AI创业内参
Agent工坊

【Agent工坊】Hermes Agent 自进化 Skill 实战：让你的 AI 24 小时值守，越用越聪明

AI创业内参

Hermes Agent 的 Learning Loop 不是概念——它能从每次执行中沉淀 Skill，自主迭代优化。本文手把手教你搭建一个"会自我进化"的 AI 监控机器人。

▲ Hermes Agent 自进化 Learning Loop 七步闭环流程图：从执行到反思再到知▲ ▲ Hermes Agent 自进化 Learning Loop 七步闭环流程图：从执行到反思再到知识沉淀

为什么传统 Cron + AI 方案会失效？

大多数 AI Agent 的定时任务长这样：设一个 cron → 到点执行 → 输出结果 → 下次执行时从零开始。Agent 不记得上次做了什么决策，也不知道什么数据是重要的。

类比一下：你雇了一个实习生每天早上帮你看竞品动态，但他每天上班都像第一天——不认识你、不记得昨天发生了什么、同样的错误反复犯。

Hermes Agent 的 Cron + Skill 组合改变了这个范式。它允许 Agent 在执行定时任务的过程中，将成功经验沉淀为 Skill，下次直接复用。

参考自 Hermes Agent 官方文档（Skills 系统 & Cron 指南，2026年6月）。

核心机制：Learning Loop 七步闭环

在深入代码之前，先理解 Hermes 的自进化引擎是如何工作的。根据 Nous Research 的架构设计，完整的 Learning Loop 包含七个阶段：

执行任务 → 失败/成功

    ↓

反思分析（哪里做得好/不好）

    ↓

提取可复用的模式

    ↓

生成 SKILL.md 文件

    ↓

存入 ~/.hermes/skills/

    ↓

下次遇到同类任务时自动加载

    ↓

持续迭代优化

关键差异：其他 Agent（如 OpenClaw、Claude Code）也支持 Skill，但都是静态的——需要人手工编写。Hermes 的 Agent 可以自己写 Skill、自己改 Skill。

参考自腾讯新闻深度解析《Hermes Agent 如何实现"自进化"》，2026年4月。

实战：搭建一个自进化的竞品监控机器人

目标

创建一个 cron 任务，每 2 小时自动搜索 AI 竞品动态，Agent 分析后沉淀为结构化的 Skill，下次执行时直接加载已有知识库，避免重复搜索。

第一步：安装 Hermes Agent（30秒）

# Linux/macOS/WSL2 一键安装

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/.../install.sh | bash

# 国内用户用镜像源（更快）

curl -fsSL https://res1.hermesagent.org.cn/install.sh | bash

# 刷新环境变量

source ~/.bashrc # 或 source ~/.zshrc

# 启动配置向导

hermes setup

# 选择模型提供商（推荐 Kimi 或 DeepSeek，国内用户无需特殊网络）

# 配置 API Key 即可开始

踩坑提醒：如果 hermes 命令找不到，先执行 source ~/.bashrc。Windows 用户推荐用 WSL2，原生 PowerShell 版本仍为早期测试版，部分工具可能不可用。

第二步：创建监控脚本

在 ~/.hermes/scripts/ 下创建一个 Python 脚本，负责"机械性"的数据采集：

#!/usr/bin/env python3

"""AI竞品动态采集脚本 — 为 Hermes Agent Cron 提供上下文"""

import json, os, hashlib

from datetime import datetime, timedelta

DATA_DIR = os.path.expanduser("~/.hermes/data/competitor-watch")

os.makedirs(DATA_DIR, exist_ok=True)

STATE_FILE = os.path.join(DATA_DIR, "state.json")

# 加载历史状态（Agent 上周分析了什么、沉淀了什么 Skill）

state = {}

if os.path.exists(STATE_FILE):

    with open(STATE_FILE) as f:

        state = json.load(f)

last_run = state.get("last_run", "")

skills_count = state.get("skills_created", 0)

topics_covered = state.get("topics_covered", [])

print(f"=== AI竞品监控 第 {skills_count + 1} 轮 ===")

print(f"上次运行: {last_run or '首次运行'}")

print(f"已沉淀 Skill: {skills_count} 个")

print(f"已覆盖话题: {', '.join(topics_covered) if topics_covered else '无'}")

print(f"\n本轮指令：搜索过去2小时的AI行业动态，重点关注：")

print(f"1. Hermes Agent / OpenClaw 等开源 Agent 框架的版本更新")

print(f"2. AI Agent 创业公司融资/产品发布")

print(f"3. MCP 协议生态新工具")

print(f"\n输出要求：用 web_search 搜索后，判断是否需要创建/更新 Skill。")

print(f"如果发现新模式，创建新 Skill 存入 ~/.hermes/skills/competitor-*.md")

print(f"如果与已有 Skill 重复，更新已有 Skill 而非创建新的。")

# 更新状态

state["last_run"] = datetime.now().isoformat()

state["skills_created"] = skills_count

with open(STATE_FILE, "w") as f:

    json.dump(state, f, indent=2, ensure_ascii=False)

