Hermes Agent 分析師養成記 · 第二篇:做過一次，就永遠會做
整理版優先睇
Hermes Agent技能系統解決AI無程序性記憶問題，自動沉澱工作流程
呢篇文章係Hermes Agent分析師養成記嘅第二篇，由專注AI Agent深度實踐嘅「努力撞蘑菇AI」撰寫。佢嘅核心係解釋Hermes Agent嘅技能系統（Skills System），呢個系統專門解決AI做完一輪複雜任務後，下次又要從頭教過嘅問題。作者指出，AI唔係唔夠聰明，而係佢冇程序性記憶——唔識得將做過嘅流程沉澱成可反覆調用嘅能力。整體結論係：技能系統透過Markdown格式嘅知識文檔、漸進式披露、自動創建同條件激活，令Agent能夠累積工作手冊，真正獨立工作。
文章舉咗具體例子，例如清洗CSV呢類工作，每次都要重複解釋字段映射，但技能系統可以將呢啲流程固化。技能唔係插件，而係一份叫SKILL.md嘅文檔，記錄點樣做、有咩步驟、風險位。Agent可以自動創建技能——每次完成複雜任務或者俾人糾正做法，都會自動寫教材，下次行得更順。
同上一篇嘅記憶系統對比，技能系統係程序性記憶，記「點樣做」；記憶系統係陳述性記憶，記「係乜嘢」。呢個清晰分工避免誤用，確保系統可以長期可靠運作。作者仲提醒，呢個係Hermes構建完整Agent認知架構嘅關鍵一步。
- 技能系統透過Markdown文檔（SKILL.md）沉澱工作流程，而非提供可執行嘅插件，令Agent掌握「點樣做」而非只係工具。
- 漸進式披露分三級加載：Level 0 索引常駐（約3,000 tokens）、Level 1 按需載入完整技能、Level 2 深入參考文件，有效控制token成本。
- Agent可以自動創建同修改技能：完成超過5次工具調用嘅複雜任務、被糾正做法、發現新工作流時，會用skill_manage工具嘅patch操作局部更新，省token。
- 技能可以條件激活：透過fallback_for_toolsets同requires_toolsets字段，根據當前工具環境自動顯隱，實現優雅降級。
- 安全掃描對第三方技能檢測prompt注入、數據外泄等風險，分為builtin、trusted、community三級，危險級別無法強制安裝。
Hermes Agent 官方文檔
包含技能系統、記憶系統等完整設計，文中引用多處原始資料
技能係知識文檔，唔係插件
好多人都將Skill誤解成插件或工具，但Hermes嘅Skill完全唔同。佢係一份Markdown格式嘅知識文檔，放喺 ~/.hermes/skills/ 目錄下，核心文件叫 SKILL.md。
Skill 係教 Agent 點樣做，而唔係俾一個工具
同樣嘅底層工具（例如 git 同 gh CLI），裝載唔同嘅 Skill，Agent 嘅行為模式就會完全唔同。呢個區別好重要：工具係能力邊界嘅擴展，Skill 係工作方式嘅沉澱。
---
name: github-pr-workflow
description: GitHub PR 生命週期：建分支、提交、開 PR、CI、合併
version: 1.0.0
metadata:
hermes:
tags: [git, github, workflow]
category: devops
---
# GitHub PR Workflow
## When to Use
當需要創建 PR、管理代碼審查流程時加載此技能。
## Procedure
1. 從 main 拉取最新代碼，創建 feature 分支
2. 完成修改後，運行測試確認通過
3. 使用 gh pr create 開 PR，填寫模板
4. 等待 CI 通過，處理 review 意見
5. squash merge 到 main，刪除 feature 分支
## Pitfalls
- 忘記先 git pull 就直接開分支，後續容易有衝突
- PR 描述裏不寫測試方法，review 會被打回
## Verification
gh pr status 確認 CI 全綠，reviewer 已 approve漸進式披露：三級加載控制 token 成本
Hermes 內置咗七八十個 Skill，加上用戶自創同從 Hub 安裝嘅，輕鬆破百。如果每次啟動都將全部 SKILL.md 塞入系統提示，token 成本會爆煲。
