217K GitHub Star、~700个P0/P1全部清零——Hermes Agent上线仅5个月，v0.18 "The Judgment Release" 带来了三个一人创业者的效率倍增器。
为什么你应该关心这个版本
7月1日，Nous Research发布了Hermes Agent v0.18.0——代号"The Judgment Release"（裁判官版本）。名字有两层含义：第一，团队在12天内把整个仓库的~700个P0/P1问题全部清零；第二，Agent本身学会了"自我判断"——不光说"我做了"，还能证明"做对了"。
对AI创业者来说，v0.18有三个立即可用的杀手级功能：
/learn：一句话教会Hermes一个新技能，不需要手写Markdown模板/goal：设定完成标准，Agent自己跑测试验证，不再"我觉得修好了"delegate_task后台并发：一次派发多个子任务，你去干别的，回来收结果
这三招加起来，等于把一个"高级对话机器人"变成了"会学习、会自我检验、能并行工作的AI员工"。
第一招：/learn — 一句话教会AI新技能
以前怎么教Hermes新技能？
旧版本（v0.17及之前）的作者流程是：
# 1. 在 ~/.hermes/profiles/default/skills/ 下创建目录
mkdir -p ~/.hermes/profiles/default/skills/my-workflow
# 2. 手写一个 Markdown 文件
vim ~/.hermes/profiles/default/skills/my-workflow/skill.md
# 3. 按模板填 name, description, triggers, instructions...
你是不是连模板长什么样都要去翻文档？
现在：对Hermes说一句话就够了
# 方式1：用刚才走过的流程教它
/learn 把我刚才做的"每天早上8点自动抓取GitHub trending，筛选AI相关项目，
生成日报发到Telegram"这个流程学会
# 方式2：指向一个目录
/learn /home/agent/projects/my-deploy-workflow/
# 方式3：指向一个URL
/learn https://docs.example.com/my-ci-cd-process
Hermes会自动：
- 分析你做了什么或指向了什么
- 提炼出可复用的步骤
- 按CONTRIBUTING.md规范写入skill文件
- 下次你提到相关任务时，自动加载这个skill
实战演示：创建"AI内参日报"Skill
假设你每天早上要做这样的日报流程：
# 传统做法：手动跑4个命令
web_search "AI news 2026" | tee daily_scan.txt
python3 summarize.py daily_scan.txt > report.md
python3 format_for_telegram.py report.md
python3 send_telegram.py --chat-id @my_channel --file report.md
现在只需：
# 第一次执行完整流程时，Hermes会跟着你做
# 完成之后：
/learn 把刚才的"抓AI新闻→摘要→格式化→发Telegram"学会，命名为ai-daily-brief
之后每天早上只需要：
/ai-daily-brief
Hermes会自动调用web_search、Python脚本、Telegram API，按你教它的顺序执行。
为什么这对一人公司至关重要
一人创业者最大的瓶颈是知识无法复用。今天写了一篇SEO文章，明天又要从头来。/learn 就是你的"流程记录员"——每做一次任务，自动沉淀成可复用的技能。你的AI团队会自己长大。
关键数据：v0.18.0版本共关闭~1950个issue/PR，其中370+位社区贡献者参与。/learn和/journey模块由核心团队@teknium1和@OutThisLife主导开发(#51506, #52372, #55555)。
第二招：/goal — 让AI自己证明"任务真的完成了"
AI最大的谎言："我觉得修好了"
用Claude Code或Cursor写过代码的人都经历过：
你: 修复这个登录bug
AI: 已修复！（改了3行代码）
你: 你运行测试了吗？
AI: 抱歉，我没有运行测试。让我现在运行...
