AI创业内参
Agent工坊

【Agent工坊】一行命令让AI学会你的工作流：Hermes /learn + /goal 实操指南

AI创业内参

Hermes Agent v0.18 "Judgment Release" 带来了革命性的自我进化能力——不再需要手写 Markdown 技能文件，用 /learn 让 AI 直接观察并学会你的工作方式，用 /goal 让它自主完成任务并自我验证。

为什么这个版本值得关注

2026年7月1日，Nous Research 发布了 Hermes Agent v0.18.0，代号 "The Judgment Release"。但这不只是又一个例行更新——它代表了 AI Agent 能力的一次范式转移。

在这之前，教 AI 学会一个工作流需要：打开编辑器 → 写 SKILL.md → 定义触发词 → 写示例 → 反复测试。门槛不低，很多人被劝退在第一步。

v0.18 的答案：/learn 一行命令搞定一切。 你只需要把你做过的、想让 AI 学会的东西指给它看——一个目录、一个 URL、或者你刚刚带着它走完的流程——它就自动蒸馏出一个可复用的技能。

配合 /goal 的自主执行 + 证据验证，以及 /journey 的透明记忆管理，这三个命令构成了 AI 创业者的「自动驾驶三件套」。

/learn：一行命令教 AI 你的独门手艺

基本用法

# 从目录学——把整个代码库的工作流变成技能
/learn /path/to/your/project

# 从 URL 学——把在线文档变成技能
/learn https://docs.example.com/workflow-guide

# 从刚才的操作学——把你刚刚带着 Hermes 做完的流程蒸馏成技能
/learn

第三个是最颠覆的用法。 你不需要提前准备任何东西——正常和 Hermes 协作完成一个任务，结束后敲 /learn，它就会把你刚才的工作流程提炼成可复用的技能文件。

实战：让 Hermes 学会「公众号文章发布」工作流

假设你每天要做的事是：写文章 → 生成封面图 → 上传到微信素材库 → 提交草稿箱 → 验证。

传统方式：你需要写一个 200 行的 SKILL.md，详细定义每个步骤、API 端点、错误处理。

v0.18 方式：

# 第一步：正常做一遍（Hermes 在旁观察学习）
hermes "帮我写一篇关于 Claude Code 的文章，生成封面图，上传到公众号草稿箱"

# 整个过程 Hermes 自己操作——调 API、上传图片、提交草稿...
# 你对结果满意后：

# 第二步：一行命令沉淀技能
/learn

# Hermes 会自动生成: ~/.hermes/skills/wechat-publish/SKILL.md
# 包含完整的 API 调用、错误处理、参数模板

生成后，下次直接说 发布到公众号，Hermes 就能自主执行整套流程。

/learn 的内部机制

/learn 不只是在记录操作步骤。它会：

  1. 分析上下文：识别出哪些步骤是通用的（API 调用），哪些是特定于当前任务的（具体文章内容）
  2. 提取模式：发现可复用的操作序列、条件判断、错误处理逻辑
  3. 生成模板：把可变部分参数化（文章路径、标题、图片），固定部分写成确定性脚本
  4. 自动遵循规范：生成的 SKILL.md 自动符合你的 CONTRIBUTING.md 标准

/learn 的适用场景

场景 示例 传统成本 /learn 成本
部署流程 deploy-to-prod 写 300 行 YAML + Shell 做一遍 + /learn
数据分析 weekly-report 写 SQL + Python 脚本 分析一次 + /learn
客户支持 triage-issue 写 SOP 文档 处理一个案例 + /learn
竞品监控 competitor-watch 配置爬虫 + 通知 监控一次 + /learn
内容发布 publish-article 写发布脚本 发布一次 + /learn

对一人公司来说，这意味着每个重复性工作只需要「做一次 + /learn」，就能永远自动化。

/goal：设定目标，让 AI 自己想办法完成

基本用法

/goal "Refactor /lib/auth to use JWT with refresh tokens, update all references"

但这只是表面。v0.18 的 /goal 最大的变化是完成合约（Completion Contracts）：

/goal "Add Stripe integration with webhook handling" \
  --verify "npm test -- --coverage && npm run lint" \
  --max-turns 50 \
  --budget 500000

关键参数：

参数 作用 推荐值
--verify 完成条件——跑什么命令来验证"真的做完了" 测试套件 + lint
--max-turns 最多尝试多少轮 30-100，看任务复杂度
--budget 最大 token 预算 按任务规模设置
--bg 后台运行 多任务时必用
--dry-run 预览不执行 首次测试用

为什么 Completion Contracts 是游戏规则改变者

旧版 /goal 的问题：模型说"我做完了"，但测试跑不过。这是 AI Agent 领域最大的信任危机——LLM 善于声称完成，但不善于确认完成。

v0.18 的解决方案：

旧流程：/goal → 模型操作 → 模型说"done" → 你手动验证 → 发现3个bug
新流程：/goal --verify "pytest && mypy src/" → 模型操作 → 自动跑测试 → 测试通过才算完成 → 附带验证证据

