橙皮书共读Hermes Agent二深度拆解五大核心支柱自进化智能体的运行内核前言上一篇我们从Harness Engineering五层模型出发厘清了自进化智能体的理论基石也明确了Hermes五大支柱与Harness五层的对应关系。很多初学者的疑问是记忆、技能、规则这些功能普通Agent似乎也能实现为什么Hermes能被定义为“自进化智能体”答案在于普通Agent的这些能力是零散的、外挂的、完全依赖人工配置的而Hermes将五大支柱原生内置、深度联动形成了“执行-反馈-沉淀-复用”的完整闭环——每一次任务执行都会反向优化系统本身的能力。本篇我们深入五大支柱的内部架构与运行机制配合真实配置样例与最小Demo拆解自进化智能体的核心运转逻辑帮你建立对Hermes系统的完整认知。版权说明本文为《Hermes Agent从入门到精通》橙皮书作者花叔学习解读文章遵循CC BY-NC-SA 4.0协议核心理论参考原著机制解析与场景示例为工程实践补充。一、Memory分层持久记忆系统 —— 自进化的信息底座普通大模型Agent的记忆仅存在于当前上下文窗口会话关闭则一切清零既记不住用户的历史偏好也留不住过往的执行经验每次启动都相当于“从零开始”。这是长周期任务、个性化场景下最大的体验短板。Hermes的Memory系统采用三级分层架构不同生命周期、不同类型的信息存储在不同层级兼顾响应效率、Token成本与信息持久化是整个自进化体系的信息底座。1. 三层记忆架构第一层会话记忆短期记忆存储当前会话的实时交互内容、中间执行结果、临时任务状态生命周期随会话结束而终止。核心作用保障单次任务的上下文连贯性是模型推理与工具调用的直接信息来源运行特点读取速度最快但容量受上下文窗口限制系统会自动压缩冗余信息避免Token溢出。第二层持久事实记忆长期记忆对应系统中的MEMORY.md文件存储跨会话永久留存的事实性信息、历史任务结论、验证过的知识条目与踩坑记录。 真实样例MEMORY.md 片段# 持久记忆库 ## 项目相关 - AIQC项目使用Python LangGraph技术栈代码仓库位于GitLab云龙架构 - 质检规则包含格式校验、字段完整性、业务逻辑校验三级 - 2026-07-28发现CSV空列会导致质检脚本异常已补充判空逻辑 ## 踩坑记录 - ghproxy.net 镜像节点已失效克隆GitHub仓库使用 mirror.ghproxy.com - Windows PowerShell执行git命令注意路径不要包含中文空格 - MCP服务默认端口8000与本地后端服务冲突时需修改配置 ## 工具与环境 - 本地开发环境Python 3.11、Node 20、Git Bash - 主力大模型DeepSeek-V3API接口兼容OpenAI规范写入机制每次任务结束后Agent会自动复盘将具备长期留存价值的信息提炼、去重后写入文件检索机制新任务启动时会根据当前任务关键词做语义检索将相关信息注入上下文实现跨会话经验复用核心价值让Agent真正拥有“长期记忆”不会重复犯相同错误也不需要用户反复交代背景信息。这一步实际就是harmes之所以能够越用越聪明的核心之一。第三层用户画像记忆专属记忆对应系统中的USER.md文件专门存储用户的个人偏好、行为习惯、常用配置、禁忌规则等专属信息。 真实样例USER.md 片段# 用户画像 ## 输出偏好 - 技术回答优先结构化分点关键信息加粗 - 代码示例必须可直接运行附带注释说明 - 拒绝空泛理论优先给出可落地的操作方案 - 博客文风偏向实战干货避免过度营销话术 ## 工作习惯 - 主要使用PowerShell进行命令行操作 - 代码规范遵循阿里巴巴Java开发手册 - 每天上午9点同步当日工作进度 ## 禁忌事项 - 不要输出过度乐观的确定性结论 - 不要推荐未经核实的第三方付费资源核心作用让Agent持续适配用户使用习惯一次记住永久生效不需要每次重复说明需求细节。2. 记忆系统的核心设计原则写入克制原则并非所有信息都写入长期记忆仅沉淀经过验证、具备复用价值的内容避免记忆冗余和噪声堆积自动去重更新新信息写入前比对已有内容同类信息直接更新旧条目而非重复追加分级检索机制根据任务复杂度决定调用哪几层记忆短平快任务仅调用会话记忆复杂长任务才加载全量长期记忆平衡效果与Token成本。二、Skills自进化技能库 —— 工作流的自动沉淀与复用如果说Memory沉淀的是“信息与知识”Skills沉淀的就是“能力与工作流”。这是Hermes区别于普通编排Agent最直观的模块普通Agent每遇到同类任务都需要人类重新拆解步骤、编写Prompt而Hermes成功执行一次就能自动沉淀为可复用的标准化Skill下次同类任务直接调用。1. 什么是SkillSkill是标准化的工作流文档全部以明文Markdown文件存储可读、可编辑、可导入导出。一份完整的Skill包含触发条件、输入输出规范、执行步骤、边界说明、版本记录等字段。 真实样例gitbug-debug.skill.md简化版# SkillGit Bug排查与修复 ## 触发条件 用户提出Git操作报错、提交冲突、分支异常等问题时自动触发 ## 输入 - 报错信息原文 - 当前所在分支 - 最近一次操作记录 ## 执行步骤 1. 