Hermes Agent

🔁 让 AI 学会从经验中成长

基于本地文件的持续学习型代理框架,通过非破坏性注入实现跨会话行为累积与自我优化

收藏
6.5k
安装
2.4k
版本
1.0.0
CLS 安全性认证2026-05-05
点击查看完整报告 >

使用说明

核心功能

Hermes Agent 是一套为 OpenClaw 设计的学习循环代理框架,核心目标是将离散对话转化为可累积、自我修正、主动维护的持久化行为模式。它不依赖外部服务,完全基于本地文件系统运作。

核心用法

| 阶段 | 操作 | 触发条件 |
|------|------|---------|
| 初始化 | 执行 `setup.md` 创建 `~/hermes-agent/` 目录结构 | 首次使用或目录缺失 |
| 执行前 | 读取 `memory.md` 获取当前规则和活跃信号 | 任何多步骤、易失败或重复工作流 |
| 执行中 | 非破坏性扩展 `AGENTS.md`/`SOUL.md`/`HEARTBEAT.md` | 需要注入路由规则、语气约束或定期维护逻辑 |
| 执行后 | 写入 `reflections.md`,必要时更新 `memory.md` | 有意义的工作完成后 |
| 模式固化 | 同一模式成功三次后录入 `promotions.md` | 可复用的工作流出现 |
| 归档清理 | 过时规则移至 `archive/` | 记忆膨胀或规则冲突时 |

显著优点

  • 零外部依赖:无网络请求,数据完全本地,隐私风险极低
  • 非破坏性设计:采用"种子块"追加模式,保护用户既有自定义上下文
  • 分层记忆架构:HOT(memory.md)与 COLD(archive/)分离,保持检索效率
  • 行为复利效应:反思→记忆→规则→技能的正向循环,使代理表现随使用次数提升
  • 晋升机制明确:三次成功即触发晋升评估,避免过早技能化带来的复杂度

潜在局限

  • 冷启动问题:初期无记忆积累时,与普通 OpenClaw 体验差异不大
  • 文件污染风险:若用户违反"最小读取"原则,可能加载过多 Hermes 文件拖慢响应
  • 晋升判断主观:"三次成功"阈值固定,对高频低价值模式可能过度响应
  • 跨设备断层:记忆绑定 ~/hermes-agent/,多机使用需手动同步
  • 无冲突解决机制:同名种子块多次注入后的精细化合并依赖用户手动干预

适合人群

  • 高频使用 OpenClaw 且希望减少重复说明成本的高级用户
  • 需要维护复杂项目上下文(多文件、多步骤工作流)的开发者
  • 对数据主权敏感、拒绝云端记忆方案的技术用户
  • 愿意投入初期配置成本换取长期效率收益的长期主义者

常规风险

  • 过度反思陷阱:若每次微小交互都写入反思,记忆将噪声化,检索质量骤降
  • 全局规则污染:将一次性修复提升为全局规则,导致后续会话继承错误行为
  • 技能早产:工作流未充分验证即推荐技能化,引入不必要的架构复杂度
  • 边界侵犯:误将凭证、健康数据等写入本地记忆文件

安全解读

核心用法

Hermes Agent 是一套纯文档型的元技能框架,旨在将 OpenClaw 从单次对话工具转变为具备"记忆-反思-进化"能力的持久化 Agent。其核心机制包括:

1. 工作区种子植入:通过非破坏性扩展 AGENTS.md、SOUL.md 或 HEARTBEAT.md,为 OpenClaw 注入路由规则、语气偏好和周期性维护指令,而非覆盖用户现有配置
2. 三层记忆架构

3. 智能检索策略:非琐碎任务前自动读取记忆,但避免"全栈预加载"造成性能损耗
4. 模式晋升机制:重复三次成功的 workaround 可升级为工作区规则或独立 Skill

  • memory.md(热数据):当前生效的规则、活跃信号和稳定教训
  • reflections.md(反思记录):任务后的意图-结果-摩擦分析
  • promotions.md(候选池):三次验证成功的可复用模式

显著优点

  • 零网络依赖:纯本地文件操作,无 API 调用,隐私风险极低
  • 渐进式增强:非破坏性植入策略保护用户既有上下文,避免"智能破坏"
  • 自我复合效应:执行质量随会话累积提升,而非每次归零
  • 边界清晰:明确禁止存储凭证、健康数据等敏感信息,合规性好

潜在局限

  • T3 来源风险:维护者为个人开发者 ivangdavila,长期维护可持续性存疑
  • 无自动执行:纯 Markdown 框架,依赖用户/Agent 主动调用,"智能感"可能低于预期
  • 记忆膨胀风险:若用户不执行归档,reflections.md 可能累积噪音
  • 晋升阈值僵化:"三次成功即晋升"规则可能将一次性修复误判为全局规则
  • 生态依赖:与 OpenClaw 工作区深度耦合,迁移至其他平台需重构

适合人群

  • 高频使用 OpenClaw 且希望减少重复指令输入的深度用户
  • 需要跨项目保持一致的编码风格、审查标准或沟通语气的团队
  • 愿意投入初期配置时间换取长期效率收益的效率优化者
  • 对数据本地存储有强偏好的隐私敏感用户

常规风险

1. 配置漂移:用户手动修改 OpenClaw 核心文件后,Hermes 的种子块可能产生冲突
2. 过度泛化:将特定场景的修复提升为全局规则,导致未来会话继承错误行为

3. 维护者断更:T3 来源若无社区接盘,Skill 可能停滞在 v1.0.0

4. 误删风险~/hermes-agent/ 无内置备份机制,用户误操作可致记忆丢失

5. 期望落差:若理解为"自动进化的 AI Agent"而非"规则管理框架",易产生体验落差

Hermes Agent 内容

手动下载zip · 8.4 kB
loop.mdtext/markdown
请选择文件