第三步：注册 Cron 任务

在 Hermes CLI 中执行（支持自然语言）：

hermes cron create "0 */2 * * *" \

  "你是AI竞品监控Agent。脚本输出提供了历史上下文（已沉淀的Skill、已覆盖话题）。

   任务：

   1. 用 web_search 搜索过去2小时的AI Agent行业动态

   2. 对比脚本输出中的 topics_covered，跳过已覆盖的话题

   3. 如果发现重要新信息，创建 Skill 文件到 ~/.hermes/skills/competitor-<topic>.md

      - Skill 包含：发现时间、关键数据、行动建议、相关链接

   4. 如果与已有 Skill 相关但信息更新了，用 patch 工具更新已有 Skill

   5. 如果没有新发现，回复 [SILENT]

   Skill 格式（严格遵循）：

<hr>

   name: competitor-<topic>

   description: AI竞品监控 - <简短描述>

   version: 1.0.0

   metadata:

     hermes:

       tags: [competitor, monitoring]

       category: business

<hr>

   # <标题>

   ## 发现时间

   <ISO 时间>

   ## 关键信息

   <核心事实和数据>

   ## 对 AI 创业者的影响

   <分析>

   ## 行动建议

   <可操作步骤>" \

  --script ~/.hermes/scripts/competitor-watch.py \

  --name "AI竞品监控" \

  --deliver telegram

输出示例（第一次执行）：

Agent: 搜索发现 Anthropic 刚刚发布了 Claude Agent SDK v2.0，

这是一个重大更新。创建新 Skill...

✅ Skill 已创建: ~/.hermes/skills/competitor-claude-agent-sdk-v2.md

关键发现：

- Claude Agent SDK v2.0 支持 Managed Agents（托管Agent）

- 开发者无需自己管理推理循环，API 自动处理

- 价格：$0.015/1K input tokens

对 AI 创业者影响：可以更快构建 Agent 产品，降低运维成本。

第二次执行（2小时后）：

Agent: 搜索发现关于 Claude Agent SDK 已有 Skill 覆盖。

发现新的补充信息：Anthropic 发布了 Python SDK v2.0.1 补丁。

更新已有 Skill...

✅ Skill 已更新: ~/.hermes/skills/competitor-claude-agent-sdk-v2.md

这就是自进化的核心——Agent 不会重复搜索相同的信息，而是在已有知识基础上增量更新。

▲ Cron + Skill 自动化架构：数据采集脚本→Agent语义分析→Skill知识沉淀▲ ▲ Cron + Skill 自动化架构：数据采集脚本→Agent语义分析→Skill知识沉淀

第四步：验证 Skill 是否生效

# 查看 Agent 创建的所有 Skill

ls ~/.hermes/skills/competitor-*

# 在对话中手动加载 Skill

hermes chat --toolsets skills -q "加载 competitor-claude-agent-sdk-v2 skill，告诉我摘要"

# 输出：

# Claude Agent SDK v2.0 于 2026-06-10 发布

# 核心变化：Managed Agents 模式、Python SDK 同步更新

# 建议：评估是否影响你的 Agent 产品技术选型

踩坑提醒：Skill 文件必须放在 ~/.hermes/skills/ 目录下才能被自动发现。如果是外部目录，需要在 hermes config 中配置 skill_extra_dirs。

为什么这个模式对一人公司特别重要？

1. 知识资产化

每次 Agent 执行 = 一次知识沉淀。30 天后你拥有的是 360 个 Skill 文件组成的结构化知识库——而不是 360 条散落在聊天记录里的消息。

2. 降本增效

第 1 次搜索：Agent 需要搜索 10 个来源 → 提取 → 分析 → 写 Skill（消耗约 5000 tokens） 第 10 次搜索：Agent 加载已有 Skill（消耗约 500 tokens）→ 只搜索增量 → 仅更新变化部分

Token 消耗下降 90%，信息质量反而上升——因为 Agent 越来越懂你的业务。

3. 真正的 24 小时值守

传统方案：你睡前设一个提醒 → 醒来检查 → 手动分析 Hermes 方案：Agent 在你睡觉时完成 6 轮监控 → 沉淀 3 个新 Skill → Telegram 推送摘要

参考自 MindStudio 博客《How to Build a Cron-Based AI Automation with Hermes Agent》，2026年。

高级模式：脚本 + Agent 的分工哲学

Hermes Cron 的核心设计理念是脚本做机械活，Agent 做判断活：

角色负责工具
Python 脚本数据采集、哈希对比、状态管理urllib.request、hashlib、json
Hermes Agent语义判断、信息分类、Skill 创建web_search、write_file、patch

为什么这样分工？ 让 LLM 去做 hashlib.sha256() 是浪费 tokens——而且 LLM 的"哈希"可能是幻觉。机械计算交给确定性脚本，语义推理交给 Agent，各司其职。

示例：网站监控脚本计算 SHA256，Agent 收到 "CHANGE DETECTED" 后判断"这个变化是否值得通知你"——而不是把所有变化都推给你。

参考自 Hermes Agent 官方文档《Automate Anything with Cron》，Pattern 1: Website Change Monitor。

