Hermes Agent通过运行时机制将复杂任务经验沉淀为可复用技能，无需修改模型权重；触发条件包括高频工具调用、容错修复、语义重复及用户显式反馈；技能经结构化抽象后存为含SKILL.md、references/、scripts/和config.json的文件夹，并支持自动优化与版本追溯。
☞☞☞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☜☜☜
让Hermes Agent在完成复杂任务后自动把经验变成可复用能力，避免每次重复造轮子，核心依赖一套不修改模型权重、只沉淀工作流的运行时机制。
技能沉淀触发条件
系统不会等你手动喊“记下来”，而是实时监控执行轨迹，在满足任一条件时立即启动沉淀流程：
方法一：单次任务中工具调用≥5次且最终成功 → 自动判定为高价值流程；
方法二：从报错状态中通过至少2轮修复动作恢复执行并达成目标 → 说明该路径已验证过容错性；
方法三：同一类操作模式在不同会话中语义相似度比对达3次以上 → 系统识别出用户高频需求；
方法四：收到用户显式正向反馈，如输入“这个流程很好，记下来”或对某步输出标注✅ → 【该信号优先级最高，会跳过所有阈值校验直接生成】。
技能内容结构化抽象过程
不是简单录屏式日志保存，而是做语义升维，剥离具体值，封装可变要素：
第一步：将硬编码路径（如/data/sales_q1.csv）替换为参数占位符input_file: CSV格式数据文件路径；
第二步：把固定数值（如“Top 5城市”中的5）抽象为top_n: 正整数，指定返回条目数量；
第三步：对外部依赖项（如Vercel项目ID、API密钥位置）标注env_dependency: 需预先配置VERCEL_PROJECT_ID与VERCEL_TOKEN；
第四步：把调试中曾触发的典型错误（如pandas DtypeWarning、缺失列报错）整理进“已知陷阱”区块，并附带绕过方案——这一步不做，下次遇到同样问题仍要重走一遍弯路。
技能文件落地与存储规范
Skill本质是一个结构化文件夹，必须包含四个核心组件：
SKILL.md：主文件，含技能定义、触发条件、执行流程；
references/：存放模板文件与示例集，用于上下文注入；
scripts/：含generator.py（生成器）、validator.py（验证器）和工具函数；
config.json：记录参数约束、元数据及版本标识——【若config.json缺失或schema不符，skill_manage工具将拒绝加载该技能】。
技能自动优化闭环
技能不是写完就封存的静态文档。当Agent在后续使用中发现更优解（例如用pandas.read_csv(dtype=...)替代逐列类型转换），会自动打补丁更新SKILL.md与scripts/下的对应逻辑；
所有更新均保留git-style commit message，记录优化原因（如“修复日期列解析歧义”）；
旧版本技能仍保留在.git/history/下，供人工回溯比对。
