如果你熟悉OpenClaw（龙虾），那么上手Hermes Agent会倍感亲切。它在设计理念和架构上有很多相似之处，但在细节与生态上更为强大。其中，技能系统 (Skills System) 无疑是其核心亮点之一，它让Agent具备了自我进化与知识沉淀的能力。
目录结构
完成首次安装后，Hermes Agent的主目录结构如下：
~/.hermes/
├── .env
├── config.yaml
├── SOUL.md
├── hermes-agent/
├── skills/
├── memories/
├── sessions/
├── logs/
└── ...其他运行目录
安装过程会将所有源代码拉取到 /hermes-agent/ 目录中，运行环境及工作代码都在此处。其余的 /skills、/sessions/、/memories/、SOUL.md 等文件，对于OpenClaw用户来说再熟悉不过了——这本质上就是它的工作空间 (workspace)。在默认状态下，~/.hermes/ 这个根目录就是Hermes Agent的工作空间，相当于OpenClaw的 ~/.openclaw/workspace/。只有在多Agents场景下，Hermes才会额外创建一个 ~/.hermes/profiles/ 目录来作为其他Agent的工作空间。
技能系统 (Skills)
Skills是Agent在需要时可以加载的知识和行动文档。它们遵循渐进式披露模式，以最小化令牌使用量，并且兼容 agentskills.io 开放标准（Claude Code、Codex等编程Agent都使用此标准语法）。
所有技能都位于 ~/.hermes/skills/ —— 这是主目录和唯一可信源。在全新安装时，捆绑的技能会从代码仓库复制到此目录。从技能中心安装的以及Agent自己创建的技能也会放在这里。Agent可以修改或删除任何技能。
你也可以将Hermes指向外部技能目录——这些是除了本地目录外还会被扫描的额外文件夹。具体配置方法见后文。
使用技能
每个已安装的技能都会自动作为一个斜杠命令可用：
# 在 CLI 或任何消息平台中：
/gif-search funny cats
/axolotl help me fine-tune Llama 3 on my dataset
/github-pr-workflow create a PR for the auth refactor
/plan design a rollout for migrating our auth provider
# 仅输入技能名称会加载它，并让Agent询问你的需求：
/excalidraw
捆绑的 plan 技能是一个很好的例子。运行 /plan [请求] 会指示Hermes在需要时检查上下文，编写一个Markdown实施计划（而非直接执行任务），并将结果保存在相对于活动工作空间/后端工作目录的 .hermes/plans/ 下。
你也可以通过自然对话与技能交互：
hermes chat --toolsets skills -q “你有什么技能？”
hermes chat --toolsets skills -q “给我看看 axolotl 技能”
渐进式披露
技能使用一种节省令牌的加载模式：
Level 0: skills_list() → [{name, description, category}, ...] (~3k tokens)
Level 1: skill_view(name) → 完整内容 + 元数据 (可变)
Level 2: skill_view(name, path) → 特定的参考文件 (可变)
Agent只在真正需要时才加载完整的技能内容。
SKILL.md 格式
技能的核心是一个 SKILL.md 文件，遵循特定格式，这也是构建标准化技术文档的基础。
---
name: my-skill
description: 此技能功能的简要描述
version: 1.0.0
platforms: [macos, linux] # 可选——限制在特定的操作系统平台
metadata:
hermes:
tags: [python, automation]
category: devops
fallback_for_toolsets: [web] # 可选——条件激活（见下文）
requires_toolsets: [terminal] # 可选——条件激活（见下文）
---
# 技能标题
## 何时使用
此技能的触发条件。
## 步骤
1. 第一步
2. 第二步
## 常见问题
- 已知的失败模式及修复方法
## 验证
如何确认它已成功。
平台特定技能
技能可以使用 platforms 字段限制自己只在特定的操作系统上运行：
| 值 |
匹配 |
macos |
macOS (Darwin) |
linux |
Linux |
windows |
Windows |
platforms: [macos] # 仅 macOS (例如，iMessage, Apple Reminders, FindMy)
platforms: [macos, linux] # macOS 和 Linux
当设置此字段时，技能会在不兼容的平台上自动从系统提示、skills_list() 和斜杠命令中隐藏。如果省略，技能将在所有平台上加载。
条件激活（备用技能）
技能可以根据当前会话中可用的工具自动显示或隐藏自己。这对于备用技能最为有用——这些是免费或本地的替代方案，应该只在高级工具不可用时才出现。
metadata:
hermes:
fallback_for_toolsets: [web] # 仅当这些工具集不可用时显示
requires_toolsets: [terminal] # 仅当这些工具集可用时显示
fallback_for_tools: [web_search] # 仅当这些特定工具不可用时显示
requires_tools: [terminal] # 仅当这些特定工具可用时显示
| 字段 |
行为 |
fallback_for_toolsets |
当列出的工具集可用时，技能被隐藏。当它们缺失时显示。 |
fallback_for_tools |
同上，但检查的是单个工具而不是工具集。 |
requires_toolsets |
当列出的工具集不可用时，技能被隐藏。当它们存在时显示。 |
requires_tools |
同上，但检查的是单个工具。 |
示例： 内置的 duckduckgo-search 技能使用了 fallback_for_toolsets: [web]。当你设置了 FIRECRAWL_API_KEY 时，web 工具集可用，Agent会使用 web_search —— DuckDuckGo技能保持隐藏。如果API密钥缺失，web 工具集不可用，DuckDuckGo技能会自动作为备用方案出现。
没有任何条件字段的技能行为与之前完全一样——它们总是显示。
加载时的安全设置
技能可以声明所需的环境变量，而不会从发现列表中消失：
required_environment_variables:
- name: TENOR_API_KEY
prompt: Tenor API 密钥
help: 从 https://developers.google.com/tenor 获取密钥
required_for: 完整功能
