如果版本不够，升级：
```bash
# pip 安装方式
pip install --upgrade hermes-agent
# 或 Docker 方式
docker pull nousresearch/hermes-agent:latest
第二步：配置 Judge 模型（推荐）
默认情况下，Judge 复用你的主模型。但推荐用一个便宜快速的模型来降低 Token 消耗——Judge 每次只输出约 200 tokens。
在 ~/.hermes/config.yaml 中添加：
goals:
# 最大自动轮数（超过后自动暂停，防止死循环）
max_turns: 20
auxiliary:
goal_judge:
provider: openrouter
model: google/gemini-3-flash-preview # 便宜又快
成本分析：一次 20 轮的 /goal 任务，Judge 的总消耗 ≈ 20 × 200 = 4,000 输出 tokens，按 Gemini Flash 当前定价（$0.075/百万输出 tokens），Judge 成本不到 $0.0003。如果用主模型（如 Claude Opus，$75/百万输出 tokens），同样的 Judge 调用要 $0.30。差距 1000 倍。
第三步：设置 Turn Budget
goals:
max_turns: 20 # 默认值，大部分任务 5-10 轮就能完成
对于不同场景的推荐值：
- 代码生成/文件操作：10-15 轮（通常 3-5 轮就够）
- 研究调研：20-30 轮（需要多轮搜索和总结）
- 自动化运维：5-10 轮（操作简洁明确）
- 长文写作：15-25 轮（需要多轮迭代润色）
四个实战场景：从入门到精通
场景一：批量文件操作（入门）
/goal 在 /tmp/ 下创建 10 个 Markdown 文件，命名 draft_01.md 到 draft_10.md，
每个文件第一行写 "# 草稿文件 N"，N 是文件编号
效果：Agent 自动完成 10 轮文件创建，Judge 每轮检查缺失文件，直到全部完成。
实际输出：
⊙ Goal set (20-turn budget): 创建10个草稿文件...
✓ draft_01.md created
↻ Continuing (1/20): 1/10 complete
✓ draft_02.md created
↻ Continuing (2/20): 2/10 complete
...
✓ draft_10.md created
✓ Goal achieved: 10/10 files created
场景二：代码重构流水线（进阶）
/goal 重构 src/ 下所有 Python 文件：
1. 添加类型注解（Type Hints）
2. 用 ruff check 验证零错误
3. 用 mypy --strict 验证零错误
每个文件改完后立即 ruff + mypy 验证，不通过就修复直到通过
这个场景展示了 /goal 的核心价值：带反馈循环的多步任务。Agent 不会"改完就算了"——它会运行 lint 工具检查，如果有错误就自动修复，直到通过。
关键点：Judge 会检查 ruff 和 mypy 的输出，只有全部通过才算 done。
场景三：研究调研（AI 创业者的日常）
/goal 调研 2026 年 5 月 AI Agent 工具赛道的最新融资动态：
1. 搜索最近 30 天的融资新闻
2. 整理每家公司的融资金额、轮次、投资方
3. 汇总成一份 Markdown 表格
4. 写 200 字趋势分析
适用场景：市场调研、竞品分析、技术选型 —— 凡是需要"搜→整理→总结"三步走的工作，/goal 都能一次性搞定。
场景四：内容创作流水线（一人公司利器）
/goal 根据以下大纲写一篇 2000 字的公众号文章：
主题：AI Agent 的 2026 年趋势
大纲：
1. 背景（300字）
2. 三大趋势（各300字）
3. 创业机会（400字）
4. 总结（200字）
写完后自我评估是否达到字数要求，不足就扩展
价值：以前你需要"写→读→说继续→再写→再读→再说继续"，现在一个命令搞定。尤其适合批量生产内容的一人公司。
命令全家桶
| 命令 | 作用 | 使用场景 |
|---|---|---|
/goal <text> |
设定/替换目标 | 开始新任务 |
/goal 或 /goal status |
查看当前目标状态 | 检查进度 |
