自动生成

从经验到技能：核心问题 AI Agent 每天执行大量任务，但这些经验几乎总是"用完即弃"。即使有对话历史，那也只是一堆非结构化的聊天记录，无法被下次任务直接复用。 Hermes Agent 的核心创新之一是技能自动生成：系统从任务执行记录中自动提炼结构化的 SKILL.md 文件，形成可复用、可测试、可版本管理的技能库。 技能触发条件 并非所有任务都值得提炼为技能。Hermes 定义了明确的触发条件： 触发规则 条件 阈值 原因 工具调用次数 ≥ 5 次 5 次以上说明任务有复杂度 错误修复成功 任意 出错后修复 = 有价值的经验 重复任务模式 ≥ 3 次 重复说明这是常见需求 用户显式要求 任意 用户判断有价值 复盘 LLM 评估 score ≥ 0.7 复盘模型认为值得提炼 class SkillTrigger: """技能生成触发器""" def should_extract(self, task_record, pattern_history): # 条件 1：工具调用次数 if task_record.tool_call_count >= 5: return True, "complex_task" # 条件 2：错误修复 if task_record.had_error and task_record.error_fixed: return True, "error_recovery" # 条件 3：重复模式 similar_count = pattern_history.count_similar(task_record) if similar_count >= 3: return True, "repeated_pattern" # 条件 4：用户显式要求 if task_record.user_requested_skill: return True, "user_request" # 条件 5：复盘 LLM 评估 score = self._evaluate_skill_worth(task_record) if score >= 0.7: return True, "llm_evaluation" return False, None def _evaluate_skill_worth(self, task_record): """复盘 LLM 评估任务是否值得提炼为技能""" # 输入：任务摘要、工具调用、结果 # 输出：0-1 分数 ... 多条件组合 实际场景中可能多个条件同时满足，Hermes 使用加权评分： ...