当遇到缺失的值时，Hermes仅在技能实际在本地CLI中加载时才会安全地询问。你可以跳过设置并继续使用该技能。消息界面永远不会在聊天中询问密钥——它们会告诉你在本地使用 hermes setup 或编辑 ~/.hermes/.env。
一旦设置，声明的环境变量会自动传递到 execute_code 和 terminal 沙箱——技能的脚本可以直接使用 $TENOR_API_KEY。对于非技能的环境变量，请使用 terminal.env_passthrough 配置选项。
技能目录结构
~/.hermes/skills/ # 唯一可信源
├── mlops/ # 分类目录
│ ├── axolotl/
│ │ ├── SKILL.md # 主要说明（必需）
│ │ ├── references/ # 附加文档
│ │ ├── templates/ # 输出格式
│ │ ├── scripts/ # 可从技能调用的辅助脚本
│ │ └── assets/ # 补充文件
│ └── vllm/
│ └── SKILL.md
├── devops/
│ └── deploy-k8s/ # 代理创建的技能
│ ├── SKILL.md
│ └── references/
├── .hub/ # 技能中心状态
│ ├── lock.json
│ ├── quarantine/
│ └── audit.log
└── .bundled_manifest # 跟踪已植入的捆绑技能
外部技能目录
如果你在Hermes之外维护技能——例如，一个被多个AI工具共享的 ~/.agents/skills/ 目录——你可以告诉Hermes也扫描这些目录。
在 ~/.hermes/config.yaml 的 skills 部分下添加 external_dirs：
skills:
external_dirs:
- ~/.agents/skills
- /home/shared/team-skills
- ${SKILLS_REPO}/skills
路径支持 ~ 扩展和 ${VAR} 环境变量替换。
工作原理
- 只读：外部目录仅用于技能发现扫描。当Agent创建或编辑技能时，它总是写入
~/.hermes/skills/。
- 本地优先：如果同一个技能名称同时存在于本地目录和外部目录中，则本地版本优先。
- 完全集成：外部技能会出现在系统提示索引、
skills_list、skill_view 以及 /skill-name 斜杠命令中——与本地技能没有区别。
- 不存在的路径会被静默跳过：如果配置的目录不存在，Hermes会忽略它而不报错。这对于可能并非每台机器上都存在的可选共享目录很有用。
示例
~/.hermes/skills/ # 本地（主目录，读写）
├── devops/deploy-k8s/
│ └── SKILL.md
└── mlops/axolotl/
└── SKILL.md
~/.agents/skills/ # 外部（只读，共享）
├── my-custom-workflow/
│ └── SKILL.md
└── team-conventions/
└── SKILL.md
所有四个技能都会出现在你的技能索引中。如果你在本地创建一个名为 my-custom-workflow 的新技能，它会覆盖外部版本。
Agent管理的技能 (skill_manage 工具) -- Hermes最重要能力
Agent可以通过 skill_manage 工具创建、更新和删除自己的技能。这是Agent的程序性记忆——当它弄清楚一个非平凡的工作流程时，它会将该方法保存为一个技能以供将来重用。
Agent何时创建技能
- 成功完成复杂任务（5次以上工具调用）后
- 当它遇到错误或死胡同并找到可行路径时
- 当用户纠正其方法时
- 当它发现一个非平凡的工作流程时
操作
| 操作 |
用途 |
关键参数 |
create |
从头创建新技能 |
name, content (完整的SKILL.md)，可选的 category |
patch |
针对性修复（推荐） |
name, old_string, new_string |
edit |
主要结构重写 |
name, content (完整的SKILL.md替换) |
delete |
完全移除技能 |
name |
write_file |
添加/更新支持文件 |
name, file_path, file_content |
remove_file |
移除支持文件 |
name, file_path |
Tip
patch 操作是推荐的更新方式——它比 edit 更节省令牌，因为只有更改的文本会出现在工具调用中。
技能中心
你可以从官方 (official)、skills.sh、直接已知技能端点以及官方可选技能中浏览、搜索、安装和管理技能，这极大地丰富了你的开源实战工具箱。
常用命令
hermes skills browse # 浏览所有中心技能（官方优先）
hermes skills browse --source official # 仅浏览官方可选技能
hermes skills search kubernetes # 搜索所有来源
hermes skills search react --source skills-sh # 搜索 skills.sh 目录
hermes skills search https://mintlify.com/docs --source well-known
hermes skills inspect openai/skills/k8s # 安装前预览
hermes skills install openai/skills/k8s # 安装并进行安全扫描
hermes skills install official/security/1password
hermes skills install skills-sh/vercel-labs/json-render/json-render-react --force
hermes skills install well-known:https://mintlify.com/docs/.well-known/skills/mintlify
hermes skills list --source hub # 列出从中心安装的技能
hermes skills check # 检查已安装的中心技能是否有上游更新
hermes skills update # 在需要时重新安装有上游更改的中心技能
hermes skills audit # 重新扫描所有中心技能的安全性
hermes skills uninstall k8s # 移除一个中心技能
hermes skills publish skills/my-skill --to github --repo owner/repo
hermes skills snapshot export setup.json # 导出技能配置
hermes skills tap add myorg/skills-repo # 添加自定义 GitHub 源
支持的技能中心来源
| 来源 |
示例 |
说明 |
official |
official/security/1password |
随Hermes分发的可选技能。 |
skills-sh |
skills-sh/vercel-labs/agent-skills/vercel-react-best-practices |