漸進式披露（Progressive Disclosure）
呢個解法分三級：Level 0 用 skills_list() 回傳所有技能嘅名稱、一行描述同分類，大約 3,000 tokens，每次都注入；Level 1 用 skill_view(name) 加載完整 SKILL.md，只有當 Agent 判斷需要先觸發；Level 2 用 skill_view(name, path) 深入讀取參考文件。
- Level 0：技能列表索引，類似圖書館書目，每次對話固定開銷約3,000 tokens
- Level 1：按需加載單個技能嘅完整內容，唔需要就唔加載
- Level 2：深入細節時先讀取技能目錄下嘅支撐文件
對 token 嘅剋制，係系統能長期可用嘅基礎
Agent 自動生成技能：每次糾正都係寫教材
呢個係 Hermes 最有意思嘅能力——Agent 可以自己創建 Skill。根據官方文檔，當 Agent 完成一個複雜任務（調用工具次數 ≥ 5 次）並且成功、或者過程中撞咗錯誤最終揾到正確路徑、或者用戶糾正咗佢嘅做法、或者發現非顯而易見嘅工作流，都會觸發技能創建。
你每次糾正 Agent 嘅做法，都喺度俾佢寫教材
工具 skill_manage 支援四項操作：create 從頭創建新 Skill、patch 局部修改（首選，因為只需傳入 old_string 同 new_string，token 消耗遠低於 edit）、edit 大規模重寫、delete 刪除。呢種對調用成本嘅精細考量，喺成個 Hermes 設計度處處可見。
條件激活與安全掃描：自動顯隱同供應鏈防線
技能可以根據當前工具環境自動決定係咪顯示喺索引度。配置字段叫 fallback_for_toolsets 同 requires_toolsets。例如內置嘅 duckduckgo-search 技能有 fallback_for_toolsets: [web]，當你有 Firecrawl API Key 時，web 工具集可用，DuckDuckGo 就會靜默隱藏；一旦 API Key 失效或者離線，呢個技能就會自動浮出水面做備選。
能力邊界變化時，Skill 體系會自動重新配置自己
至於安全方面，Hermes Skills Hub 聚合咗多個來源嘅技能包，可能引入 prompt 注入等風險。Hermes 對所有來自 Hub 嘅技能進行安全掃描，檢測數據外泄、Prompt 注入模式、危險系統命令、供應鏈污染信號。掃描結果分三個信任級別：builtin 無條件信任、trusted（官方倉庫）用寬鬆策略、community（其他來源）嚴格掃描。
危險級別嘅技能無法強制安裝
--force 參數可以繞過「警告」級別，但無法繞過「危險」級別，呢條硬線劃得好清楚。
程序性記憶 vs 陳述性記憶：認知架構嘅完整性
將技能系統同上篇講嘅記憶系統放埋一齊睇，可以清楚理解 Hermes 點樣構建完整嘅 Agent 認知架構。
「持久事實屬於記憶，可複用流程屬於技能」
陳述性記憶（MEMORY.md / USER.md）記「係乜嘢」——環境事實、用戶偏好、項目約定；程序性記憶（Skills System）記「點樣做」——工作流步驟、操作規範、踩坑記錄。邊界清晰劃分，避免將操作手冊寫入記憶，導致記憶空間被佔滿。
有啲工作，你教過 AI 一次，然後下次又要由頭教過。
「將呢份 CSV 清洗成我哋嘅標準格式」——你花十分鐘同佢解釋字段映射、缺失值處理邏輯、輸出規範。佢做曬，做得好好。下次你發一份新嘅 CSV，佢又矇咗。
呢個問題唔係 AI 唔夠聰明，係佢冇程序性記憶。佢可以記住事實（上一篇講嘅 MEMORY.md），但係唔知點樣將「做過嘅複雜流程」沉澱成可以反覆調用嘅能力。
Hermes Agent 嘅技能系統（Skills System）就係專門解決呢個問題嘅。
Skill 係咩：唔係插件，係知識文件
好多人第一反應係將 Skill 理解成「插件」或「工具」——類似 ChatGPT 插件、LangChain Tool 嗰種概念，即係一段可以執行嘅代碼。
Hermes 嘅 Skill 唔係咁樣。
