Compétence de Conservateur (Skill Curator) — Moteur d'Auto-évolution
1. Présentation
Ceci est la "méta-compétence" de l'ensemble des compétences — elle n'effectue pas directement une tâche spécifique, mais rend toutes les autres compétences meilleures. Cette compétence se connecte au système d'auto-apprentissage /curator de Hermes Agent, analyse automatiquement les enregistrements d'exécution des tâches, propose des suggestions de création, mise à jour ou archivage de compétences, formant une boucle de rétroaction positive d'amélioration continue.
Exécuter une tâche → Analyser l'enregistrement → Détecter les améliorations → Mettre à jour la compétence → Meilleur résultat la prochaine fois
↑ │
└──────────────────────────────────────────────────────────────────────────────────────────┘
Boucle de rétroaction positive d'auto-évolution
2. Processus principal
2.1 Processus de conservation en quatre phases
Phase 1 : Collecte (Collect)
├─ Récupérer les tâches complexes récemment terminées via session_search
├─ Identifier les difficultés rencontrées (multiples tentatives, corrections de l'utilisateur, échecs d'appels d'outils)
└─ Extraire les points de décision clés et les flux de travail
Phase 2 : Analyse (Analyze)
├─ Comparer avec la bibliothèque de compétences existante : ce flux de travail est-il déjà couvert par une compétence ?
├─ Évaluer la valeur de réutilisation : ce flux de travail pourrait-il être utilisé pour une tâche similaire la prochaine fois ?
├─ Identifier les angles morts des compétences : des étapes cruciales ou des avertissements manquent-ils dans les compétences existantes ?
└─ Quantifier le gain potentiel : combien de temps/de tokens auraient été économisés si cette compétence avait existé ?
Phase 3 : Proposition (Propose)
├─ Suggestion de création : nouveau flux de travail → proposer la création d'une nouvelle compétence
├─ Suggestion de mise à jour : compétence existante avec défauts → proposer une mise à jour par patch
├─ Suggestion d'archivage : compétence inutilisée depuis longtemps → proposer de la marquer comme stale
└─ Suggestion de fusion : plusieurs compétences se chevauchent → proposer une fusion
Phase 4 : Exécution (Execute)
├─ Utiliser skill_manage(action="create") pour créer une nouvelle compétence
├─ Utiliser skill_manage(action="patch") pour mettre à jour une compétence existante
├─ Utiliser /curator archive pour archiver les compétences obsolètes
└─ Vérifier que la compétence mise à jour est efficace lors de la prochaine tâche similaire
2.2 Matrice d'évaluation de la qualité des compétences
| Dimension | Indicateur | Seuil sain | Seuil d'alerte |
|---|---|---|---|
| Fréquence d'utilisation | Nombre d'appels sur 30 jours | ≥ 3 fois | ≤ 1 fois → candidat stale |
| Taux de réussite | Taux de succès des tâches après utilisation de la compétence | ≥ 80% | ≤ 50% → nécessite réécriture |
| Satisfaction utilisateur | Absence de correction/plainte de l'utilisateur après exécution | 0 correction | ≥ 2 corrections → problème de qualité |
| Actualité | Jours depuis la dernière mise à jour | ≤ 90 jours | ≥ 180 jours → nécessite révision |
| Exactitude des commandes | Les commandes de la compétence sont-elles toujours valides | 100% | Toute commande invalide → mise à jour immédiate |
2.3 Intégration avec le système de commandes Hermes
# Voir l'état de santé des compétences
/curator status
# Déclencher manuellement un examen de conservation
/curator run
# Effectuer une analyse approfondie d'une compétence spécifique
/curator review skill-name
# Épingler une bonne compétence (empêcher l'archivage automatique)
/curator pin skill-name
# Archiver une compétence inutilisée depuis longtemps
/curator archive skill-name
# Analyser directement les tâches récentes dans une session Hermes
session_search(query="recent complex tasks", limit=5)
2.4 Mécanisme d'auto-amorçage évolutif
Cette compétence elle-même est dans le périmètre d'évolution — lorsque le processus de conservation découvre des méthodes d'analyse plus efficaces, elle met à jour sa propre logique d'analyse :
- Accumulation de modèles d'analyse : extraire les modèles d'analyse réussis des tâches les mieux notées
- Correction des erreurs : si une compétence a été mal marquée comme stale mais est ensuite fréquemment utilisée, ajuster le seuil
- Adaptation au domaine : différents types de projets (Web/ML/Infra) utilisent des poids d'évaluation différents
- Apprentissage des préférences utilisateur : l'utilisateur préfère-t-il créer de nouvelles compétences ou mettre à jour les existantes ? Ajuster la tendance des suggestions
2.5 Sensibilité à l'identité
- Lire l'attitude "d'auto-évolution" dans
SOUL.md - Utilisateur conservateur → suggestions plus prudentes, fréquence d'exécution automatique plus faible
- Utilisateur agressif → suggestions plus proactives, permettre l'application automatique des mises à jour à faible risque
- Le style de documentation des compétences suit la personnalité SOUL
3. Critères de passage
- L'analyse a vérifié au moins les 3 dernières tâches terminées
- Les cinq dimensions de la matrice d'évaluation sont toutes étayées par des données (pas de suppositions subjectives)
- Les suggestions incluent une comparaison concrète avant/après
- Si une création de compétence est suggérée, on a vérifié qu'elle ne chevauche pas une compétence existante
- Si une mise à jour de compétence existante est suggérée, on a fourni les old_string / new_string
- Toutes les suggestions ont été présentées à l'utilisateur et confirmées avant exécution
4. Excuses courantes d'évitement et leurs réfutations
| Excuse | Réfutation |
|---|---|
| "La tâche est terminée, pas besoin de résumé" | Une expérience non résumée est un apprentissage gaspillé. Les 2 heures que tu as passées aujourd'hui pour résoudre un problème pourraient n'en prendre que 5 demain — si tu l'avais résumé. |
| "Les compétences sont suffisantes, pas besoin d'optimisation" | Le monde logiciel change, les API changent, les meilleures pratiques changent. Une compétence non mise à jour est une compétence qui se dégrade. |
| "Je n'ai pas le temps de faire de la conservation" | La conservation est un investissement, pas une dépense. Passer 5 minutes à conserver peut t'économiser 50 minutes de travail répétitif à l'avenir. |
| "L'IA ne devrait pas modifier les compétences automatiquement" | La philosophie de conception de Hermes est "l'auto-évolution". Mais toutes les modifications te seront d'abord montrées, et c'est toi qui décides en dernier ressort. |
| "Je ne suis pas sûr de ce qui mérite d'être conservé comme compétence" | Un critère simple : si tu as été bloqué plus de 2 fois sur le même type de problème, cela mérite une compétence. |