可通过 hermes skills search <query> --source skills-sh 搜索。当skills.sh的别名与仓库文件夹不同时，Hermes会解析别名风格的技能。 |
well-known |
well-known:https://mintlify.com/docs/.well-known/skills/mintlify |
直接从网站的 /.well-known/skills/index.json 提供的技能。使用网站或文档URL进行搜索。 |
github |
openai/skills/k8s |
直接GitHub仓库/路径安装和自定义源。 |
clawhub, lobehub, claude-marketplace |
特定来源的标识符 |
社区或市场集成。 |
集成的中心和注册中心
Hermes目前集成了以下技能生态系统和发现来源：
1. 官方可选技能 (official)
这些技能在Hermes仓库内部维护，安装时自带信任度。
2. skills.sh (skills-sh)
这是Vercel的公共技能目录。Hermes可以直接搜索它，查看技能详情页面，解析别名形式的短名称，并从底层的源码仓库安装。
3. 知名技能端点 (well-known)
这是基于URL的发现方式，从发布 /.well-known/skills/index.json 的网站获取。它不是单一的中心化枢纽，而是网络发现约定。
4. 直接GitHub技能 (github)
Hermes可以直接从GitHub仓库和基于GitHub的taps安装。当你已经知道仓库/路径或者想添加自己的自定义源仓库时，这很有用。
默认taps（无需设置即可浏览）：
5. ClawHub (clawhub)
一个作为社区源集成的第三方技能市场。
- 站点：clawhub.ai
- Hermes源标识：
clawhub
6. Claude市场风格仓库 (claude-marketplace)
Hermes支持发布Claude兼容的插件/市场清单的市场仓库。
已知的集成源包括：
- anthropics/skills
- aiskillstore/marketplace
Hermes源标识：claude-marketplace
7. LobeHub (lobehub)
Hermes可以从LobeHub的公共目录中搜索并转换智能体条目为可安装的Hermes技能。
- 站点：LobeHub
- 公共智能体索引：chat-agents.lobehub.com
- 支撑仓库：lobehub/lobe-chat-agents
- Hermes源标识：
lobehub
安全扫描与 --force
所有通过中心安装的技能都会经过一个安全扫描器的检查，它会检测数据窃取、提示注入、破坏性命令、供应链信号和其他威胁。
hermes skills inspect ... 现在也会在有可用信息时展示上游元数据：
- 仓库URL
- skills.sh详情页面URL
- 安装命令
- 每周安装次数
- 上游安全审计状态
- 知名索引/端点URL
当你已经审查了一个第三方技能并想覆盖一个非危险的政策阻止时，请使用 --force：
hermes skills install skills-sh/anthropics/skills/pdf --force
重要行为：
--force 可以覆盖针对谨慎/警告类发现的政策阻止。--force 不会覆盖 dangerous 扫描裁决。- 官方可选技能 (
official/...) 被视为自带信任，不会显示第三方警告面板。
信任级别
| 级别 |
来源 |
策略 |
builtin |
Hermes自带 |
始终信任 |
official |
仓库内的 optional-skills/ |
自带信任，无第三方警告 |
trusted |
受信任的注册表/仓库，例如 openai/skills, anthropics/skills |
比社区源更宽松的策略 |
community |
其他一切 (skills.sh, 知名端点, 自定义GitHub仓库, 大多数市场) |
非危险发现可以用 --force 覆盖；dangerous 裁决保持阻止 |
更新生命周期
技能中心现在会追踪足够的来源信息，以重新检查已安装技能的在线副本：
hermes skills check # 报告哪些已安装的中心技能在上游发生了变化
hermes skills update # 仅重新安装有可用更新的技能
hermes skills update react # 更新一个特定的已安装中心技能
这使用了存储的源标识加上当前上游bundle内容哈希来检测变更。
斜杠命令（在聊天中）
所有相同的命令都可以通过 /skills 使用：
/skills browse
/skills search react --source skills-sh
/skills search https://mintlify.com/docs --source well-known
/skills inspect skills-sh/vercel-labs/json-render/json-render-react
/skills install openai/skills/skill-creator --force
/skills check
/skills update
/skills list
官方可选技能仍然使用像 official/security/1password 和 official/migration/openclaw-migration 这样的标识符。
内置技能目录
Hermes附带一个庞大的内置技能库，安装时会复制到 ~/.hermes/skills/ 目录下。本部分记录了位于仓库 skills/ 目录下的内置技能。
apple
Apple/macOS专属技能——iMessage、提醒事项、备忘录、查找以及macOS自动化。这些技能仅在macOS系统上加载。
| 技能 |
描述 |
路径 |
apple-notes |
通过macOS上的memo CLI管理Apple备忘录（创建、查看、搜索、编辑）。 |
apple/apple-notes |
apple-reminders |
通过remindctl CLI管理Apple提醒事项（列出、添加、完成、删除）。 |
apple/apple-reminders |
findmy |
通过AppleScript和屏幕截图，在macOS上使用FindMy.app追踪Apple设备和AirTag。 |
apple/findmy |
imessage |
通过macOS上的imsg CLI发送和接收iMessage/短信。 |
apple/imessage |
autonomous-ai-agents
用于启动和编排自主AI编程智能体及多智能体工作流的技能——运行独立的智能体进程、委派任务、协调并行工作流。
| 技能 |
描述 |
路径 |
claude-code |
将编码任务委派给Claude Code（Anthropic的CLI智能体）。用于构建功能、重构、PR审查和迭代式编码。需要安装claude CLI。 |
autonomous-ai-agents/claude-code |
codex |
将编码任务委派给OpenAI Codex CLI智能体。用于构建功能、重构、PR审查和批量问题修复。需要安装codex CLI和一个git仓库。 |
autonomous-ai-agents/codex |
hermes-agent-spawning |
