Curador de Habilidades (Skill Curator) — Motor de Auto-Evolução
1. Visão Geral
Esta é a "meta-habilidade" de todo o conjunto de habilidades — ela não conclui tarefas específicas diretamente, mas torna todas as outras habilidades melhores. Esta habilidade se conecta ao sistema de autoaprendizagem /curator do Hermes Agent, analisando automaticamente os registros de execução de tarefas, gerando sugestões de criação/atualização/arquivamento de habilidades, formando um ciclo de feedback positivo de melhoria contínua.
Executar tarefa → Analisar registro → Encontrar ponto de melhoria → Atualizar habilidade → Melhor na próxima
↑ │
└────────────────────────────────────────────────────────────────────────────────────┘
Ciclo de auto-evolução de feedback positivo
2. Fluxo Principal
2.1 Processo de Curadoria em Quatro Estágios
Estágio 1: Coletar (Collect)
├─ Obter tarefas complexas recentemente concluídas via session_search
├─ Identificar pontos de dificuldade na execução (múltiplas tentativas, correções do usuário, falhas de ferramentas)
└─ Extrair pontos de decisão críticos e fluxos de trabalho
Estágio 2: Analisar (Analyze)
├─ Comparar com o acervo existente de habilidades: este fluxo já é coberto por alguma habilidade?
├─ Avaliar valor de reutilização: este fluxo poderia ser usado em uma tarefa similar no futuro?
├─ Identificar pontos cegos: a habilidade existente carece de etapas críticas ou lembretes de armadilhas?
└─ Quantificar espaço de melhoria: se essa habilidade existisse, quanto tempo/Token seria economizado?
Estágio 3: Propor (Propose)
├─ Sugerir criação: fluxo totalmente novo → sugerir criação de nova habilidade
├─ Sugerir atualização: habilidade existente com defeito → sugerir patch de atualização
├─ Sugerir arquivamento: habilidade não usada por muito tempo → sugerir marcação como obsoleta
└─ Sugerir mesclagem: várias habilidades sobrepostas → sugerir mesclagem
Estágio 4: Executar (Execute)
├─ Usar skill_manage(action="create") para criar nova habilidade
├─ Usar skill_manage(action="patch") para atualizar habilidade existente
├─ Usar /curator archive para arquivar habilidades obsoletas
└─ Verificar se a habilidade atualizada é eficaz na próxima tarefa similar
2.2 Matriz de Avaliação de Qualidade de Habilidades
| Dimensão | Indicador | Limiar Saudável | Limiar de Alerta |
|---|---|---|---|
| Frequência de uso | Chamadas nos últimos 30 dias | ≥ 3 vezes | ≤ 1 vez → candidato a obsoleto |
| Taxa de sucesso | Taxa de conclusão bem-sucedida da tarefa após uso da habilidade | ≥ 80% | ≤ 50% → precisa ser reescrita |
| Satisfação do usuário | Nenhuma correção/reclamação do usuário após execução da habilidade | 0 correções | ≥ 2 correções → problema de qualidade |
| Atualidade | Dias desde a última atualização | ≤ 90 dias | ≥ 180 dias → precisa de revisão |
| Precisão dos comandos | Comandos na habilidade ainda são válidos | 100% | Qualquer comando inválido → atualizar imediatamente |
2.3 Integração com o Sistema de Comandos Hermes
# Ver status de saúde das habilidades
/curator status
# Disparar revisão de curadoria manualmente
/curator run
# Realizar análise profunda de uma habilidade específica
/curator review nome-da-habilidade
# Fixar uma habilidade de qualidade (evitar arquivamento automático)
/curator pin nome-da-habilidade
# Arquivar habilidades não usadas por muito tempo
/curator archive nome-da-habilidade
# Analisar tarefas recentes diretamente na sessão Hermes
session_search(query="tarefas complexas recentes", limit=5)
2.4 Mecanismo de Autoinicialização da Auto-Evolução
Esta habilidade também está dentro do escopo de evolução — quando o processo de curadoria descobre métodos de análise mais eficazes, ela atualiza sua própria lógica de análise:
- Acúmulo de padrões de análise: extrair padrões de análise bem-sucedidos de tarefas com alta pontuação
- Correção de falsos positivos: se uma habilidade foi marcada erroneamente como obsoleta, mas depois usada com frequência, ajustar o limiar
- Adaptação ao domínio: diferentes tipos de projeto (Web/ML/Infra) usam pesos de avaliação diferentes
- Aprendizado de preferências do usuário: o usuário prefere criar novas habilidades ou atualizar as existentes? Ajustar a tendência da sugestão
2.5 Consciência de Persona
- Ler a atitude de "auto-evolução" em
SOUL.md - Usuário conservador → sugestões mais cautelosas, menor frequência de execução automática
- Usuário agressivo → sugestões mais proativas, permitir aplicação automática de atualizações de baixo risco
- Estilo da documentação das habilidades segue a persona SOUL
3. Critérios de Gate (Portão)
- A fase de análise verificou pelo menos as 3 tarefas concluídas mais recentes
- As cinco dimensões da matriz de avaliação são todas suportadas por dados (sem suposições subjetivas)
- A sugestão inclui uma comparação específica antes e depois da melhoria
- Se sugerir criar uma nova habilidade, já verificou que não há duplicação com habilidades existentes
- Se sugerir atualizar uma habilidade existente, forneceu old_string / new_string
- Todas as sugestões foram apresentadas ao usuário e confirmadas antes da execução
4. Desculpas Comuns de Evasão e Refutações
| Desculpa | Refutação |
|---|---|
| "A tarefa foi concluída, não preciso resumir" | Experiência não resumida é taxa de aprendizado desperdiçada. O problema que você levou 2 horas para resolver hoje pode levar apenas 5 minutos amanhã — se tivesse sido resumido. |
| "As habilidades são suficientes, não preciso otimizar" | O mundo do software muda, as APIs mudam, as melhores práticas mudam. Habilidades não atualizadas são habilidades deterioradas. |
| "Não tenho tempo para curadoria" | Curadoria é investimento, não custo. Gastar 5 minutos em curadoria pode economizar 50 minutos de trabalho repetitivo no futuro. |
| "A IA não deveria modificar habilidades automaticamente" | A filosofia de design do Hermes é "auto-evolução". Mas todas as modificações serão mostradas a você primeiro, e a decisão final é sua. |
| "Não tenho certeza do que vale a pena salvar como habilidade" | Um critério simples: se você ficou preso no mesmo tipo de problema mais de 2 vezes, vale uma habilidade. |