱、EverMemOS的多模态认知,到TiMem的五层时序树,全面解析各方案架构、性能与适用场景,助您科学选型。(239字)
|
人工智能 缓存 编解码
FFmpeg 官方汇编课程:写出快 5 倍的视频处理代码
FFmpeg官方开源汇编教程asm-lessons,手把手教你用SIMD指令优化音视频处理性能。从工具链到实战案例,掌握工业级高性能代码编写,提升程序效率数倍,适合C语言开发者进阶学习。
701 10
|
Linux 开发工具 Android开发
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
ijkplayer是由Bilibili基于FFmpeg3.4研发并开源的播放器,适用于Android和iOS,支持本地视频及网络流媒体播放。本文详细介绍如何在新版Android Studio中导入并使用ijkplayer库,包括Gradle版本及配置更新、导入编译好的so文件以及添加直播链接播放代码等步骤,帮助开发者顺利进行App调试与开发。更多FFmpeg开发知识可参考《FFmpeg开发实战:从零基础到短视频上线》。
2399 2
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频