将额外的Hermes Agent实例作为自主子进程启动，用于独立的长期运行任务。支持非交互式单次运行模式 (-q) 和用于多轮协作的交互式PTY模式。与delegate_task不同——这会运行一个完全独立的hermes进程。 |
autonomous-ai-agents/hermes-agent |
opencode |
将编码任务委派给OpenCode CLI智能体，用于功能实现、重构、PR审查和长期运行的自主会话。需要安装并认证opencode CLI。 |
autonomous-ai-agents/opencode |
data-science
用于数据科学工作流的技能——交互式探索、Jupyter笔记本、数据分析和可视化。
| 技能 |
描述 |
路径 |
jupyter-live-kernel |
通过hamelnb使用实时Jupyter内核进行有状态的、迭代式的Python执行。当任务涉及探索、迭代或检查中间结果时加载此技能。 |
data-science/jupyter-live-kernel |
creative
创意内容生成——ASCII艺术、手绘风格图表和视觉设计工具。
| 技能 |
描述 |
路径 |
ascii-art |
使用pyfiglet（571种字体）、cowsay、boxes、toilet、image-to-ascii、远程API（asciified, ascii.co.uk）和LLM后备方案生成ASCII艺术。无需API密钥。 |
creative/ascii-art |
ascii-video |
“ASCII艺术视频的生产管线——支持任何格式。将视频/音频/图像/生成式输入转换为彩色ASCII字符视频输出（MP4、GIF、图像序列）。涵盖：视频转ASCII、音频响应式音乐可视化、生成式ASCII艺术动画、混合… |
creative/ascii-video |
excalidraw |
使用Excalidraw JSON格式创建手绘风格图表。生成.excalidraw文件用于架构图、流程图、序列图、概念图等。文件可在excalidraw.com打开或上传以获取可分享链接。 |
creative/excalidraw |
devops
DevOps和基础设施自动化技能。
| 技能 |
描述 |
路径 |
webhook-subscriptions |
为事件驱动的智能体激活创建和管理webhook订阅。外部服务（GitHub、Stripe、CI/CD、IoT）通过POST事件来触发智能体运行。需要启用webhook平台。 |
devops/webhook-subscriptions |
dogfood
| 技能 |
描述 |
路径 |
dogfood |
对Web应用程序进行系统化的探索性QA测试——发现错误、捕获证据并生成结构化报告。 |
dogfood/dogfood |
hermes-agent-setup |
帮助用户配置Hermes Agent——CLI使用、设置向导、模型/提供商选择、工具、技能、语音/STT/TTS、网关和故障排除。 |
dogfood/hermes-agent-setup |
email
用于从终端发送、接收、搜索和管理电子邮件的技能。
| 技能 |
描述 |
路径 |
himalaya |
通过IMAP/SMTP管理电子邮件的CLI。使用himalaya从终端列出、阅读、撰写、回复、转发、搜索和组织电子邮件。支持多个账户和使用MML（MIME元语言）撰写消息。 |
email/himalaya |
gaming
用于设置、配置和管理游戏服务器、模组包及游戏相关基础设施的技能。
| 技能 |
描述 |
路径 |
minecraft-modpack-server |
从CurseForge/Modrinth服务器包zip文件设置一个模组化Minecraft服务器。涵盖NeoForge/Forge安装、Java版本、JVM调优、防火墙、局域网配置、备份和启动脚本。 |
gaming/minecraft-modpack-server |
pokemon-player |
通过无头模拟自主玩宝可梦游戏。启动游戏服务器，从RAM读取结构化游戏状态，做出策略决策，并发送按钮输入——全部在终端中完成。 |
gaming/pokemon-player |
github
使用gh CLI和git通过终端管理仓库、拉取请求、代码审查、问题和CI/CD管道的GitHub工作流技能。
| 技能 |
描述 |
路径 |
codebase-inspection |
使用pygount检查和分析代码库，用于代码行数统计、语言细分和代码与注释比例。当被要求检查代码行数、仓库大小、语言构成或代码库统计信息时使用。 |
github/codebase-inspection |
github-auth |
使用git（普遍可用）或gh CLI为智能体设置GitHub身份验证。涵盖HTTPS令牌、SSH密钥、凭证助手和gh auth——带有一个检测流程以自动选择正确的方法。 |
github/github-auth |
github-code-review |
通过分析git差异、在PR上留下内联评论以及执行彻底的推送前审查来审查代码变更。可与gh CLI配合使用，或回退到通过curl使用git + GitHub REST API。 |
github/github-code-review |
github-issues |
创建、管理、分类和关闭GitHub问题。搜索现有问题、添加标签、分配人员并链接到PR。可与gh CLI配合使用，或回退到通过curl使用git + GitHub REST API。 |
github/github-issues |
github-pr-workflow |
完整的拉取请求生命周期——创建分支、提交更改、打开PR、监控CI状态、自动修复失败并合并。可与gh CLI配合使用，或回退到通过curl使用git + GitHub REST API。 |
github/github-pr-workflow |
github-repo-management |
克隆、创建、分叉、配置和管理GitHub仓库。管理远程仓库、密钥、发布和工作流。可与gh CLI配合使用，或回退到通过curl使用git + GitHub REST API。 |
github/github-repo-management |
inference-sh
通过inference.sh云平台执行AI应用的技能。
| 技能 |
描述 |
路径 |
inference-sh-cli |
通过inference.sh CLI (infsh) 运行150+个AI应用——图像生成、视频创作、LLM、搜索、3D、社交自动化。 |
inference-sh/cli |
leisure
| 技能 |
描述 |
路径 |
find-nearby |
使用OpenStreetMap查找附近地点（餐厅、咖啡馆、酒吧、药店等）。适用于坐标、地址、城市、邮政编码或Telegram位置标记。无需API密钥。 |
leisure/find-nearby |
mcp
用于处理MCP（模型上下文协议）服务器、工具和集成的技能。包括内置的原生MCP客户端（在config.yaml中配置服务器以自动发现工具）以及用于临时服务器交互的mcporter CLI桥接。
| 技能 |
描述 |
路径 |
mcporter |
