Hermes Agent Skill 自演化机制深度调研 #
1. 总览：自演化的核心理念 #
Hermes Agent 的 skill 自演化建立在 “Agent 是自身知识库的维护者” 这一核心理念上。Skill 不是静态文档，而是可写、可改、可生长、可衰老、可合并的程序化记忆（procedural memory）。整个系统由以下关键组件协作完成：
Agent（AI） Curator（策展人） 持久化层
┌──────────────────┐ ┌────────────────────┐ ┌──────────────────────┐
│ skill_manage() │ ◄─────── │ maybe_run_curator()│ │ ~/.hermes/skills/ │
│ 创建/修改技能 │ │ 后台维护/合并/归档 │─────────►│ ├── skill-a/ │
│ │ ───────► │ │ │ ├── skill-b/ │
│ skills_list() │ │ apply_automatic_ │ │ ├── .archive/ │
│ skill_view() │ │ transitions() │ │ ├── .usage.json │
│ ↑ │ │ │ │ └── .curator_state │
│ │ │ │ run_llm_review() │ └──────────────────────┘
│ 遥测计数器 │ └────────────────────┘
│ bump_use/view/ │
│ patch() │
└──────────────────┘
2. Skill 的生命周期状态机 #
每个 agent 创建的 skill 都经历以下状态流转（tools/skill_usage.py）：
┌──────────────────────────────────────────────┐
│ ▼
[新创建] ─────► active ──(超过stale_after_days未使用)──► stale
STATE_ACTIVE │ ▲ │
│ │ │ (超过archive_after_days)
│ │ (被重新使用) ▼
│ └───────────────────────────── archived (移入 .archive/)
│ ▲
│ │
└── pinned (用户手动固定，跳过所有自动流转) ───┘
关键时间参数（可通过 config.yaml 的 curator.* 调整）：
stale_after_days：默认 30 天 未使用标记为 stalearchive_after_days：默认 90 天 未使用移入归档interval_hours：Curator 运行间隔，默认 7 天（168 小时）min_idle_hours：Agent 空闲至少 2 小时 才触发 Curator
3. 自演化的三层架构 #
3.1 第一层：Agent 自主创建和修改（运行时自演化） #
Agent 在执行任务过程中，通过 skill_manage tool 自主管理技能。
tools/skill_manager_tool.py 提供 6 种操作：
| Action | 触发时机 | 行为 |
|---|---|---|
create |
完成复杂任务（5+ 次 tool 调用）、克服错误、用户纠正后 | 在 ~/.hermes/skills/ 下创建新目录 + SKILL.md |
patch |
发现 skill 过时、遗漏坑点 | 模糊匹配替换 SKILL.md 中的特定文本 |
edit |
大规模重写 | 完全替换 SKILL.md 内容 |
write_file |
添加参考文档/模板/脚本 | 写入 references/, templates/, scripts/, assets/ |
delete |
skill 不再需要 | 删除整个目录 |
remove_file |
移除支持文件 | 删除指定子文件 |
关键特性：
- 原子写入：所有文件写入使用
tempfile + os.replace确保崩溃安全 - 安全扫描（可选）：写入后可触发
skills_guard安全扫描，检测危险内容 - 模糊匹配：patch 使用 fuzzy_match 引擎，容忍空格/缩进差异
- 前置验证：frontmatter 必须合法，name ≤ 64 字符，description ≤ 1024 字符，总内容 ≤ 100,000 字符
- Pinned 保护：用户 pin 的 skill 对 agent 写操作免疫
3.2 第二层：Curator 策展人（后台维护） #
agent/curator.py 是整个自演化系统的核心大脑。
触发机制（非 cron 守护进程，而是空闲触发）：
def maybe_run_curator(*, idle_for_seconds, on_summary):
# 在 session 启动时检查：
# 1. curator.enabled == True
# 2. 未暂停
# 3. 上次运行超过 interval_hours
# 4. Agent 空闲超过 min_idle_hours
# 全部满足 → 启动
Curator 执行两步走：
Step 1：自动状态迁移（纯逻辑，无需 LLM） #
def apply_automatic_transitions():
for skill in agent_created_report():
if pinned: continue
anchor = last_activity or created_at
if anchor <= archive_cutoff: archive_skill(name) # 90天未用 → 归档
elif anchor <= stale_cutoff: set_state(STALE) # 30天未用 → 标记过期
elif anchor > stale_cutoff and state == STALE: set_state(ACTIVE) # 重新使用 → 恢复
Step 2：LLM 巩固合并（fork 一个独立 AIAgent） #
这是最精妙的部分——用一个独立的 AI Agent 来整理和合并现有的 skills：
def run_curator_review():
# 1. 自动状态迁移（Step 1）
apply_automatic_transitions()