踩坑清单（实测经验）

▲ AI竞品监控机器人完整工作流：搜索采集→对比已有Skill→增量更新→推送通知▲ ▲ AI竞品监控机器人完整工作流：搜索采集→对比已有Skill→增量更新→推送通知

坑1：Cron Agent 无记忆，Prompt 必须自包含

Cron 任务每次在全新会话中执行——Agent 不记得你上次说了什么。所有上下文必须通过 --script 参数传入的 Python 脚本 stdout 提供。

错误示例：

"继续上次的竞品分析" ← Agent 不知道"上次"是什么

正确示例：

"脚本输出中的 topics_covered 字段列出了已覆盖话题，跳过这些。"

坑2：Skill 文件被覆盖

多个 Cron 任务可能同时修改同一个 Skill 文件。解决方案：

  • 每个 Cron 任务操作不同的 Skill 命名空间（如 competitor-、pricing-、traffic-）
  • 用 patch 工具做增量编辑而非 write_file 全量覆盖

坑3：[SILENT] 的正确用法

当 Cron 任务的最终回复只有 [SILENT]（且没有其他内容）时，消息投递被抑制。中间步骤的输出不受影响——只有 final response 会触发沉默规则。

正确：

"搜索完成，无新发现。[SILENT]" ← 不会推送（因为以 [SILENT] 结尾）

错误：

"[SILENT] 搜索完成，无新发现。" ← 会推送（[SILENT] 不在单独一行末尾）

坑4：国内网络下的 API 访问

如果使用 Tavily 搜索 API（web_search 默认后端），国内服务器可能遇到 432 配额错误或连接超时。解决方案：

  • 使用博查（Bocha）作为搜索后端：hermes config set web.backend bocha
  • 或使用 Kimi 大模型（国内可直接访问）

行动建议：30 分钟搭建你的第一个自进化 Agent

  1. 安装 Hermes（5 分钟）：复制上面的 curl 命令
  2. 选择监控目标（5 分钟）：竞品动态？价格变化？GitHub Star 数？选一个你最需要的信息源
  3. 写采集脚本（10 分钟）：用上面的模板，修改 URL 和数据提取逻辑
  4. 注册 Cron（5 分钟）：用自然语言描述任务
  5. 验证（5 分钟）：等第一轮执行完成，检查 Skill 是否正确生成

推荐起步场景（从简单到复杂）：

  • 入门：监控一个竞品 GitHub 仓库的 Release（参考 Pattern 3）
  • 进阶：监控 3 个数据源 + 自动分类 + 创建 Skill
  • 高级：多 Agent 协作——监控 Agent 采集 → 分析 Agent 写日报 → 分发 Agent 推送到各平台

常见问题（FAQ）

Q：Skill 会被 Agent "污染"吗？如果 Agent 写了一篇错误信息的 Skill，怎么恢复？

A：Skill 文件就是普通 Markdown 文件，存在 ~/.hermes/skills/ 目录下。如果 Agent 创建了错误 Skill，直接 rm 删除即可。建议每周人工抽查一次 Skill 质量——虽然 Agent 的自进化能力很强，但关键知识资产仍需人工复核。

Q：Cron 任务失败了会通知我吗？

A：Hermes 支持 --notify-on-failure 参数。如果 Agent 执行过程中抛出异常（如 API 超时、工具调用失败），会通过配置的 delivery channel（Telegram/Discord 等）推送失败通知。

Q：我的 Cron 任务在"睡觉"——它真的在运行吗？

A：用 hermes cron list 查看所有定时任务及其最后执行时间。如果状态显示 paused，用 hermes cron resume 恢复。另外确保 Gateway 进程在运行：hermes gateway status。

Q：一个 Skill 文件能多大？会不会塞爆 Context Window？

A：Hermes 使用渐进式披露（Progressive Disclosure）机制：

  • Level 0：只加载 Skill 名称和描述（约 100 tokens/Skill）
  • Level 1：Agent 判断需要时才加载完整 Skill 内容
  • Level 2：甚至可以只加载 Skill 中的某个参考文件

所以即使有 100 个 Skill，日常对话也只消耗 Level 0 的 token 量——约 3K tokens。只有需要时才按需加载。

风险提示

  • Hermes Agent 的 Self-Evolving Skills 系统仍在快速迭代中（当前版本为 2026年6月），API 可能变化。建议关注 GitHub Releases 页面获取最新变更日志。
  • Skill 自动生成的准确性取决于底层大模型的能力。用小模型（如 8B 参数级）运行自进化任务时，Skill 质量可能不稳定，推荐使用 Claude 4 系列或 GPT-5 级模型。
  • 国内用户如果使用 OpenAI/Anthropic 模型，需要稳定的 API 代理，否则 Cron 任务可能因网络问题静默失败。推荐使用国产模型（Kimi、DeepSeek、智谱）作为替代，无需特殊网络配置。

#AI创业 #Agent工坊 #HermesAgent #自动化 #一人公司

本文由AI辅助创作，经人工审核编辑发布