Hermes 现在会记录验证证据（verification evidence）——不是简单说"测试通过了"，而是附上实际的测试输出、覆盖率报告，让你可以直接检查。

后台多任务并行

# 同时启动三个任务，全部后台运行
/goal "Refactor auth module" --bg
/goal "Update API documentation" --bg  
/goal "Add unit tests for payment service" --bg

# 查看所有后台任务状态
/hermes status

# 所有完成后，结果合并到一个回合返回

v0.18 的 delegate_task 也支持并行扇出（fan-out）：

# 一条命令启动多个子代理并行研究
hermes "Research these 5 competitors in parallel and give me a comparison table"
# Hermes 自动创建5个 subagent，并行搜索，结果合并返回

/journey：AI 的记忆不再是黑箱

基本用法

/journey

这会显示一个时间线，包含 Hermes 学到的所有内容：
- 你的偏好（喜欢的代码风格、沟通方式）
- 你教过它的技能
- 它从对话中自动学习的记忆
- 项目特定的上下文

你可以：
- 编辑：修正错误的记忆
- 删除：清除不需要的内容
- 查看：理解 AI 为什么做出某个决定

在桌面版中，/journey 还会展示一个可交互的径向记忆图谱（radial memory graph），可视化你的 Agent 知道什么。

为什么这对创业者重要

长会话中，Agent 的记忆会累积偏差。一个错误的记忆可能导致后续所有交互都偏离方向。/journey 让你能定期"清理"Agent 的认知，保持准确性。

更多值得关注的新功能

/prompt：用编辑器写长提示词

/prompt
# 打开你的 $EDITOR（vim/nano/vscode）
# 用 Markdown 写完整需求，支持代码块、列表、表格
# 保存退出后自动发送给 Hermes

告别在单行输入框里挤 500 字的痛苦。

Mixture-of-Agents 升级

MoA 现在是一个一等公民的模型提供者——在模型选择器里直接选 moa/my-council，就像选 Claude 或 GPT 一样简单。每个参考模型的推理过程都会单独展示，最终答案流式输出。

# 设置 MoA 预设
hermes model add moa:my-council \
  --models claude-sonnet-5,gpt-5,gemini-2.5-pro \
  --aggregator claude-opus-4.8

# 然后像普通模型一样使用
hermes "这个架构设计有什么问题？" --model moa:my-council

更便宜的自我改进

v0.18 的自我改进循环（post-turn self-improvement loop）现在路由到一个辅助模型，而不是消耗主模型上下文来决定是否保存记忆。这意味着自我学习不再烧你的主力模型额度。

实操：搭建你的第一个 /learn 技能

Step 1：升级到 v0.18

# Docker 用户
docker pull nousresearch/hermes-agent:v2026.7.1

# pip 用户
pip install --upgrade hermes-agent

# 本地安装
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Step 2：做一个你想自动化的任务

# 以「每天生成竞品分析报告」为例
hermes "搜索今天 AI Agent 领域的5条重要新闻，整理成简报。来源包括 GitHub releases、HN、The Verge。输出格式：标题 + 一句话摘要 + 来源链接"

Step 3：沉淀为技能

/learn
# Hermes 会生成 ~/.hermes/skills/competitor-briefing/SKILL.md

Step 4：定时自动执行

# 添加到 cron（每天早9点自动生成）
hermes cron add "0 9 * * *" \
  --goal "生成今日竞品简报" \
  --skill competitor-briefing \
  --output ~/reports/daily-brief-$(date +%Y%m%d).md

Step 5：定期检查和优化

# 每周查看 Hermes 学到的内容
/journey

# 如果某个记忆过时了，直接编辑或删除
# 如果简报格式需要调整，重新做一遍然后 /learn 覆盖

总结

Hermes Agent v0.18 的核心哲学是：让 Agent 的自我进化变得可见、可控、低成本。

  • /learn 把技能创作从「写 Markdown」变成「做一次示范」
  • /goal --verify 把任务完成从「AI 声称做完」变成「测试通过才算」
  • /journey 把记忆从「黑箱」变成「你可以检查和编辑的时间线」

对于一人公司的 AI 创业者来说，这三个命令意味着：

  1. 重复工作零成本自动化：做一次，/learn，永远自动
  2. AI 输出可信任：不是"它说做完了"，而是"验证证据显示做完了"
  3. Agent 成长透明化：知道它学了什么、改了什么、为什么这么决策

v0.18 已经发布（2026.7.1），目前 216k GitHub Stars。快去升级体验。

参考来源：Hermes Agent v0.18.0 Release Notes · Hermes Agents Blog

AI创业 #HermesAgent #一人公司 #AI工具 #Agent工坊