用Hermes一周,它自动生成了4个直接运行的Skill

1. 背景

这周我一直在用 Hermes Agent。用着用着,发现它自己沉淀了 4 个 Skill。这个点很有意思,因为它不是你手动建出来的,而是你多跑几次任务之后,它自己慢慢长出来的。作为程序员,我很想知道这套东西到底怎么工作的。

刚好 OpenClaw 我也用了几个月。我们这边其实也在做类似的事,只是路径不太一样。Hermes 更像把"学习"直接塞进了运行时,OpenClaw 则更像一套偏工程化、偏人工把关的沉淀流程。现在我把这两种路子放在一起对比下。

2. 核心内容

2.1 Hermes自动创建Skill机制

从源码里的 SKILLS_GUIDANCE 看,Hermes 对 Skill 的处理其实分成两段:一段是"什么时候该沉淀",另一段是"用坏了就立刻修"。

它的提示词里写得很直接:完成复杂任务(5+ tool calls)、修复棘手错误、发现非平凡工作流程后,就应该用 skill_manage 把这套做法保存成 Skill,方便下次复用。反过来,如果使用某个 Skill 时发现它过时、不完整或有错误,就要立刻用 skill_manage(action='patch') 修补它,不要等用户再提醒。

按 Hermes Agent v0.10.0 的源码,这套闭环由两个工具分工完成:skill_manage 负责创建与 patch,skill_view 负责加载复用,两者配合形成从沉淀到复用再到回修的完整链路。

2.2 OpenClaw Skill沉淀实践

OpenClaw 这几个月也慢慢把一套半自动的 Skill 沉淀流程跑出来了。思路和 Hermes 有相通的地方,但落地方式明显更偏可控:

  1. 触发层:目前更接近「人工触发 + Agent 主动提议」的混合模式。用户可以显式要求创建或改进 Skill,Agent 也可以在会话里识别出重复劳动、踩坑或非平凡工作流程,然后建议把经验沉淀下来。
  2. 沉淀层:一旦决定沉淀,Skill 资产会尽量收敛到标准目录结构里,通常是「SKILL.md + 可执行 scripts + references」,避免经验只停留在聊天记录和一次性脚本里。
  3. 反哺层:新 Skill 或已有 Skill 的改动,走的是显式 review 和本地落盘链路,优先保证结构透明、可解释、能二次维护,而不是追求全自动黑盒入库。
  4. 迭代层:OpenClaw 的优化方式更像「基于真实会话摩擦点做小步修补」。重点不是后台自动吃运行指标,而是把具体报错、用户纠正和绕路经验,翻译成更稳的 Skill 指令或脚本。

说白了,OpenClaw 这套机制已经能稳定支持 Skill 沉淀,但它走的不是"让系统自己长",而是"把经验整理成结构化资产,再慢慢磨"。代价是没有 Hermes 那么丝滑,换来的好处是更容易 review,也更容易长期维护。

2.3 核心差异对比

两种模式核心差异如下:

维度 OpenClaw模式 Hermes模式
触发方式 人工触发为主,Agent 可基于会话信号主动提议 官方定位更偏运行时自动学习与沉淀
透明度 强调显式 review、结构透明和可维护性 先沉淀再迭代,内部过程更黑盒
Skill结构 偏工程化约束,常见形态是 SKILL.md + scripts + references 官方强调 SKILL.md 为核心,附属资源按需扩展
迭代闭环 基于真实摩擦点做小步修补 官方明确支持从反馈和后续使用中持续打磨
适用场景 适合对稳定性、可控性、可审计性要求更高的团队场景 更适合希望低门槛获得自动沉淀体验的个人场景

3. 总结

目前的体感是:Hermes 更适合想直接上手的人。它的学习闭环确实很顺,用着用着就会自己沉淀 Skill;但缺点也明显,就是有点黑盒,我不太知道它每次具体为什么沉淀、沉淀了什么。

所以我现在把 Hermes 工作空间 ~/.hermes 放到了 Git 里,每天早晨让它自动提交一次,再让它告诉我过去一天到底改了什么。这样至少能把这个黑盒稍微掰开一点。 相比之下,OpenClaw 没有 Hermes 那种"自己长出来"的丝滑感,但掌控感更强,结构也更清楚。你能看到 Skill 是怎么写的,脚本放在哪里,经验是怎么被沉淀进去的。

不过话说回来,Hermes 这种自动迭代、把学习闭环塞进运行时的思路,可能正是它最近让人觉得有意思的原因。

相关推荐
ZzT5 分钟前
三个 Claude 代码审查 skill 用了半年、1,306 条评论:最简单的修复率 68.9%,最复杂的 59.2%
ai编程·claude
threerocks11 分钟前
Seedream 5.5 vs GPT Image 2.6:15 道题实测,同一份提示词,不挑图
aigc
工程小白菜15 分钟前
AI 生成的代码谁来验收?从 Copilot 到 WorkBuddy 的三个实践
前端·ai编程
唐老板1 小时前
AI 都会编程了,Java 何去何从
java·ai编程
wangruofeng10 小时前
AI Models 1.1.0 发布,查大模型价格、对比模型和找 API 地址
前端·aigc·ai编程
土豆125013 小时前
dsh-orchestrator 介绍与使用实践:让你的 AI 从「一个人硬扛」到「带团队干活
llm·ai编程·deepseek
小虎AI生活13 小时前
Vibe 知识视频火了!不剪辑不烧积分,我用 WorkBuddy 直出两条成片
aigc·ai编程
狼爷14 小时前
别再问 “AI 会不会取代人” 了,这问题太便宜
aigc
IT规划师16 小时前
热点速递 | Chrome、Edge、Firefox、MDN 把 Web 最佳实践做成 Skill
ai编程