跳转至

Hermes 技能系统机制原理：渐进式披露与程序性记忆

本文目标：讲清 Hermes 技能（Skill）系统的底层设计——技能是"程序性记忆"而非提示词片段、三级渐进式披露如何按需加载、技能目录结构与优秀技能的内容标准。全文蒸馏自 Hermes Atlas 收录的机制解析文章（2026-04），并经本机工具池逐项实证。

一、技能是什么：程序性记忆，不是提示词片段

Hermes 中的技能是一份按需加载的知识文档，教 Agent 如何处理某一类任务——工作流、工具操作规程、排障模式、格式规范或操作手册。核心定位是程序性记忆（procedural memory），与另外两类存储严格分工：

  • Memory 存持久事实（用户偏好、环境约定、反复纠正）
  • Sessions 存发生了什么（对话历史）
  • Skills 存"怎么把某件事做好"（可复用方法）

这个区分很重要：它让 Hermes 在不把几百页说明书塞进每个会话的前提下，持续积累可复用的 know-how。

二、解决什么问题：两个坏选项之外的第三条路

没有技能系统的 Agent 只有两个坏选项：

  1. 全部写进 prompt — 成本飞涨，大量与当前任务无关的指令污染上下文；
  2. 祈祷模型自己记得模式 — 遇到需要精确命令、已知坑位、环境特定步骤、固定输出风格的任务就掉链子。

Hermes 的解法是按需加载：平时只随身携带一份紧凑的技能索引（名称+描述+分类），任务真正需要时才加载完整技能正文。Agent 因此"默认轻量、按需专业"。

三、三级渐进式披露（Progressive Disclosure）

技能加载分三层，按需逐级深入：

层级 调用 加载内容 代价
Level 0 skills_list() 紧凑索引：技能名、描述、分类 极低，常驻
Level 1 skill_view(name) 完整 SKILL.md 正文 任务匹配时才付
Level 2 skill_view(name, file_path) 技能内部特定 reference/template/script 深钻时才付

运维含义：Agent 不会把全部技能内容拖进每个会话，只在任务值得时才付出更深层级的上下文成本——技能是分层知识系统，不是常驻巨型 prompt。

本机实证：Hermes 工具池实存 skills_list 与 skill_view(name, file_path) 全套工具，行为与上表一致；本文开头读取格式规范时正是走 skill_view 路径，末尾引用模板走 file_path 参数——三级披露在真实会话里就是这么工作的。

四、技能存放：真实文件，不是隐藏魔法

技能真源目录：~/.hermes/skills/（Windows 本地化为 %LOCALAPPDATA%\hermes\skills\），存放四类来源：安装时内置、Hub 安装、Agent 自建、Agent 更新的技能。

典型结构：

skills/<category>/<skill-name>/SKILL.md
                          ├── references/   # 深度参考文档
                          ├── templates/    # 模板
                          ├── scripts/      # 脚本
                          └── assets/       # 资产

Hermes 也能扫描外部技能目录，但自己创建或修改技能时一律写回本地技能目录——程序性知识的工作副本始终由 Hermes 自持。

五、什么才算好技能：可复用的操作模式

技能 = Markdown 正文 + YAML frontmatter + 结构化指令。一份强技能包含：用途、何时使用、精确流程、命令示例、坑位、验证步骤。

反例 vs 正例：

  • ❌ "擅长 GitHub PR"——只是贴了个主题标签；
  • ✅ "何时启用此流程 → 先检查什么 → 跑哪些命令 → 核对哪些失败模式 → 收尾前如何验证结果"——捕获了可复用的操作模式。

技能的价值门槛：捕获到能精确复用的程度，而非仅仅描述。

六、三种使用方式

  1. 会话内斜杠命令：/plan 规划一个迁移方案、/github-pr-workflow 为重构建 PR；
  2. CLI 管理：hermes skills list / search docker / install official/research/arxiv / inspect openai/skills/k8s，官网 Skills Hub 可浏览全网技能目录；
  3. 自然对话自动加载：任务匹配时 Hermes 自行决定调取相关技能——这是最重要的一条：技能不只是手动快捷方式，更是 Agent 在真实工作中智能化运作的机制。

七、运维上的五大优势

  1. 一致性：已验证的工作流可复现，而非每次重新发明；
  2. 更低 Token 浪费：完整指令在需要前不占上下文；
  3. 专业化：携带大量能力而不拖重日常对话；
  4. 可迭代：工作流升级时更新技能文件即可，不赌模型记得新版本；
  5. 复利：方法一旦固化为技能，未来所有会话立即受益。

这是 Hermes 表现得像 Agent 运行时而非聊天壳的最清晰处之一。

八、三分法判定规则

要存的东西 去处
应该记住的事实 memory（MEMORY.md / 记忆库）
回顾过往对话 sessions / session_search
复用一套方法 skill

技能也回答了"Hermes 如何越用越强"这个问题：复杂任务、棘手 bug、非显然的工作流之后，Agent 通过技能管理流程把学到的方法固化成技能。很多系统谈"学习"实际是囤上下文，Hermes 的模型更干净——事实进记忆、历史留会话、方法成技能。

九、本机治理对照

十、参考与原始链接

十一、事实核查记录

  • ✅ 三级渐进式披露 skills_list() / skill_view(name) / skill_view(name, file_path)：本机工具池实存全套，行为一致（本文写作过程即实证）
  • ✅ 技能目录 skills/<category>/<skill-name>/SKILL.md 结构与 references/ 等四类子目录：本机 %LOCALAPPDATA%\hermes\skills\ 实查一致（含 zcode-custom 等类别目录、多技能含 references/）
  • ✅ Windows 路径本地化 ~/.hermes → %LOCALAPPDATA%\hermes：本机实查
  • ✅ 三分法（事实→memory/历史→sessions/方法→skills）：与本站共享记忆库治理实践一致
  • ⚠️ hermes skills install official/research/arxiv 等 CLI 语法为原文转述，本机技能管理走 skill_manage/skill_view 流程，未复验 CLI 参数
  • ⚠️ 斜杠调用示例（/plan、/github-pr-workflow、/excalidraw）为原文示例，未逐个验证
  • ⚠️ "官网 Skills Hub 可浏览全网技能目录"与本站看门雷达记录（9 万+ 全网索引）一致，数量随时间变动