使用mcporter CLI直接列出、配置、认证和调用MCP服务器/工具（HTTP或stdio），包括临时服务器、配置编辑和CLI/类型生成。 |
mcp/mcporter |
native-mcp |
内置的MCP（模型上下文协议）客户端，连接到外部MCP服务器，发现其工具，并将它们注册为Hermes Agent的原生工具。支持stdio和HTTP传输，具有自动重连、安全过滤和零配置工具注入功能。 |
mcp/native-mcp |
用于处理媒体内容的技能——YouTube字幕、GIF搜索、音乐生成和音频可视化。
| 技能 |
描述 |
路径 |
gif-search |
使用curl从Tenor搜索和下载GIF。除了curl和jq外无需其他依赖。适用于查找反应GIF、创建视觉内容以及在聊天中发送GIF。 |
media/gif-search |
heartmula |
设置和运行HeartMuLa，开源音乐生成模型系列（类似Suno）。根据歌词 + 标签生成完整歌曲，支持多语言。 |
media/heartmula |
songsee |
通过CLI从音频文件生成频谱图和音频特征可视化（梅尔频谱、色度、MFCC、节奏图等）。适用于音频分析、音乐制作调试和视觉文档记录。 |
media/songsee |
youtube-content |
获取YouTube视频字幕并将其转换为结构化内容（章节、摘要、线程、博客文章）。 |
media/youtube-content |
mlops
通用ML运维工具——模型中心管理、数据集操作和工作流编排。
| 技能 |
描述 |
路径 |
huggingface-hub |
Hugging Face Hub CLI (hf)——搜索、下载和上传模型与数据集，管理仓库，部署推理端点。 |
mlops/huggingface-hub |
mlops/cloud
用于ML工作负载的GPU云提供商和无服务器计算平台。
| 技能 |
描述 |
路径 |
lambda-labs-gpu-cloud |
用于ML训练和推理的预留和按需GPU云实例。当您需要具有简单SSH访问、持久文件系统或用于大规模训练的高性能多节点集群的专用GPU实例时使用。 |
mlops/cloud/lambda-labs |
modal-serverless-gpu |
用于运行ML工作负载的无服务器GPU云平台。当您需要按需GPU访问而无需基础设施管理、将ML模型部署为API或运行具有自动扩展的批处理作业时使用。 |
mlops/cloud/modal |
mlops/evaluation
模型评估基准、实验跟踪、数据整理、分词器和可解释性工具。
| 技能 |
描述 |
路径 |
evaluating-llms-harness |
在60+个学术基准（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）上评估LLM。用于基准测试模型质量、比较模型、报告学术结果或跟踪训练进度。EleutherAI、HuggingFace和主要实验室使用的行业标准。超… |
mlops/evaluation/lm-evaluation-harness |
huggingface-tokenizers |
为研究和生产优化的快速分词器。基于Rust的实现可在<20秒内对1GB文本进行分词。支持BPE、WordPiece和Unigram算法。训练自定义词汇表、跟踪对齐、处理填充/截断。与transformers无缝集成。使用… |
mlops/evaluation/huggingface-tokenizers |
nemo-curator |
用于LLM训练的GPU加速数据整理。支持文本/图像/视频/音频。功能包括模糊去重（快16倍）、质量过滤（30+种启发式方法）、语义去重、PII编辑、NSFW检测。通过RAPIDS跨GPU扩展。用于准备高质量训… |
mlops/evaluation/nemo-curator |
sparse-autoencoder-training |
提供使用SAELens训练和分析稀疏自编码器（SAE）的指导，以将神经网络激活分解为可解释的特征。用于发现可解释特征、分析叠加或研究语言模型中的单义表示时使用… |
mlops/evaluation/saelens |
weights-and-biases |
使用自动日志记录跟踪ML实验，实时可视化训练，通过扫描优化超参数，并使用W&B（协作式MLOps平台）管理模型注册表。 |
mlops/evaluation/weights-and-biases |
mlops/inference
模型服务、量化（GGUF/GPTQ）、结构化输出、推理优化和模型手术工具，用于部署和运行LLM。
| 技能 |
描述 |
路径 |
gguf-quantization |
GGUF格式和llama.cpp量化，用于高效的CPU/GPU推理。适用于在消费级硬件、Apple Silicon上部署模型，或需要灵活的2-8位量化且无需GPU的场景。 |
mlops/inference/gguf |
guidance |
使用正则表达式和语法控制LLM输出，保证有效的JSON/XML/代码生成，强制执行结构化格式，并使用Guidance（微软研究院的约束生成框架）构建多步骤工作流。 |
mlops/inference/guidance |
instructor |
使用Pydantic验证从LLM响应中提取结构化数据，自动重试失败的提取，以类型安全的方式解析复杂JSON，并使用Instructor（经过实战检验的结构化输出库）流式传输部分结果。 |
mlops/inference/instructor |
llama-cpp |
在CPU、Apple Silicon和消费级GPU（无需NVIDIA硬件）上运行LLM推理。适用于边缘部署、M1/M2/M3 Mac、AMD/Intel GPU或CUDA不可用的情况。支持GGUF量化（1.5-8位），可减少内存占用，在CPU上相比PyTorch提速4-10倍。 |
mlops/inference/llama-cpp |
obliteratus |
使用OBLITERATUS（机制可解释性技术，如diff-in-means、SVD、白化SVD、LEACE、SAE分解等）移除开源权重LLM的拒绝行为，在保留推理能力的同时剔除护栏。包含9种CLI方法、28个分析模块、116个模型预设… |
mlops/inference/obliteratus |
outlines |
在生成过程中保证有效的JSON/XML/代码结构，使用Pydantic模型实现类型安全的输出，支持本地模型（Transformers、vLLM），并使用Outlines（dottxt.ai的结构化生成库）最大化推理速度。 |
mlops/inference/outlines |
serving-llms-vllm |
使用vLLM的PagedAttention和连续批处理技术提供高吞吐量的LLM服务。适用于部署生产级LLM API、优化推理延迟/吞吐量，或在GPU内存有限的情况下服务模型。支持OpenAI兼容的端点、量化（GPTQ/AWQ/FP8）… |
mlops/inference/vllm |
tensorrt-llm |
使用NVIDIA TensorRT优化LLM推理，实现最大吞吐量和最低延迟。适用于在NVIDIA GPU（A100/H100）上进行生产部署，需要比PyTorch快10-100倍的推理速度，或需要支持量化（FP8/INT4）、动态批处理和… |