【测试失败：还有2个相关用例未通过】
这是AI Agent的根本问题：LLM说"done"不等于真的done。
Hermes v0.18的解决方案：完成合约（Completion Contract）
# 设定完成标准——用可验证的条件定义"完成"
/goal "重构user_auth模块，保持所有37个已有测试通过，API响应时间<200ms"
# 指定验证命令
/goal pre_verify "pytest tests/test_user_auth.py -v && python benchmark_api.py --threshold 200"
# 让目标在后台运行
/goal wait
Hermes会：
1. 开始工作，修改代码
2. 自己跑pytest验证
3. 检查测试结果——不通过就继续改
4. 跑性能基准测试
5. 只有所有条件都满足时才报告"完成"
完成合约的实际价值
对比一下传统Agent和v0.18的区别：
| 场景 | 传统Agent | Hermes v0.18 + /goal |
|---|---|---|
| 重构代码 | "我改好了"（测试没跑） | 跑完37个测试，全绿才报告 |
| 写API | "功能实现了"（超时500ms） | benchmark验证<200ms才停 |
| 配环境 | "依赖装好了"（有版本冲突） | pip check通过才结束 |
| Cron脚本 | "应该能跑"（没测试） | 实际执行验证成功 |
核心变化：从"模型说做完"变成"证据说做完"。这对一人公司意味着——你的AI员工可以独立完成需要质量保证的任务，而不只是生成代码。
这个机制的PR由@teknium1和@OutThisLife贡献(#50501, #52285, #55413, #53552)。
第三招：delegate_task 后台并发 — 一个人管一支AI部队
旧版：一次一个子任务，你得等着
# v0.17的delegate_task：串行执行
delegate_task(goal="调研竞品A", ...) # 等5分钟
delegate_task(goal="调研竞品B", ...) # 再等5分钟
delegate_task(goal="调研竞品C", ...) # 再等5分钟
# 总计：15分钟，你一直在等
新版：全部并发，你不等
# v0.18的delegate_task：并行fan-out
delegate_task(
goal="调研这5家竞品的产品、定价、用户评价，每个生成300字报告。
完成后合并为一份竞品分析总报告。",
fan_out=5, # 同时派出5个子Agent
background=True # 后台运行，不阻塞你的对话
)
# 你可以继续问别的问题，5个Agent在后台同时工作
# 全部完成后，Hermes自动合并结果，一条消息呈现
在CLI和TUI中，状态栏会实时显示子Agent的进度：
[=====> ] 竞品A: 调研中... (2/5)
[========> ] 竞品B: 撰写报告... (3/5)
[===> ] 竞品C: 搜索中... (1/5)
[=========] 竞品D: 完成 ✓
[====> ] 竞品E: 分析定价... (2/5)
一人公司的典型并发场景
场景1: 内容生产
├── 子Agent 1: 搜AI热点 + 写大纲
├── 子Agent 2: 搜竞品文章 + 提取差异化角度
├── 子Agent 3: 生成配图prompt
└── 主Agent: 合并结果 + 写全文
场景2: 代码审查
├── 子Agent 1: 安全审查
├── 子Agent 2: 性能审查
├── 子Agent 3: 代码风格审查
└── 主Agent: 合并审查报告
场景3: 市场调研
├── 子Agent 1: 爬取ProductHunt AI分类
├── 子Agent 2: 分析HN讨论热度
├── 子Agent 3: 扫描GitHub trending
├── 子Agent 4: 检查Reddit社区评价
└── 主Agent: 多维交叉分析报告
这个功能的PR由@teknium1贡献(#49734)。
额外赠送：MoA（多模型委员会）像选模型一样简单
v0.18把Mixture-of-Agents从一种"模式开关"变成了一等公民模型：
# 之前：需要切换到MoA模式
/moa on
# 然后再提问...
# 现在：直接选一个MoA预设，就像选GPT或Claude一样
/model select moa/my-council
# "my-council"可能包含：GPT-5 + Claude 4 + Grok + DeepSeek
# 然后正常提问即可
更厉害的是——你能看到每个模型的思考过程：
🤖 GPT-5 的观点：
[完整的推理过程...]
🤖 Claude 4 的观点：
[完整的推理过程...]
🤖 Grok 的观点：
[完整的推理过程...]
📊 综合结论（GPT-5合成）：
[结合三方观点的最终答案，实时流式输出]
对创业者来说，这意味着：做重大决策时可以同时咨询4个顶级AI，看它们的推理过程，再收一个综合建议——而且就跟选模型一样简单。
快速上手指南
升级到v0.18
# 如果已安装
hermes update
# 或全新安装
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
# 确认版本
hermes --version
# 应输出: Hermes Agent v0.18.2 (v2026.7.7.2)
三招速成
# 1. 教它一个技能（做完一个流程后）
/learn 把我刚才的流程学会，命名为deploy-check
# 2. 设定可验证的目标
/goal "写一个REST API，所有12个端点的单元测试通过，coverage>80%"
# 3. 并发派活
# 在对话中说：
"同时帮我：A)查Hermes最新版本号 B)查OpenClaw最新版本号 C)查Claude Code最新版本号
三个都完成后合并成一行版本对比表"
记住这些命令
| 命令 | 作用 | 适用场景 |
|---|---|---|
/learn <内容> |
一句话创建可复用技能 | 任何重复性流程 |
/goal <描述> |
设定带验证标准的长期任务 | 需要质量保证的编码任务 |
/goal wait |
把goal放到后台 | 长任务不想等 |
/journey |
查看Agent的知识成长时间线 | 检查/管理Agent学会了什么 |
/model select moa/ |
选多模型委员会 | 需要深度分析的重要决策 |
delegate_task(fan_out=N) |
并行派N个子Agent | 多任务同时处理 |
总结
Hermes v0.18 "The Judgment Release"的核心可以总结为三句话：
/learn让你的AI团队自己成长——每次使用都在积累可复用的技能/goal让你的AI团队自己证明——不再相信"我做好了"，只相信通过的测试- 后台并发 让你一个人当十个用——派活之后不用等，回来收结果
对AI创业者来说，这些功能不是锦上添花——它们是从"AI辅助工具"到"AI员工"的关键跨越。
217K GitHub Star、370+贡献者、P0/P1清零——这是一个值得你升级的版本。