Skill 係一份 Markdown 格式嘅知識文件，存在 ~/.hermes/skills/ 目錄下面，核心係一個叫 SKILL.md 嘅文件。佢嘅結構大致係咁樣：
---
name: github-pr-workflow
description: GitHub PR 生命週期：建分支、提交、開 PR、CI、合併
version: 1.0.0
metadata:
hermes:
tags: [git, github, workflow]
category: devops
---
# GitHub PR Workflow
## When to Use
當需要創建 PR、管理代碼審查流程時加載此技能。
## Procedure
1. 從 main 拉取最新代碼，創建 feature 分支
2. 完成修改後，運行測試確認通過
3. 使用 gh pr create 開 PR，填寫模板
4. 等待 CI 通過，處理 review 意見
5. squash merge 到 main，刪除 feature 分支
## Pitfalls
- 忘記先 git pull 就直接開分支，後續容易有衝突
- PR 描述裏不寫測試方法，review 會被打回
## Verification
gh pr status 確認 CI 全綠，reviewer 已 approve
佢本質上係喺教 Agent 怎麼做，而唔係俾 Agent 一個工具。
呢個區別好重要：工具係能力邊界嘅擴展，Skill 係工作方式嘅沉澱。同樣嘅底層工具（git、gh CLI），裝載唔同嘅 Skill，Agent 嘅行為模式就會完全唔同。
漸進式披露：點解唔一次過全部加載
Hermes 裝咗好多 Skill——官方內置就有七八十個，加上用戶自己創建嘅、從 Hub 安裝嘅，輕鬆超過一百個。
如果每次啟動都將所有 Skill 全文塞入系統提示，token 成本會爆炸。Hermes 嘅解法叫漸進式披露（Progressive Disclosure），分三級加載：
Level 0：skills_list()
→ 返回所有 Skill 的名稱 + 一行描述 + 分類
→ 約 3,000 tokens，每次都注入
Level 1：skill_view(name)
→ 加載某個 Skill 的完整 SKILL.md
→ 只在 Agent 判斷需要時才觸發
Level 2：skill_view(name, path)
→ 加載 Skill 目錄下的某個參考文件
→ 深入細節時才用
比喻一下：Level 0 係圖書館嘅書目索引，話俾你知有邊啲書；Level 1 係將某本書攞到手上面讀；Level 2 係揭到書後面嘅附錄查參考資料。
Agent 喺執行任務嘅時候，先掃一眼索引判斷邊個 Skill 相關，然後按需要加載全文。咁樣大多數對話入面只係多出 3,000 tokens 嘅固定開銷，而唔係將所有 Skill 都塞滿上下文。
呢個設計同上一篇講嘅記憶系統思路一脈相承：對 token 嘅剋制，係系統可以長期可用嘅基礎。
最關鍵嘅設計決策：Agent 自動生成 Skill
上面講嘅都係「用 Skill」，而 Hermes 最有趣嘅能力係——佢自己創建 Skill。
根據 Hermes Agent 官方文件（hermes-agent.nousresearch.com，2026年），Agent 喺以下情況會自動觸發技能創建：
完成一個複雜任務（調用工具次數 ≥ 5 次）而且成功 過程中行咗冤枉路、撞咗錯誤，最終揾到正確路徑 用戶糾正咗佢嘅做法 發現咗一個唔係咁明顯嘅工作流程
工具名叫 skill_manage，支援嘅操作包括：
create | |
patch | |
edit | |
delete | |
write_file |
patch 操作係文件入面特別標註「首選」嘅——原因係佢只需要傳入 old_string 和 new_string，而唔係整個文件內容，token 消耗遠低過 edit。呢種對調用成本嘅精細化考量，喺整個 Hermes 設計入面周圍都見到。
呢個自動生成機制意味住啲咩？
意味住你每次糾正 Agent 嘅做法，都係喺俾佢「寫教材」。每次佢探索出一條新路徑，都會將呢條路記低，下次行得更順。Agent 喺工作嘅同時，亦喺累積自己嘅工作手冊。