mlops/inference/tensorrt-llm |
mlops/models
特定模型架构和工具——计算机视觉（CLIP、SAM、Stable Diffusion）、语音（Whisper）、音频生成（AudioCraft）和多模态模型（LLaVA）。
| 技能 |
描述 |
路径 |
audiocraft-audio-generation |
用于音频生成的PyTorch库，包括文本到音乐（MusicGen）和文本到声音（AudioGen）。适用于需要根据文本描述生成音乐、创建音效或进行旋律条件音乐生成的场景。 |
mlops/models/audiocraft |
clip |
OpenAI的连接视觉和语言的模型。支持零样本图像分类、图文匹配和跨模态检索。在4亿图文对上训练。适用于图像搜索、内容审核或无需微调的视觉语言任务。最适合通用… |
mlops/models/clip |
llava |
大型语言和视觉助手。支持视觉指令微调和基于图像的对话。结合了CLIP视觉编码器和Vicuna/LLaMA语言模型。支持多轮图像聊天、视觉问答和指令跟随。适用于视觉语言聊天… |
mlops/models/llava |
segment-anything-model |
用于图像分割的基础模型，具有零样本迁移能力。适用于需要使用点、框或掩码作为提示来分割图像中的任何对象，或自动生成图像中所有对象掩码的场景。 |
mlops/models/segment-anything |
stable-diffusion-image-generation |
通过HuggingFace Diffusers使用Stable Diffusion模型进行最先进的文本到图像生成。适用于根据文本提示生成图像、执行图像到图像转换、修复或构建自定义扩散管道。 |
mlops/models/stable-diffusion |
whisper |
OpenAI的通用语音识别模型。支持99种语言、转录、翻译成英语和语言识别。六种模型大小，从tiny（3900万参数）到large（15.5亿参数）。适用于语音转文本、播客转录或多语言音频处理… |
mlops/models/whisper |
mlops/research
用于通过声明式编程构建和优化AI系统的ML研究框架。
| 技能 |
描述 |
路径 |
dspy |
使用声明式编程构建复杂的AI系统，自动优化提示，使用DSPy（斯坦福NLP的系统化LM编程框架）创建模块化的RAG系统和智能体。 |
mlops/research/dspy |
mlops/training
用于训练LLM和其他模型的微调、RLHF/DPO/GRPO训练、分布式训练框架和优化工具，这些都是人工智能领域实践者需要掌握的核心能力。
| 技能 |
描述 |
路径 |
axolotl |
使用Axolotl进行LLM微调的专家指导——YAML配置、100+模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模态支持。 |
mlops/training/axolotl |
distributed-llm-pretraining-torchtitan |
使用torchtitan提供PyTorch原生的分布式LLM预训练，支持4D并行（FSDP2、TP、PP、CP）。适用于使用Float8、torch.compile和分布式检查点，在8到512+ GPU上大规模预训练Llama 3.1、DeepSeek V3或自定义模型。 |
mlops/training/torchtitan |
fine-tuning-with-trl |
使用TRL通过强化学习微调LLM——SFT用于指令微调，DPO用于偏好对齐，PPO/GRPO用于奖励优化，以及奖励模型训练。适用于需要RLHF、将模型与偏好对齐或从人类反馈中训练的场景。可与HuggingFace Tr… |
mlops/training/trl-fine-tuning |
grpo-rl-training |
使用TRL进行GRPO/RL微调的专家指导，用于推理和特定任务模型训练。 |
mlops/training/grpo-rl-training |
hermes 阿特洛波斯环境 |
为Atropos训练构建、测试和调试Hermes Agent RL环境。涵盖HermesAgentBaseEnv接口、奖励函数、智能体循环集成、工具评估、wandb日志记录以及三种CLI模式（serve/process/evaluate）。适用于创建、审查或修复… |
mlops/training/hermes-atropos-environments |
huggingface-accelerate |
最简单的分布式训练API。只需4行代码即可为任何PyTorch脚本添加分布式支持。DeepSpeed/FSDP/Megatron/DDP的统一API。自动设备放置、混合精度（FP16/BF16/FP8）。交互式配置，单一启动命令。HuggingFace生态系统标准。 |
mlops/training/accelerate |
optimizing-attention-flash |
使用Flash Attention优化Transformer注意力机制，实现2-4倍加速和10-20倍内存减少。适用于使用长序列（>512个token）训练/运行Transformer、遇到注意力机制GPU内存问题或需要更快推理的场景。支持PyTorch原生SDPA… |
mlops/training/flash-attention |
peft-fine-tuning |
使用LoRA、QLoRA和25+种方法对LLM进行参数高效微调。适用于在GPU内存有限的情况下微调大型模型（7B-70B），需要训练<1%的参数且精度损失最小，或用于多适配器服务。HuggingFace的官方库… |
mlops/training/peft |
pytorch-fsdp |
使用PyTorch FSDP进行完全分片数据并行训练的专家指导——参数分片、混合精度、CPU卸载、FSDP2。 |
mlops/training/pytorch-fsdp |
pytorch-lightning |
高级PyTorch框架，包含Trainer类、自动分布式训练（DDP/FSDP/DeepSpeed）、回调系统和最少的样板代码。使用相同代码可从笔记本电脑扩展到超级计算机。适用于希望使用内置最佳实践构建简洁训练循环的场景。 |
mlops/training/pytorch-lightning |
simpo-training |
用于LLM对齐的简单偏好优化。是DPO的无参考替代方案，性能更优（在AlpacaEval 2.0上+6.4分）。无需参考模型，比DPO更高效。适用于偏好对齐，且希望训练比DPO/PPO更简单、更快的场景。 |
mlops/training/simpo |
slime-rl-training |
使用slime（一个Megatron+SGLang框架）为LLM后训练提供RL指导。适用于训练GLM模型、实现自定义数据生成工作流，或需要与Megatron-LM紧密集成以进行RL扩展的场景。 |
mlops/training/slime |
unsloth |
使用Unsloth进行快速微调的专家指导——训练速度提升2-5倍，内存减少50-80%，LoRA/QLoRA优化。 |
mlops/training/unsloth |
