Community研究與資料分析github.com

Ow1onp/hermes-agent-skills

Hermes Agent 的生產級技能 - 自我進化、感知人設、斜線指令原生

hermes-agent-skills 是什麼?

此技能集合的核心「元技能」— 技能策展人 (Skill Curator),旨在讓所有其他技能持續改進。它整合 Hermes Agent 的 `/curator` 自學習系統,自動分析任務執行記錄,並提出創建、更新或廢棄技能的建議,形成自我強化的正反饋循環。該技能支援透過四階段策展流程(採集、分析、建議、執行)來識別工作流程中的優化空間,並使用品質評估矩陣(包括使用頻率、成功率、用戶滿意度等)量化改進效益。此外,它還整合了 Hermes 的命令體系,提供如 `/curator status`、`/curator run` 等互動指令,並具備自舉進化機制,能從過往分析中學習調整門檻與用戶偏好。此技能適用於所有採用 Hermes Agent 的開發環境,尤其適合希望透過自動化策展來減少重複勞動、提升 Agent 工作效率的團隊。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add Ow1onp/hermes-agent-skills

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

技能策展人 (Skill Curator) — 自進化引擎

1. 概述

這是整個技能集合的「元技能」——它不直接完成具體任務,而是讓所有其他技能變得更好。本技能對接 Hermes Agent 的 /curator 自學習系統,自動分析任務執行記錄,提出技能創建/更新/廢棄建議,形成持續改進的正反饋循環。

執行任務 → 分析記錄 → 發現改進點 → 更新技能 → 下次更好
    ↑                                            │
    └────────────────────────────────────────────┘
                自我進化正反饋循環

2. 核心流程

2.1 四階段策展流程

階段一:採集 (Collect)
  ├─ 從 session_search 獲取最近完成的複雜任務
  ├─ 識別執行中的困難點(多次重試、用戶糾正、工具調用失敗)
  └─ 提取關鍵決策點和工作流

階段二:分析 (Analyze)
  ├─ 對比現有技能庫:這個工作流是否已被某個技能覆蓋?
  ├─ 評估復用價值:下次遇到類似任務,這個工作流能用上嗎?
  ├─ 識別技能盲區:現有技能是否缺少關鍵步驟或陷阱提醒?
  └─ 量化改進空間:如果當時有這個技能,能節省多少時間/Token?

階段三:建議 (Propose)
  ├─ 創建建議:全新的工作流 → 建議創建新技能
  ├─ 更新建議:現有技能有缺陷 → 建議 patch 更新
  ├─ 廢棄建議:長期未使用的技能 → 建議標記為 stale
  └─ 合併建議:多個技能有重疊 → 建議合併

階段四:執行 (Execute)
  ├─ 使用 skill_manage(action="create") 創建新技能
  ├─ 使用 skill_manage(action="patch") 更新現有技能
  ├─ 使用 /curator archive 歸檔廢棄技能
  └─ 驗證更新後的技能在下次類似任務中有效

2.2 技能品質評估矩陣

維度指標健康閾值警告閾值
使用頻率30 天內被調用次數≥ 3 次≤ 1 次 → stale 候選
成功率使用技能後任務成功完成率≥ 80%≤ 50% → 需要重寫
用戶滿意度技能執行後無用戶糾正/抱怨0 糾正≥ 2 次糾正 → 品質有問題
時效性距離上次更新的天數≤ 90 天≥ 180 天 → 需要審查
命令準確率技能中的命令是否仍有效100%任何失效命令 → 立即更新

2.3 Hermes 命令體系集成

# 查看技能健康狀態
/curator status

# 手動觸發策展審查
/curator run

# 對特定技能進行深度分析
/curator review skill-name

# 固定優質技能(防止自動歸檔)
/curator pin skill-name

# 歸檔長期未使用的技能
/curator archive skill-name

# 在 Hermes 會話中直接分析最近任務
session_search(query="recent complex tasks", limit=5)

2.4 自進化自舉機制

本技能自身也在進化範圍內——當策展流程發現更有效的分析方法時,它會更新自己的分析邏輯:

  1. 分析模式積累:從高評分任務中提取成功的分析模式
  2. 誤判修正:如果某技能被錯誤標記為 stale 但後來被頻繁使用,調整閾值
  3. 領域自適應:不同項目類型(Web/ML/Infra)使用不同的評估權重
  4. 用戶偏好學習:用戶傾向於創建新技能還是更新現有技能?調整建議傾向

2.5 身份感知

  • 讀取 SOUL.md 中的「自我進化」態度
  • 保守型用戶 → 更謹慎的建議,更低的自動執行頻率
  • 激進型用戶 → 更積極的建議,允許自動應用低風險更新
  • 技能文檔風格跟隨 SOUL 人設

3. 門禁標準

  • 分析階段至少檢查了最近 3 個已完成任務
  • 評估矩陣的五維度全部有數據支撐(無主觀猜測)
  • 建議包含具體的改進前後對比
  • 如果建議創建新技能,已檢查不與現有技能重複
  • 如果建議更新現有技能,提供了 old_string / new_string
  • 所有建議在執行前已向用戶呈現並獲得確認

4. 常見逃避藉口與反駁

藉口反駁
「任務完成了就行,不需要總結」不總結的經驗是浪費的學費。你今天花了 2 小時解決的問題,明天可能只需要 5 分鐘——如果當時總結了。
「技能夠用了,不需要優化」軟體世界在變化、API 在變化、最佳實踐在變化。不更新的技能是劣化的技能。
「我沒有時間做策展」策展是投資,不是開銷。花 5 分鐘策展能為你節省未來 50 分鐘的重複勞動。
「AI 不應該自動修改技能」Hermes 的設計哲學就是「自我進化」。但所有修改都會先向你展示,由你最終決定。
「我不確定什麼值得保存為技能」一個簡單的判斷標準:如果你在同一類問題上被卡住過 2 次以上,它值得一個技能。

相關技能