# 2. 生成候选列表（含使用统计）
candidate_list = _render_candidate_list()
# 输出类似：
# - hermes-config-fix state=active pinned=no activity=12 use=8 patches=3
# - hermes-dashboard state=active pinned=no activity=5 use=3 patches=1
# 3. Fork 一个独立 AIAgent 执行巩固任务
review_agent = AIAgent(
max_iterations=9999, # 高迭代上限
platform="curator", # 标记为 curator 平台
skip_context_files=True, # 跳过上下文文件
skip_memory=True, # 跳过 memory
)
review_agent._memory_nudge_interval = 0 # 禁止递归触发 curator
review_agent._skill_nudge_interval = 0
# 4. 执行对话
review_agent.run_conversation(
user_message=CURATOR_REVIEW_PROMPT + "\n\n" + candidate_list
)
Curator 的指令（CURATOR_REVIEW_PROMPT）核心原则：
- 目标：将技能集合维护为 “类别级指令库”，而非"一次会话一个 skill"的碎片
- 合并策略（三种方式）：
- MERGE INTO EXISTING UMBRELLA：已有宽泛 skill 作为伞，patch 它添加子章节，归档窄 skill
- CREATE NEW UMBRELLA：创建新的类别级 SKILL.md，覆盖共享工作流
- DEMOTE TO REFERENCES/TEMPLATES/SCRIPTS：窄但有价值的内容移入支持文件
- 硬规则：
- 不碰 bundled 或 hub-installed skill
- 绝不删除，最大破坏动作是归档（可恢复）
- 不碰 pinned skill
- 不用使用计数器作为跳过合并的理由——基于内容重叠判断
报告和审计 #
每次 Curator 运行生成完整报告：
~/.hermes/logs/curator/YYYYMMDD-HHMMSS/
├── run.json # 机器可读完整记录
├── REPORT.md # 人类可读报告
└── cron_rewrites.json # （如有）Cron job skill 引用重写
报告包含：
- 自动迁移计数（stale/archived/reactivated）
- LLM 合并详情（哪些 skill 被合并到哪些 umbrella）
- 修剪列表（哪些 skill 被归档且未合并）
- Cron job 自动重写（当 skill 被合并时，自动更新引用的定时任务）
3.3 第三层：使用遥测和生命周期（数据驱动） #
tools/skill_usage.py 维护 .usage.json sidecar 文件：
{
"hermes-config-fix": {
"use_count": 8,
"view_count": 15,
"patch_count": 3,
"created_at": "2025-01-15T10:30:00+00:00",
"last_used_at": "2025-02-10T14:20:00+00:00",
"last_viewed_at": "2025-02-11T09:15:00+00:00",
"last_patched_at": "2025-02-08T16:45:00+00:00",
"state": "active",
"pinned": false,
"archived_at": null
}
}
计数器自动递增点：
bump_use()：skill 被主动使用时（/skill-name或build_skill_invocation_message）bump_view()：skill_view()成功返回时bump_patch()：skill_manage(patch/edit/write_file/remove_file)成功时forget()：skill 被删除时
来源判定：is_agent_created() 通过比对 .bundled_manifest 和 .hub/lock.json 判断 skill 来源。Curator 只操作 agent-created skill。
4. Skill 发现和加载机制 #
4.1 渐进式披露（Progressive Disclosure） #
Hermes 采用 Anthropic 推荐的渐进式披露架构：
| 层级 | 内容 | 令牌成本 | 触发 |
|---|---|---|---|
| Tier 1 | name + description（skills_list） | 极低 | 系统 prompt 中的 skills index |
| Tier 2 | SKILL.md 完整内容（skill_view） | 中 | Agent 主动请求查看 |
| Tier 3 | references/templates/scripts/assets | 按需 | Agent 指定 file_path |
4.2 系统 Prompt 注入 #
agent/prompt_builder.py 在系统 prompt 中注入 skills index：
- 扫描所有
~/.hermes/skills/目录 - 提取每个 skill 的
name+description（≤1024 字符） - 格式化为精简列表，供 Agent 知道有哪些 skill 可用
- 带 prompt 缓存保护，变更时通过
clear_skills_system_prompt_cache()刷新
4.3 斜杠命令自动注册 #
agent/skill_commands.py 自动将 skill 注册为 /skill-name 命令：
- 扫描 skills 目录，将 skill name 转换为 slug（连字符分隔）
- 用户输入
/hermes-agent时，自动加载对应 SKILL.md 作为 user message - 同时支持 CLI 和 Gateway（Telegram/Discord 等）
