必须正确配置Hermes Agent技能系统以实现能力沉淀与持续优化：一、启用auto_generate:true并设trigger_threshold为5；二、手动注册继承BaseSkill的类并加入ENABLED_SKILLS；三、配置max_versions_per_skill:3及auto_deprecate_on_stale:true；四、绑定user_profile并在execute中调用load_user_context与record_feedback_impact；五、在技能目录建resources/子目录并用register_resources加载资产。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望 Hermes Agent 在完成任务后能自主沉淀能力、复用经验并持续优化执行逻辑，则必须正确配置其技能系统。以下是实现该目标的多种具体配置路径：
一、启用自动技能生成机制
该机制使 Agent 在满足预设条件（如单次任务调用工具超过5次、成功从错误中恢复、完成结构化工作流）时，自动触发 skill_manage 工具生成标准化技能文档。此过程无需人工干预，是构建自进化能力的基础。
1、打开项目根目录下的 cli-config.yaml 文件。
2、定位到 skills 配置节，确认 auto_generate: true 已启用。
3、检查 trigger_threshold 参数值是否为 5（默认值），该值控制工具调用次数触发门槛。
4、保存文件并重启 Hermes Agent 服务以加载新配置。
二、手动注册自定义技能模块
当需要引入特定业务逻辑或私有工具链时，可通过手动注册方式将技能纳入系统管理范围。所有注册技能均支持跨会话调用与后续自动迭代。
1、在项目 skills/ 目录下新建 Python 文件，例如 data_cleaning.py。
2、在文件中定义继承自 BaseSkill 的类，并实现 execute() 方法。
3、在 skills/registry.py 中将新技能添加至 ENABLED_SKILLS 列表，格式为 "custom.data_cleaning"。
4、运行 hermes --validate-skills 命令验证注册完整性。
三、配置技能生命周期策略
通过 YAML 配置可控制技能的存储位置、版本保留数量及失效检测频率，确保技能知识包始终处于高质量可用状态。
1、编辑 environments/default.yaml 文件中的 skills_lifecycle 区块。
2、设置 max_versions_per_skill: 3 以限制单个技能最多保留三个历史版本。
3、启用 auto_deprecate_on_stale: true 并指定 stale_days: 30，使超期未调用技能自动标记为陈旧。
4、配置 validation_interval_minutes: 1440 实现每日一次技能有效性扫描。
四、绑定技能与用户画像动态适配
该配置使技能调用行为随用户反馈持续校准，例如根据用户多次要求“缩短回答”自动降低某类摘要技能的输出长度参数。
1、确认 user_profile 模块已在 cli-config.yaml 中启用。
2、在 skills/ 对应技能文件内，于 execute() 方法开头插入 self.load_user_context() 调用。
3、使用 self.user_prefs.get("response_length", "medium") 获取当前用户偏好并传入执行逻辑。
4、在技能返回前调用 self.record_feedback_impact() 记录本次适配效果。
五、启用技能资源包嵌入功能
允许为每个技能附加辅助资产（如模板文件、校验脚本、示例输入），形成完整可移植的知识单元，提升跨环境复用可靠性。
1、在技能对应目录下创建 resources/ 子目录。
2、将所需资产（如 template.md、validator.sh）放入该目录。
3、在技能类的 __init__() 方法中调用 self.register_resources("resources/")。
4、通过 self.get_resource_path("template.md") 在执行中动态加载指定资源。
