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?