Hermes Agent与Mining集成需五步：一、注册数据源至sources.yaml并热重载；二、定义semantic_linking.yaml语义规则；三、启用infer-schema自动推断并注册；四、绑定Mining会话至当前上下文；五、通过MQL验证跨源关联执行链。
☞☞☞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☜☜☜
如果您在使用 Hermes Agent 进行数据处理时，发现 Mining 模块无法正确识别或关联外部数据源，则可能是由于数据格式不匹配、路径未注册或语义规则未激活所致。以下是实现 Hermes Agent 与 Mining 集成并建立有效数据关联规则的具体操作步骤：
一、配置 Mining 数据源注册表
该步骤确保 Hermes Agent 在启动时能主动加载 Mining 所需的结构化数据源元信息，并为后续关联推理提供基础索引。注册表内容需包含数据标识符、访问协议、字段映射模板及更新策略。
1、进入 Hermes Agent 根目录下的 config/mining/sources.yaml 文件。
2、在 sources 节点下新增一个数据源条目，指定 id（唯一字符串）、protocol（如 file://、http://、postgres://）、schema_path（指向 schema.json 的绝对路径）。
3、保存文件后，在终端执行 hermes mining reload-sources 命令触发热重载。
二、定义字段级语义关联规则
此方法通过显式声明字段间的语义等价性或派生关系，使 Mining 模块可在多源联合查询中自动对齐列名、单位、时间粒度等异构属性，避免硬编码映射。
1、在项目根目录创建 rules/semantic_linking.yaml。
2、在文件中按如下格式编写规则：source_field: "sales.amount_usd"、target_field: "revenue.total"、relation: "equivalent"、confidence: 0.95。
3、运行命令 hermes mining apply-rules --file rules/semantic_linking.yaml 加载规则集。
三、启用 Mining 自动 Schema 推断模式
该模式允许 Hermes Agent 在首次访问未知数据源时，基于采样数据自动推导字段类型、主键候选、空值率及潜在外键线索，并生成可编辑的初始关联建议文件。
1、执行 hermes mining infer-schema --source-id my_csv_db --sample-size 5000。
2、命令将输出 .mining/inferred/my_csv_db.schema.yaml，其中包含 foreign_key_hints 和 join_suggestions 区块。
3、手动编辑该文件，确认或修正建议的关联字段对，然后运行 hermes mining register-inferred --file .mining/inferred/my_csv_db.schema.yaml。
四、绑定 Mining 会话与 Hermes 执行上下文
此操作确保 Mining 查询结果能被当前 Hermes Agent 会话中的其他技能（如 report-gen、alert-trigger）直接引用，形成端到端数据流闭环，而非孤立执行。
1、在交互式 CLI 中输入 /mining bind-session --to-current。
2、系统返回绑定 ID，例如 ctx-7a2f9e4b，该 ID 将注入当前会话的 state.context_id 字段。
3、后续调用任何支持 context-aware 的技能时，只需在参数中指定 --context ctx-7a2f9e4b 即可复用 Mining 已加载的数据视图。
五、验证跨源关联执行链
本步骤通过构造一个含多个数据源引用的 Mining 查询，验证前述所有规则是否协同生效，包括字段对齐、自动 JOIN 推荐与上下文透传能力。
1、准备测试查询文件 tests/join_validation.mql，内容包含至少两个 FROM 子句，分别引用已注册的两个 source-id。
2、执行 hermes mining exec --query-file tests/join_validation.mql --dry-run 查看解析后的逻辑计划。
3、若输出中出现 AutoJoinedOn: ["user_id"] 或 ResolvedFields: ["sales.amount", "users.name"]，则表明关联规则已成功激活。