/goal pause |
暂停但不清除目标 | 需要人工介入时 |
/goal resume |
恢复（重置计数器） | 暂停后继续 |
/goal clear |
完全清除目标 | 任务取消 |
平台支持：CLI + Telegram/Discord/Slack/Matrix/Signal/WhatsApp/SMS/iMessage/Webhook/API/Web 仪表板——全部支持。
最佳实践：什么时候用，什么时候不用
✅ 用 /goal 的场景
- 多轮迭代任务：代码生成→测试→修复→再测试
- 批量操作：创建 N 个文件、处理 N 条数据
- 需要反馈循环的任务：写代码→lint→修复→lint→通过
- 你不会想手动说"继续"的场景：其实就是所有这些
❌ 不用 /goal 的场景
- 单轮问答："今天的日期是？""总结这篇文章"——一次就能完成
- 需要你实时判断方向的任务：创意构思、战略决策——你需要在每轮后给出新方向
🔥 进阶技巧
技巧一：用"完成标志"帮助 Judge 判定
Judge 依赖文本中的明确信号。当你给 Agent 的目标里包含"完成后运行 echo DONE"这样的明确标志，Judge 判断更准确。
/goal 安装并配置 PostgreSQL，完成后运行 pg_isready 验证，
输出 "DEPLOYMENT_COMPLETE" 作为完成信号
技巧二：配合 /goal resume 做分批处理
Turn budget 到了 20 自动暂停？别清掉目标——用 resume 续上：
/goal pause # 先检查前 20 轮的成果
/goal resume # 没问题就继续，计数器归零
技巧三：/goal 状态持久化，关机不怕
目标状态存在 SessionDB 里。设好 /goal，关掉电脑，明天 /resume 回来——目标还在。
常见坑与排查
坑 1：Judge 太保守，永远不说 done
症状：任务明明完成了，Agent 还在继续迭代。
解决：
/goal pause # 先暂停
/goal clear # 确认完成后清除目标
或者优化目标描述，加上明确的完成标志（见进阶技巧一）。
坑 2：Turn budget 耗尽，任务才做一半
症状：20 轮到了但任务没完成。
解决：
# 提高 max_turns
goals:
max_turns: 40
或者：
/goal resume # 重置计数器，继续干活
坑 3：Agent 在目标中途"跑偏"
症状：Agent 偏离原始目标，开始做不相干的事。
解决：发送任意消息都会中断当前 goal 循环。你可以纠正方向：
不要做 X，回到 Y 任务
然后系统会自动继续 goal 循环（你的消息会被 Judge 评估）。
坑 4：和 delegate_task 混淆
/goal 和 delegate_task 是不同概念：
/goal |
delegate_task |
|
|---|---|---|
| 本质 | 给当前 Agent 的持续指令 | 创建子 Agent 完成任务 |
| Agent 数量 | 1 个 | 主 Agent + N 个子 Agent |
| 适用场景 | 纵向深入（一个任务做到完美） | 横向扩展（多个任务并行） |
简单记：/goal = 让一个 Agent 死磕到底，delegate_task = 派多个 Agent 分头干活。
总结：为什么 /goal 是 v0.13.0 最重要的功能
- 消除"手动说继续"的摩擦：这是 Agent 从"工具"变成"协作者"的关键一步
- Judge 模型让质量可控：不是盲目迭代，每轮都有判定
- 零额外成本：配一个便宜的 Judge 模型，20 轮任务 Judge 成本 < $0.001
- 跨平台一致：CLI + 所有聊天平台统一体验
- 状态持久化：关机、断网、重启都不怕
对于 AI 创业者来说，/goal 意味着你可以把更多"重复劳动"自动化——批量内容生成、代码审查流水线、数据采集和整理——这些以前需要你在电脑前守着的事情，现在变成后台自动运行。
下一步：打开 Hermes Agent，输入 /goal，体验一下"设定后就不管了"的感觉。
Hermes Agent v0.13.0 (v2026.5.7) — The Tenacity Release | 864 commits · 295 contributors
参考来源：hermes-agent.nousresearch.com/docs/user-guide/features/goals