先复现错误提取完整报错日志 2. 检索持久记忆中的踩坑记录确认是否为已知问题 3. 定位根因区分配置问题、权限问题、冲突问题、网络问题 4. 给出修复命令逐条执行验证 5. 修复成功后将新问题写入MEMORY.md踩坑记录 ## 输出规范 - 先说明根因再给出分步修复命令 - 每条命令附带简短说明 - 风险操作必须提前标注注意事项 ## 边界 - 不涉及仓库权限修改、强制推送等高危操作 - 涉及代码冲突时仅提供解决思路不直接修改业务代码2. Skill的全生命周期运行链路自动生成Agent完成一个全新类型的任务并验证成功后自动触发复盘流程将完整执行步骤提炼、标准化生成对应Skill文件存入技能库自动匹配新任务进入时Agent先检索技能库匹配是否有同类历史技能命中则直接加载执行流程无需从零规划迭代优化每次调用Skill执行任务后根据执行结果更新优化Skill内容补充边界条件、优化步骤细节让技能越用越完善。3. 最小Demo用Python实现极简技能检索逻辑你可以用十几行代码直观理解Skill的匹配原理importosfromdifflibimportSequenceMatcher# 加载技能库defload_skills(skill_dir./skills):skills{}forfileinos.listdir(skill_dir):iffile.endswith(.skill.md):withopen(f{skill_dir}/{file},r,encodingutf-8)asf:skills[file.replace(.skill.md,)]f.read()returnskills# 语义匹配最佳技能defmatch_skill(user_query,skills):best_score,best_skill0,Noneforname,contentinskills.items():scoreSequenceMatcher(None,user_query,content).ratio()ifscorebest_score:best_score,best_skillscore,namereturnbest_skillifbest_score0.3elseNoneHermes内部的检索机制比这个复杂得多会结合向量检索、关键词匹配、规则判定多层融合但核心逻辑是一致的任务进来 → 匹配已有技能 → 命中则复用未命中则新建并沉淀。4. 设计价值与补充说明把“一次性的任务执行”转化为“可复用的系统能力”使用频次越高系统能力越强技能以明文形式存在可人工审核、修改具备极强的可控性避免黑盒化这套机制完全可以基于LangGraph等编排框架自行实现但需要开发者自行设计生成、检索、更新逻辑Hermes将其作为原生内置能力开箱即用。三、Soul人格与规则引擎 —— 全局行为的统一管控Soul对应Harness模型中的指令层约束层解决的是“Agent是谁、能做什么、不能做什么、输出要符合什么标准”的问题是整个系统的“规则中枢”。1. Soul的载体与核心内容Soul的配置全部以明文Markdown文件管理支持全局项目级多层级覆盖核心包括身份设定、行为准则、输出规范、项目专属规则四大类。 真实样例.hermes.md全局Soul配置简化版# Hermes 全局配置 ## 身份 你是一名资深AI工程助手专注于Agent开发、代码调试与技术方案设计。 ## 核心准则 1. 回答必须基于事实不确定的内容明确说明禁止编造 2. 涉及命令行操作、代码修改必须标注风险与回滚方案 3. 优先给出可落地的执行方案而非空泛理论 4. 禁止执行任何可能破坏系统、泄露隐私的危险操作 ## 输出规范 - 技术内容使用结构化分点呈现关键术语加粗 - 代码块标注语言类型附带必要注释 - 长文先给结论摘要再展开细节 ## 权限边界 ✅ 允许读取本地项目文件、执行只读命令、生成代码方案 ⚠️ 需确认修改配置文件、执行安装命令、调用外部API ❌ 禁止删除文件、格式化磁盘、访问非授权目录、越权操作对应文件包括全局.hermes.md、项目级AGENTS.md等项目级规则会覆盖全局规则实现场景化适配。2. 运行机制每次会话启动、任务执行前系统自动加载对应层级的Soul配置注入系统提示词全程约束模型输出支持多环境无缝切换不同项目、不同场景加载不同的Soul配置无需修改代码约束前置校验所有工具调用、输出内容都会先经过Soul规则校验避免越权操作、违规输出。3. 对比传统Prompt模式的优势普通Agent的角色设定、规则约束往往散落在代码的各个Prompt模板里修改麻烦、难以统一管理多人协作时极易出现规则不一致的问题。Soul引擎将所有规则集中化、文件化管理统一加载、统一生效规则调整不需要改动业务代码可维护性大幅提升。四、Crons主动调度与多端网关 —— 从被动响应到主动执行传统Agent的运行模式是“人类发指令 → Agent执行”本质是被动工具而Crons模块让Agent具备了主动执行能力对应Harness模型的编排层调度能力。