一文搞懂 Hermes：新顶流 Agent 如何从经验中自我进化

📌 一句话摘要

本文深入解析了 Hermes Agent 的核心创新——Skills 闭环系统，详细拆解了其从经验提取、知识存储、智能检索到自改进的完整实现机制、工程权衡与安全考量。

📝 详细摘要

文章聚焦于 Nous Research 开源项目 Hermes Agent 的核心技术创新——Skills 闭环系统。该系统使 AI Agent 能够像人类专家一样，将成功的任务执行流程提炼为可复用的 Skill（技能文档），并在后续任务中智能加载、应用与自动改进。作者从源码层面，系统性地拆解了该闭环的七个阶段：Skill 创建（含触发条件与七道安全关卡）、索引构建（两层缓存优化）、条件激活（基于元数据的智能可见性控制）、渐进式加载（三级披露以节省 token）、注入策略（User Message 而非 System Prompt 以保护 Prompt Cache）、自改进机制（基于模糊匹配的自动 patch）以及安全扫描（90+ 威胁模式库与信任分级策略）。文章还探讨了 Skill 与 Memory 的分工、与学术前沿（如 Voyager）的对照，并分析了系统的设计权衡与潜在改进空间，为 AI Agent 开发者提供了极具深度的工程实践参考。

💡 主要观点

- Skills 系统实现了 AI Agent 从经验中自主学习的完整闭环。 系统涵盖经验提取、知识存储（结构化 Skill 文件）、智能检索（条件激活与渐进式加载）、执行验证到自动改进（patch）的全链路，使 Agent 能积累并复用方法资产。

工程实现上做出了多项关键权衡，以平衡性能、安全与成本。 包括使用 User Message 注入而非修改 System Prompt 以保护 Prompt Cache 并大幅降低 API 成本；采用写入后扫描而非扫描后写入以避免 TOCTOU 竞态条件；设计两层缓存（内存 LRU + 磁盘快照）优化索引构建性能。

内置了严密的安全防护体系，防止 Skill 成为攻击载体。 通过 skills_guard.py 实现包含 90+ 威胁模式的正则扫描、结构性检查（文件数量、大小、符号链接）以及基于来源（内置、受信、社区、自创）的信任分级策略，构建了 Skills 生态的免疫系统。

Skill 与 Memory 有明确分工，分别对应程序性知识与陈述性知识。 Memory 用于存储用户偏好、环境详情等稳定事实（是什么），而 Skill 用于存储任务执行的工作流、步骤和陷阱（怎么做），二者共同构成 Agent 的持久化知识体系。

💬 文章金句

- Skills 系统让 AI Agent 像人类专家一样积累经验——把成功的做法写成 SOP，在使用中持续修订，并且可以分享给其他人。

• User Message 注入的权衡：牺牲了一点点指令跟随的可靠性，换取了数十倍的 API 成本节约。
• 如果一个 Skill 需要 VERCEL_TOKEN 环境变量但用户尚未配置，系统不会静默失败……在 CLI 模式下，通过回调函数交互式地提示用户输入。
• 这个问题的答案，将决定下一代 AI Agent 是‘每次从零开始的聪明工具’，还是‘在经验中持续成长的智能伙伴’。

📊 文章信息

AI 初评：93

精选文章：是

来源：腾讯云开发者

作者：腾讯云开发者

分类：人工智能

语言：中文

阅读时间：34 分钟

字数：8264

标签： Hermes Agent, AI Agent, 技能闭环, 自学习, 工程实现

阅读完整文章