mlops/vector-databases
用于RAG、语义搜索和AI应用后端的向量相似性搜索和嵌入数据库。
| 技能 |
描述 |
路径 |
chroma |
用于AI应用的开源嵌入数据库。存储嵌入和元数据，执行向量和全文搜索，按元数据过滤。简单的4函数API。可从笔记本扩展到生产集群。适用于语义搜索、RAG应用或文档检索。最适合… |
mlops/vector-databases/chroma |
faiss |
Facebook的高效密集向量相似性搜索和聚类库。支持数十亿向量、GPU加速和各种索引类型（Flat、IVF、HNSW）。适用于快速k-NN搜索、大规模向量检索，或需要纯相似性搜索且无需… |
mlops/vector-databases/faiss |
pinecone |
用于生产AI应用的托管向量数据库。完全托管、自动扩展，支持混合搜索（稠密+稀疏）、元数据过滤和命名空间。低延迟（<100ms p95）。适用于生产级RAG、推荐系统或大规模语义搜索。最适合无服务器… |
mlops/vector-databases/pinecone |
qdrant-vector-search |
用于RAG和语义搜索的高性能向量相似性搜索引擎。适用于构建需要快速最近邻搜索、带过滤的混合搜索或具有Rust驱动性能的可扩展向量存储的生产级RAG系统。 |
mlops/vector-databases/qdrant |
note-taking
笔记技能，用于保存信息、协助研究，以及在多会话规划和信息共享上进行协作。
| 技能 |
描述 |
路径 |
obsidian |
在Obsidian知识库中读取、搜索和创建笔记。 |
note-taking/obsidian |
productivity
用于文档创建、演示文稿、电子表格和其他生产力工作流的技能。
| 技能 |
描述 |
路径 |
google-workspace |
通过Python集成Gmail、Calendar、Drive、Contacts、Sheets和Docs。使用OAuth2并自动刷新令牌。无需外部二进制文件——完全在Hermes venv中使用Google的Python客户端库运行。 |
productivity/google-workspace |
linear |
通过GraphQL API管理Linear问题、项目和团队。创建、更新、搜索和组织问题。 |
productivity/linear |
nano-pdf |
使用nano-pdf CLI通过自然语言指令编辑PDF。修改文本、修复拼写错误、更新标题，并对特定页面进行内容更改，无需手动编辑。 |
productivity/nano-pdf |
notion |
用于通过curl创建和管理页面、数据库和块的Notion API。直接从终端搜索、创建、更新和查询Notion工作区。 |
productivity/notion |
ocr-and-documents |
从PDF和扫描文档中提取文本。对远程URL使用web_extract，对本地基于文本的PDF使用pymupdf，对OCR/扫描文档使用marker-pdf。对于DOCX使用python-docx，对于PPTX请参阅powerpoint技能。 |
productivity/ocr-and-documents |
powerpoint |
“任何涉及.pptx文件的方式——作为输入、输出或两者——都使用此技能。这包括：创建幻灯片、演示文稿或推介材料；读取、解析或从任何.pptx文件中提取文本（即使提取的内容将用于其他地方，例如在… |
productivity/powerpoint |
research
用于学术研究、论文发现、文献综述、领域侦察、市场数据、内容监控和科学知识检索的技能。
| 技能 |
描述 |
路径 |
arxiv |
使用arXiv的免费REST API搜索和检索学术论文。无需API密钥。可通过关键词、作者、类别或ID进行搜索。可与web_extract或ocr-and-documents技能结合以阅读完整的论文内容。 |
research/arxiv |
blogwatcher |
使用blogwatcher CLI监控博客和RSS/Atom源的更新。添加博客、扫描新文章并跟踪已读内容。 |
research/blogwatcher |
domain-intel |
使用Python标准库进行被动域名侦察。包括子域名发现、SSL证书检查、WHOIS查询、DNS记录查询、域名可用性检查以及批量多域名分析。无需API密钥。 |
research/domain-intel |
duckduckgo-search |
通过DuckDuckGo进行免费的网页搜索——文本、新闻、图片、视频。无需API密钥。优先使用已安装的ddgs CLI；仅在确认当前运行时环境中ddgs可用时，才使用Python DDGS库。 |
research/duckduckgo-search |
ml-paper-writing |
为NeurIPS、ICML、ICLR、ACL、AAAI、COLM等会议撰写符合发表要求的ML/AI论文。适用于从研究仓库起草论文、构建论证结构、验证引用或准备最终提交版本。包含LaTeX模板、审稿人指南和引用验证… |
research/ml-paper-writing |
polymarket |
查询Polymarket预测市场数据——搜索市场、获取价格、订单簿和价格历史。通过公共REST API进行只读访问，无需API密钥。 |
research/polymarket |
red-teaming
用于LLM红队测试、越狱和安全过滤器绕过研究的技能。
| 技能 |
描述 |
路径 |
godmode |
使用G0DM0D3技术对API服务的LLM进行越狱——包括Parseltongue输入混淆（33种技术）、GODMODE CLASSIC系统提示模板、ULTRAPLINIAN多模型竞速、编码升级，以及与Hermes原生预填充/系统提示的集成。适用于任何可通过API访问的模型，包括闭源模型。 |
red-teaming/godmode |
smart-home
用于控制智能家居设备（灯光、开关、传感器和家庭自动化系统）的技能。
| 技能 |
描述 |
路径 |
openhue |
通过OpenHue CLI控制Philips Hue灯光、房间和场景。开关灯、调整亮度、颜色、色温，并激活场景。 |
smart-home/openhue |
用于与社交平台交互的技能——发布、阅读、监控和账户操作。
| 技能 |
描述 |
路径 |
xitter |
使用官方X API凭证，通过x-cli终端客户端与X/Twitter交互。 |
social-media/xitter |
software-development
| 技能 |
描述 |
路径 |
code-review |
以安全和质量为重点进行彻底代码审查的指南。 |
software-development/code-review |
plan |
Hermes的计划模式——检查上下文，将Markdown计划写入活动工作空间/后端工作目录的.hermes/plans/中，但不执行具体工作。 |
software-development/plan |
requesting-code-review |
在完成任务、实现主要功能或合并代码前使用。通过系统化的审查流程验证工作是否符合要求。 |