1. 两大核心能力1定时任务调度支持标准Cron表达式配置周期性任务到点自动触发执行无需人工发起指令。 真实样例crons.yaml 配置片段tasks:# 每天早上9点生成昨日工作日报-name:daily-reportcron:0 9 * * *skill:work-report-generatortarget:telegramparams:time_range:yesterday# 每周一凌晨2点执行AIQC周度质检-name:weekly-aiqc-checkcron:0 2 * * 1skill:aiqc-quality-inspectiontarget:feishu-groupparams:dataset:weekly_batch典型场景每日定时生成工作日报、项目进度同步定时执行系统巡检、数据备份每周自动生成周报、月度数据统计闭环联动任务执行结果自动写入持久记忆同时沉淀对应技能形成“定时执行→持续优化”的正向循环。2多平台消息网关Crons同时作为多渠道统一接入层支持CLI命令行、Telegram、Discord、企业微信、飞书等20平台接入。用户可以在任意终端向Agent下发指令任务状态与结果也可以推送到指定渠道底层逻辑完全统一只需要切换接入配置不需要重写业务逻辑。2. 设计意义Crons让Agent的角色从“随叫随到的工具”变成了“7×24小时值守的智能助理”结合记忆与技能系统它可以自主完成大量周期性、重复性工作彻底释放人力。五、Self-improving Loop自进化闭环 —— 五大支柱的灵魂联动前面四个模块是独立的系统组件而自进化闭环是将它们串联起来的核心机制也是Hermes“自进化”的本质来源。没有这个闭环Memory、Skills、Soul、Crons只是四个孤立的功能有了这个闭环系统才具备了自主成长的能力。1. 完整闭环链路一次完整的自进化循环分为5个步骤任务触发通过人工指令或Crons定时触发任务系统加载对应Soul规则检索相关记忆与技能执行落地基于已有技能与记忆完成任务执行调用对应工具与资源结果评估任务完成后自动校验结果是否符合要求、是否达成预设目标复盘沉淀任务成功提炼执行流程生成或优化对应Skill关键信息写入持久记忆任务失败记录失败原因、边界条件更新记忆中的避坑条目避免下次重蹈覆辙能力升级下一次同类任务启动时会复用本次沉淀的经验与技能表现优于上一次。2. 最小Demo自进化闭环伪代码defself_improving_loop(task):# 1. 加载上下文soulload_soul_config()memoryretrieve_memory(task)skillmatch_skill(task)# 2. 执行任务resultexecute_task(task,soul,memory,skill)# 3. 评估结果is_successevaluate_result(result,task.goal)# 4. 复盘沉淀核心反向优化系统本身ifis_success:ifskillisNone:generate_new_skill(task,result)# 生成新技能else:optimize_existing_skill(skill,result)# 优化旧技能update_memory(task,result,successTrue)else:update_memory(task,result,successFalse)# 记录踩坑returnresult3. 关键认知澄清很多人会误解“自进化”是模型自己微调训练自己这是完全错误的。Hermes的自进化是外围Harness系统的进化而非模型本身的参数训练。它不修改大模型的参数不做微调训练所有的进化都发生在记忆、技能、规则这些外围系统层面。这种模式的优势是成本极低不需要额外训练算力完全可控所有进化内容都是明文可查的不会出现不可预知的能力漂移落地门槛低基于任意大模型都可以搭建这套机制。六、五大支柱协同运作一个完整场景示例我们以AI自动化质检AIOQC场景为例看五大支柱如何配合完成一次自进化循环Crons触发每周一凌晨2点定时任务触发自动拉取本周的待质检样本Soul加载加载质检项目的专属规则包括质检标准、输出格式、数据权限边界MemorySkills检索自动匹配“AI质检”历史Skill加载过往沉淀的质检流程、易错点记录执行任务按照技能流程完成全量样本质检生成结构化质检报告闭环沉淀本次质检的新规则、新坑点写入持久记忆同时优化质检Skill的步骤补充本次新增的校验逻辑结果推送Crons将质检报告推送到企业微信对应群组。每执行一次质检的准确率、效率就会提升一次这就是自进化智能体的核心价值。小结与下篇预告五大支柱中Memory是信息底座Skills是能力载体Soul是规则边界Crons是执行入口自进化闭环是串联所有模块的核心机制。它们共同构成了一套完整的、可以持续成长的智能体系统也是Harness Engineering思想的最佳落地实践。理解了核心架构之后下一篇我们进入实战环节手把手带你从零开始本地部署Hermes Agent完成环境安装、模型接入、基础配置与CLI调试所有脚本可直接复制运行。