什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

Hermes技能系统解析:基于渐进披露与程序性记忆的动态管理机制

传统AI代理在处理任务时,常将所有工具说明文档一次性注入上下文窗口,导致Token消耗巨大且信息利用率低。Hermes系统重构了技能管理逻辑,通过三层渐进式披露实现知识按需加载,并结合条件激活、程序性记忆及供应链安全机制,构建了一套高效、动态的技能管理体系。
01三层渐进式披露机制
Hermes采用渐进式披露策略,根据代理对技能的认知深度,分层加载信息,从而将知识粒度控制在每一层,避免无效的Token占用。该机制将加载过程划分为三个层级:
层级操作指令加载内容Token开销
Level 0skills_list()技能名称、描述、分类~3k tokens
Level 1skill_view(name)完整Skill.md内容及元数据动态变化
Level 2skill_view(name, path)特定参考文件内容动态变化

Hermes技能加载层级对比

在初始阶段,代理仅需获取技能列表(Level 0),消耗约3k Token即可掌握概貌。只有在确定需要使用特定技能时,才会深入加载完整内容(Level 1)或特定参考文件(Level 2)。这种“不知道不加载,知道才往深走”的逻辑,显著提升了上下文窗口的使用效率。
02技能定义与条件激活
每个技能的核心由一个SKILL.md文件定义,采用FrontMatter元数据与结构化正文相结合的格式。元数据包含名称、版本、平台限制及触发条件,正文则涵盖使用场景、执行步骤、已知陷阱及验证方法。
  • 条件激活机制:通过`fallback_for_toolsets`和`requires_toolsets`规则,技能可根据运行环境自动显隐。例如,当主搜索工具不可用时,DuckDuckGo搜索技能会自动作为回退选项出现;反之则隐藏。
  • 单一真相来源:所有技能统一存储在`~/.hermes/skills/`目录中。外部技能目录(如共享团队技能)仅作扫描和扩展,最终均集成到本地的斜杠命令和技能列表中,确保管理的统一性。
03程序性记忆:代理的自我进化
Hermes不仅支持技能调用,还赋予代理创建和管理技能的能力,形成“程序性记忆”。通过`Skill_Manage`工具,代理可以在特定触发条件下对技能进行操作,将经验固化为可复用的资产。

Skill_Manage 操作策略

触发时机

积累经验的特定场景

  • 成功完成复杂任务(涉及5+工具调用)
  • 发现错误路径或死胡同并找到修正方案
  • 用户纠正代理方法或发现非平凡工作流
核心操作

技能的创建与维护方式

  • Patch(首选):仅传输变化的文本,最省Token
  • Edit:进行重大结构重写
  • Delete/Write:移除技能或从头创建
  • Remove File:添加或移除支持文件
04供应链安全与技能分发
Hermes建立了完善的技能中心(Skill Hub),支持从官方、Skills.sh目录、.well-known端点、GitHub仓库及社区市场五种来源浏览和安装技能。所有来自Hub的技能均需经过严格的安全扫描,以防止数据泄露、提示注入及破坏性命令。
  1. Builtin:Hermes内置技能,始终信任。
  2. Official:官方注册表技能,受信任。
  3. Trusted:如OpenAI/skills等可信源,策略宽松。
  4. Community:社区来源,策略最严格。Dangerous级别将被永久阻止,Caution/Warning级别需强制覆盖方可安装。
综上所述,Hermes技能系统通过渐进式披露解决了Token效率问题,利用条件激活实现了环境适应性,通过程序性记忆赋予了代理自我进化的能力,并凭借多级供应链安全机制保障了系统的稳定性。这种从“硬塞”到“按需”、从“静态”到“动态”的转变,确立了现代技能系统的设计标准。

评论

评论区空态插画

当前文章无评论,是时候发表评论了