software-development/requesting-code-review |
subagent-driven-development |
在执行包含独立任务的实施计划时使用。为每个任务分派新的delegate_task，并进行两阶段审查（先规范符合性，再代码质量）。 |
software-development/subagent-driven-development |
systematic-debugging |
在遇到任何错误、测试失败或意外行为时使用。包含4阶段根本原因调查——在理解问题之前不进行修复。 |
software-development/systematic-debugging |
test-driven-development |
在实现任何功能或修复错误之前，编写实现代码之前使用。强制执行测试优先的RED-GREEN-REFACTOR循环。 |
software-development/test-driven-development |
writing-plans |
当你有一个多步骤任务的规范或需求时使用。创建包含小任务、确切文件路径和完整代码示例的综合实施计划。 |
software-development/writing-plans |
可选技能
可选技能随仓库提供，位于optional-skills/目录下，但默认不激活。它们涵盖较重或小众的用例。使用以下命令安装：
hermes skills install official/<category>/<skill>
autonomous-ai-agents
| 技能 |
描述 |
路径 |
blackbox |
将编码任务委托给Blackbox AI CLI Agent。这是一个多模型Agent，内置评判器，可通过多个LLM运行任务并选择最佳结果。需要blackbox CLI和Blackbox AI API密钥。 |
autonomous-ai-agents/blackbox |
blockchain
| 技能 |
描述 |
路径 |
base |
查询Base（以太坊L2）区块链数据，并附带美元计价——包括钱包余额、代币信息、交易详情、Gas分析、合约检查、巨鲸检测和实时网络统计。使用Base RPC + CoinGecko。无需API密钥。 |
blockchain/base |
solana |
查询Solana区块链数据，并附带美元计价——包括钱包余额、带估值的代币组合、交易详情、NFT、巨鲸检测和实时网络统计。使用Solana RPC + CoinGecko。无需API密钥。 |
blockchain/solana |
creative
| 技能 |
描述 |
路径 |
blender-mcp |
通过socket连接到blender-mcp插件，直接从Hermes控制Blender。创建3D对象、材质、动画，并运行任意Blender Python (bpy)代码。 |
creative/blender-mcp |
meme-generation |
通过选择模板并使用Pillow叠加文本来生成真实的梗图。生成实际的.png梗图文件。 |
creative/meme-generation |
devops
| 技能 |
描述 |
路径 |
docker-management |
管理Docker容器、镜像、卷、网络和Compose堆栈——包括生命周期操作、调试、清理和Dockerfile优化。 |
devops/docker-management |
email
| 技能 |
描述 |
路径 |
agentmail |
通过AgentMail为Agent提供其专属的电子邮件收件箱。使用Agent拥有的电子邮件地址（例如hermes-agent@agentmail.to）自主发送、接收和管理电子邮件。 |
email/agentmail |
health
| 技能 |
描述 |
路径 |
neuroskill-bci |
连接到正在运行的NeuroSkill实例，并将用户的实时认知和情绪状态（专注度、放松度、情绪、认知负荷、困倦度、心率、HRV、睡眠分期以及40多种衍生的EXG评分）纳入响应中。需要BCI可穿戴设备（Muse 2/S或OpenBCI）和NeuroSkill桌面应用程序。 |
health/neuroskill-bci |
mcp
| 技能 |
描述 |
路径 |
fastmcp |
在Python中使用FastMCP构建、测试、检查、安装和部署MCP服务器。适用于创建新的MCP服务器、将API或数据库包装为MCP工具、暴露资源或提示，或准备FastMCP服务器以进行HTTP部署。 |
mcp/fastmcp |
migration
| 技能 |
描述 |
路径 |
openclaw-migration |
将用户的OpenClaw自定义配置迁移到Hermes Agent中。从~/.openclaw导入与Hermes兼容的记忆、SOUL.md、命令白名单、用户技能和选定的工作空间资产，然后报告无法迁移的内容及原因。 |
migration/openclaw-migration |
productivity
| 技能 |
描述 |
路径 |
telephony |
为Hermes提供电话功能——配置并持久化一个Twilio号码，发送和接收SMS/MMS，直接拨打电话，并通过Bland.ai或Vapi进行AI驱动的外呼。 |
productivity/telephony |
research
| 技能 |
描述 |
路径 |
bioinformatics |
通往来自bioSkills和ClawBio的400多种生物信息学技能的网关。涵盖基因组学、转录组学、单细胞、变异检测、药物基因组学、宏基因组学、结构生物学等领域。 |
research/bioinformatics |
qmd |
使用qmd在本地搜索个人知识库、笔记、文档和会议记录——这是一个结合了BM25、向量搜索和LLM重排序的混合检索引擎。支持CLI和MCP集成。 |
research/qmd |
security
| 技能 |
描述 |
路径 |
1password |
设置和使用1Password CLI (op)。适用于安装CLI、启用桌面应用集成、登录以及为命令读取/注入密钥。 |
security/1password |
oss-forensics |
针对GitHub仓库的供应链调查、证据恢复和取证分析。涵盖已删除提交恢复、强制推送检测、IOC提取、多源证据收集和结构化取证报告。 |
security/oss-forensics |
sherlock |
在400多个社交网络上进行OSINT用户名搜索。通过用户名追踪社交媒体账户。 |
security/sherlock |
官方可选技能目录
官方可选技能位于仓库的optional-skills/目录下。使用hermes skills install official/<category>/<skill>命令安装，或使用hermes skills browse --source official命令浏览。内容与上一节“可选技能”列表基本一致，此处不再赘述。
希望这份详细的Hermes Agent技能系统指南能帮助你更好地理解和使用这个强大的功能。技能系统是Hermes实现自主进化与高效协作的核心，熟练掌握它，你将能极大提升AI智能体的工作效率与智能化水平。如果你想了解更多AI相关的技术讨论与实战经验，欢迎访问云栈社区与开发者们交流。
发表于 5 天前
|
查看: 20|
回复: 0