4.4 SKILL.md 预处理 #
agent/skill_preprocessing.py 在加载时动态处理 skill 内容：
- 模板变量替换：
${HERMES_SKILL_DIR},${HERMES_SESSION_ID}→ 实际值 - 内联 shell 执行：
!`date +%Y-%m-%d`→ 命令输出（可选，默认关闭）
5. 安全机制 #
自演化不是无限制的，有多层安全护栏：
| 安全层 | 机制 | 实现 |
|---|---|---|
| 命名验证 | lowercase, hyphens, ≤64字符 | _validate_name() |
| Frontmatter验证 | 必须有name/description, YAML合法 | _validate_frontmatter() |
| 大小限制 | SKILL.md ≤100K字符, 支持文件 ≤1MiB | _validate_content_size() |
| 路径遍历防护 | 禁止 .. 逃逸 |
path_security.has_traversal_component() |
| Prompt注入检测 | 检测"ignore previous instructions"等模式 | _INJECTION_PATTERNS |
| 安全扫描（可选） | 检测脚本中的危险操作 | skills_guard.scan_skill() |
| Pinned保护 | 用户pin的skill不可修改 | _pinned_guard() |
| 来源隔离 | Curator不碰bundled/hub skill | is_agent_created() |
6. 文件结构全景 #
~/.hermes/
├── config.yaml # curator.* 配置
├── skills/
│ ├── hermes-agent/SKILL.md # bundled skill
│ ├── my-custom-skill/ # agent-created skill
│ │ ├── SKILL.md
│ │ ├── references/
│ │ ├── templates/
│ │ └── scripts/
│ ├── .archive/ # 归档目录（可恢复）
│ │ └── old-skill/
│ ├── .usage.json # 使用遥测 sidecar
│ ├── .curator_state # Curator 调度状态
│ ├── .bundled_manifest # bundled skill 清单
│ └── .hub/lock.json # hub-installed skill 清单
└── logs/curator/
└── 20260520-140000/
├── run.json # 机器可读报告
└── REPORT.md # 人类可读报告
7. 配置项（config.yaml） #
curator:
enabled: true # 默认开启
interval_hours: 168 # 运行间隔：7天
min_idle_hours: 2 # 最少空闲时间
stale_after_days: 30 # 过期阈值
archive_after_days: 90 # 归档阈值
skills:
guard_agent_created: false # 安全扫描（默认关闭）
disabled: [] # 用户禁用的 skill 列表
platform_disabled: {} # 按平台禁用
template_vars: true # 启用模板变量替换
inline_shell: false # 启用内联 shell 执行
inline_shell_timeout: 10 # 超时秒数
auxiliary:
curator: # Curator 专用模型配置
provider: auto # 默认用主模型
model: ""
8. 自演化闭环总结 #
┌─────────────────────────────────────┐
│ │
用户任务 ─────► Agent 执行任务 │
│ │
│ ├─► 成功 → skill_manage(create) 保存经验 │
│ ├─► 出错 → skill_manage(patch) 修复 skill │
│ └─► 查看 → bump_view/use 更新遥测 │
│ │ │
│ ▼ │
│ ~/.hermes/skills/ 技能集合 │
│ │ │
│ 空闲触发（7天 + 2h空闲） │
│ │ │
│ ▼ │
│ Curator 运行： │
│ 1. 自动迁移（active→stale→archived） │
│ 2. Fork AIAgent 执行 LLM 合并 │
│ 3. 生成报告 + 重写 Cron 引用 │
│ │ │
└───────────────┘ │
│
下一轮任务 ──► 使用优化后的 skill 集合 ─────────────────┘
核心洞见：Hermes Agent 的 skill 自演化不是简单的"自动更新"，而是一个生态系统式的自组织过程——Agent 像园丁一样种植新 skill，Curator 像园丁一样修剪、合并、淘汰，使用数据像土壤养分一样驱动决策。整个系统形成了"经验积累 → 知识沉淀 → 自动整理 → 更好执行"的闭环。
9. 关键源码文件索引 #
| 文件 | 作用 |
|---|---|
tools/skill_manager_tool.py |
Agent 自主创建、修改、删除 skill 的工具 |
tools/skills_tool.py |
skills_list/skill_view 渐进式披露实现 |
tools/skill_usage.py |
使用遥测、生命周期状态、归档/恢复 |
agent/curator.py |
策展人：自动迁移 + LLM 合并审查 |
agent/skill_commands.py |
斜杠命令扫描与注入 |
agent/skill_preprocessing.py |
模板变量替换与内联 shell 扩展 |
agent/skill_utils.py |
工具函数：解析 frontmatter、平台匹配等 |
agent/prompt_builder.py |
系统 prompt 中 skills index 的构建 |