條件激活：Skill 會根據環境自動顯示隱藏
呢度有一個容易俾人忽略嘅細節：Skill 可以根據當前工具環境自動決定係咪出現在索引入面。
配置字段叫 fallback_for_toolsets 和 requires_toolsets：
metadata:
hermes:
fallback_for_toolsets: [web] # 只在 web 工具不可用時顯示
requires_toolsets: [terminal] # 只在 terminal 工具可用時顯示
舉個具體嘅例子：內置 Skill duckduckgo-search 用 fallback_for_toolsets: [web]。
當你配置咗 Firecrawl API Key，web 工具集可用，Hermes 就用 web_search 工具直接搜索——DuckDuckGo 呢個 Skill 靜默隱藏，唔佔索引空間。一旦 API Key 失效或者你喺一個冇網嘅環境，web 工具集消失，DuckDuckGo Skill 自動浮出水面作為備選。
呢個係一個好優雅嘅降級機制：能力邊界變化嘅時候，Skill 體系會自動重新配置自己，唔需要用戶手動幹預。
Skill 嘅安全掃描：供應鏈攻擊嘅防線
Hermes Skills Hub 聚合咗嚟自多個來源嘅技能包：官方內置、skills.sh（Vercel 維護嘅公共目錄）、各類社區倉庫、直接 URL 安裝。
呢個帶嚟咗一個真實嘅安全風險：惡意嘅 Skill 文件可以喺系統提示入面植入 prompt 注入指令，或者引導 Agent 執行危險操作。
Hermes 嘅應對方案係對所有嚟自 Hub 嘅 Skill 進行安全掃描，檢測項包括：
數據外洩指令 Prompt 注入模式 危險系統命令 供應鏈污染信號
掃描結果分三個信任級別：
builtin | ||
trusted | ||
community |
--force 參數可以繞過「警告」級別嘅攔截，但係冇辦法繞過「危險」級別。呢條硬線劃得好清楚。
程序性記憶 vs 陳述性記憶
讀到呢度，可以將技能系統同上一篇嘅記憶系統擺埋一齊對比理解：
陳述性記憶（Declarative Memory）
└── MEMORY.md / USER.md
→ 存「是什麼」：環境事實、用戶偏好、項目約定
→ 類比：你知道同事叫什麼名字、喜歡用什麼工具
程序性記憶（Procedural Memory）
└── Skills System
→ 存「怎麼做」：工作流步驟、操作規範、踩坑記錄
→ 類比：你記得怎麼騎自行車，不需要每次重新學
Hermes 文件入面有一句話講得好直接（來源：hermes-agent.ai，2026年5月）：「持久事實屬於記憶，可複用流程屬於技能。如果 Agent 一路唔記得某個工作流，應該創建 Skill，而唔係將步驟塞入 MEMORY.md。」
呢條邊界嘅清晰劃分，避免咗一個常見嘅誤用：將操作手冊寫入記憶，導致記憶空間俾人佔滿，真正需要常駐嘅上下文反而放唔落。
小結
Hermes 技能系統嘅核心設計邏輯：
Skill 係知識文件，唔係插件：教 Agent 點樣做事，而唔係俾佢新工具 漸進式披露控制 token 成本：索引常駐，全文按需，三級加載 Agent 自動創建 Skill：每次成功嘅複雜任務都係喺寫教材，經驗自動沉澱 條件激活實現優雅降級：工具環境變化嘅時候，Skill 體系自動重組 供應鏈安全有硬線：危險級別嘅 Skill 冇辦法強制安裝
將記憶系統同技能系統擺埋一齊睇，Hermes 其實喺構建一個完整嘅 Agent 認知架構：知道「係咩」，亦知道「點樣做」，呢啲先係可以真正獨立工作嘅系統嘅基礎。
下一篇：代碼執行沙箱——execute_code 係點樣將多步驟分析工作流，壓縮成一次過完成嘅。
有一類工作，你教過 AI 一次，然後下次又要從頭教一遍。
「把這份 CSV 清洗成我們的標準格式」——你花十分鐘跟它解釋字段映射、缺失值處理邏輯、輸出規範。它做完了，做得很好。下次你發一份新的 CSV，它又懵了。
這個問題不是 AI 不夠聰明，是它沒有程序性記憶。它能記住事實（上一篇講的 MEMORY.md），但不知道怎麼把「做過的複雜流程」沉澱成可以反覆調用的能力。
