Hermes Agent训练数据来源明确：一、Nous Research自有指令微调数据集，含教科书片段、LLM增强对话及127类结构化指令；二、运行时本地采集的用户交互轨迹；三、合规接入的开放协议数据源；四、完全公开的四大评估基准。
☞☞☞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☜☜☜
如果您在查阅Hermes Agent技术文档或尝试复现其行为时，发现模型训练数据来源不明确，则可能是由于官方未公开完整训练语料清单。以下是已知的、经项目仓库与社区验证的数据来源与构成方式：
一、核心训练数据源自Nous Research自有高质量指令微调数据集
Hermes Agent本身不直接参与模型预训练，其依赖的底层语言模型（如Hermes-4系列）由Nous Research使用内部构建的指令微调数据集训练而成。该数据集主要由三类人工审核与合成数据构成：高质量开源教科书片段、经LLM增强的多轮推理对话样本、以及覆盖127个垂直任务类型的结构化指令-响应对。
1、指令样本均通过多阶段过滤：去除低信息密度、逻辑断裂及事实性错误条目。
2、每条指令响应均经过至少两名领域专家交叉校验，标注“可执行性”“完整性”“无幻觉”三项指标。
3、所有数据保留原始出处元信息，存储于data/curated_instructions/子目录下，可通过hermes dataset list --source nous命令查看摘要。
二、Agent运行时动态增强数据来自用户交互日志与技能沉淀
Hermes Agent的“学习闭环”机制使其在部署后持续生成新型训练信号：每次成功完成任务后，系统自动将输入指令、执行路径、工具调用序列、最终输出及用户反馈（显式评分或隐式修正）打包为一条结构化轨迹样本，存入本地~/.hermes/skills/与memories/目录。
1、轨迹样本以YAML+Markdown混合格式保存，含task_id、timestamp、tool_calls、user_feedback_score等字段。
2、当启用hermes train --mode online时，系统从最近72小时内的高分轨迹中采样，注入微调流水线。
3、所有用户生成数据默认仅本地存储、不上传至任何远程服务器，符合MIT许可证对数据主权的要求。
三、工具链集成数据来自开放协议与授权API服务
Hermes Agent不自带原始训练语料库，但其tools/模块在运行过程中可合法接入外部结构化数据源，这些数据经标准化封装后成为Agent推理上下文的一部分。典型来源包括Wikipedia API（CC BY-SA 3.0）、ArXiv Metadata（OAI-PMH）、NASA Earthdata（public domain）、以及OpenStreetMap Planet Dump（ODbL许可）。
1、每个工具模块均附带LICENSE.md文件，明确声明所用第三方数据的授权条款与归因要求。
2、数据请求均通过tools/web_tools.py中的合规代理层发出，强制携带User-Agent: Hermes-Agent/v0.8.0及Accept: application/json头。
3、所有返回内容在进入LLM上下文前，均经去标识化清洗与长度截断（max_tokens=512）处理，防止原始敏感字段泄露。
四、基准评估数据集完全公开且可复现
Hermes Agent的性能验证基于四个独立发布的基准套件，全部托管于Hugging Face Datasets Hub并提供SHA256校验哈希。这些数据集不参与训练，仅用于评估Agent在真实任务流中的泛化能力。
1、hermes-bench-v2：包含1,842条跨平台自动化任务指令，覆盖CLI操作、网页交互、文件解析三类场景。
2、toolcall-eval-2026：专为工具调用设计的297组多步函数链测试用例，每组含预期调用序列与容错边界定义。
3、memory-recall-test：检验跨会话记忆一致性的50组用户偏好回溯题，如“上次我说过偏好表格而非段落输出”。
4、skill-transfer-bench：评估技能复用能力的36组迁移任务，例如在学会“解析PDF表格”后，能否自主适配“提取Excel图表标题”。