Hermes Agent 的技能系統（Skills System）就是專門解這道題的。
Skill 是什麼：不是插件，是知識文檔
很多人第一反應是把 Skill 理解成「插件」或「工具」——類似 ChatGPT 插件、LangChain Tool 那種概念，即一段可執行的代碼。
Hermes 的 Skill 不是這個。
Skill 是一份 Markdown 格式的知識文檔，存在 ~/.hermes/skills/ 目錄下，核心是一個叫 SKILL.md 的文件。它的結構大致長這樣：
---
name: github-pr-workflow
description: GitHub PR 生命週期：建分支、提交、開 PR、CI、合併
version: 1.0.0
metadata:
hermes:
tags: [git, github, workflow]
category: devops
---
# GitHub PR Workflow
## When to Use
當需要創建 PR、管理代碼審查流程時加載此技能。
## Procedure
1. 從 main 拉取最新代碼，創建 feature 分支
2. 完成修改後，運行測試確認通過
3. 使用 gh pr create 開 PR，填寫模板
4. 等待 CI 通過，處理 review 意見
5. squash merge 到 main，刪除 feature 分支
## Pitfalls
- 忘記先 git pull 就直接開分支，後續容易有衝突
- PR 描述裏不寫測試方法，review 會被打回
## Verification
gh pr status 確認 CI 全綠，reviewer 已 approve
它本質上是在教 Agent 怎麼做，而不是給 Agent 一個工具。
這個區別很重要：工具是能力邊界的擴展，Skill 是工作方式的沉澱。同樣的底層工具（git、gh CLI），裝載不同的 Skill，Agent 的行為模式就完全不同。
漸進式披露：為什麼不一次全加載
Hermes 裝了很多 Skill——官方內置就有七八十個，加上用戶自己創建的、從 Hub 安裝的，輕鬆破百。
如果每次啓動都把所有 Skill 全文塞進系統提示，token 成本會爆炸。Hermes 的解法叫漸進式披露（Progressive Disclosure），分三級加載：
Level 0：skills_list()
→ 返回所有 Skill 的名稱 + 一行描述 + 分類
→ 約 3,000 tokens，每次都注入
Level 1：skill_view(name)
→ 加載某個 Skill 的完整 SKILL.md
→ 只在 Agent 判斷需要時才觸發
Level 2：skill_view(name, path)
→ 加載 Skill 目錄下的某個參考文件
→ 深入細節時才用
類比一下：Level 0 是圖書館的書目索引，告訴你有哪些書；Level 1 是把某本書拿到手裏讀；Level 2 是翻到書後面的附錄查參考資料。
Agent 在執行任務時，先掃一眼索引判斷哪個 Skill 相關，然後按需加載全文。這樣大多數對話裏只多出 3,000 tokens 的固定開銷，而不是把所有 Skill 都塞滿上下文。
這個設計和上一篇講的記憶系統思路一脈相承：對 token 的剋制，是系統能長期可用的基礎。
最關鍵的設計決策：Agent 自動生成 Skill
上面說的都是「用 Skill」，而 Hermes 最有意思的能力是——它自己創建 Skill。
根據 Hermes Agent 官方文檔（hermes-agent.nousresearch.com，2026年），Agent 在以下情況會自動觸發技能創建：
完成一個複雜任務（調用工具次數 ≥ 5 次）且成功 過程中走了彎路、撞了錯誤，最終找到了正確路徑 用戶糾正了它的做法 發現了一個非顯而易見的工作流
工具名叫 skill_manage，支持的操作包括：
create | |
patch | |
edit | |
delete | |
write_file |
patch 操作是文檔裏特別標註「首選」的——原因是它只需要傳入 old_string 和 new_string，而不是整個文件內容，token 消耗遠低於 edit。這種對調用成本的精細化考量，在整個 Hermes 設計裏隨處可見。
這個自動生成機制意味着什麼？
意味着你每次糾正 Agent 的做法，都在給它「寫教材」。每次它探索出一條新路徑，都會把這條路記下來，下次走得更順。Agent 在工作的同時，也在積累自己的工作手冊。
條件激活：Skill 會根據環境自動顯隱
這裏有一個容易被忽略的細節：Skill 可以根據當前工具環境自動決定是否出現在索引裏。
配置字段叫 fallback_for_toolsets 和 requires_toolsets：
metadata:
hermes:
fallback_for_toolsets: [web] # 只在 web 工具不可用時顯示
requires_toolsets: [terminal] # 只在 terminal 工具可用時顯示
舉個具體的例子：內置 Skill duckduckgo-search 用 fallback_for_toolsets: [web]。
當你配置了 Firecrawl API Key，web 工具集可用，Hermes 就用 web_search 工具直接搜索——DuckDuckGo 這個 Skill 靜默隱藏，不佔索引空間。一旦 API Key 失效或者你在一個沒網的環境，web 工具集消失，DuckDuckGo Skill 自動浮出水面作為備選。
這是個很優雅的降級機制：能力邊界變化時，Skill 體系會自動重新配置自己，不需要用戶手動干預。
Skill 的安全掃描：供應鏈攻擊的防線
Hermes Skills Hub 聚合了來自多個來源的技能包：官方內置、skills.sh（Vercel 維護的公共目錄）、各類社區倉庫、直接 URL 安裝。
這帶來了一個真實的安全風險：惡意的 Skill 文件可以在系統提示裏植入 prompt 注入指令，或者引導 Agent 執行危險操作。
Hermes 的應對方案是對所有來自 Hub 的 Skill 進行安全掃描，檢測項包括：
數據外泄指令 Prompt 注入模式 危險系統命令 供應鏈污染信號
掃描結果分三個信任級別：
builtin | ||
trusted | ||
community |
--force 參數可以繞過「警告」級別的攔截，但無法繞過「危險」級別。這條硬線劃得很清楚。
程序性記憶 vs 陳述性記憶
讀到這裏，可以把技能系統和上一篇的記憶系統放在一起對比理解：
陳述性記憶（Declarative Memory）
└── MEMORY.md / USER.md
→ 存「是什麼」：環境事實、用戶偏好、項目約定
→ 類比：你知道同事叫什麼名字、喜歡用什麼工具
程序性記憶（Procedural Memory）
└── Skills System
→ 存「怎麼做」：工作流步驟、操作規範、踩坑記錄
→ 類比：你記得怎麼騎自行車，不需要每次重新學
Hermes 文檔裏有一句話說得很直接（來源：hermes-agent.ai，2026年5月）：「持久事實屬於記憶，可複用流程屬於技能。如果 Agent 一直忘記某個工作流，應該創建 Skill，而不是把步驟塞進 MEMORY.md。」
這條邊界的清晰劃分，避免了一個常見的誤用：把操作手冊寫進記憶，導致記憶空間被佔滿，真正需要常駐的上下文反而放不下。
小結
Hermes 技能系統的核心設計邏輯：
Skill 是知識文檔，不是插件：教 Agent 怎麼做事，而不是給它新工具 漸進式披露控制 token 成本：索引常駐，全文按需，三級加載 Agent 自動創建 Skill：每次成功的複雜任務都是在寫教材，經驗自動沉澱 條件激活實現優雅降級：工具環境變化時，Skill 體系自動重組 供應鏈安全有硬線：危險級別的 Skill 無法強制安裝
把記憶系統和技能系統放在一起看，Hermes 其實在構建一個完整的 Agent 認知架構：知道「是什麼」，也知道「怎麼做」，這才是能真正獨立工作的系統的基礎。
下一篇：代碼執行沙箱——execute_code 是怎麼把多步驟分析工作流，壓縮成一次完成的。