06-Hermes 三层记忆系统（下）：技能记忆——AI 自己生成 Skill 的秘密

摸鱼同学2026-06-20 20:15

Hermes 三层记忆系统（下）：技能记忆------AI 自己生成 Skill 的秘密

会话记忆让 Hermes 记住"刚才聊了什么"。持久记忆让 Hermes 记住"你是谁"。但 Hermes 最独特的能力是第三种记忆------技能记忆。当它观察到你反复纠正同一类问题，它会自己生成一个 Skill，以后自动按那个 Skill 执行。这是"自进化"的核心引擎。

技能记忆是什么

技能记忆不是"你教 AI 怎么做"------是"AI 观察你，然后自己总结了一套规则"。

复制代码 
普通 AI 的学习路径（你在教）：
  👤 "记住，以后 for 都改成 map"
  🤖 "好的，记住了"
  → 这是一条规则，存在某处

Hermes 的学习路径（它在学）：
  👤 "用 map 吧"（第 1 次）
  👤 "改成 map"（第 2 次）
  👤 "说了用 map"（第 3 次）
  🤖 [后台分析]
     "检测到模式：用户连续 3 次将 for 循环改为 map。
      提取规则：'生成数组遍历代码时使用 map/filter/reduce 而非 for/while'。
      关联：[user] code_style: 函数式
      置信度：0.85
      生成 Skill: auto-code-style-functional"
  → 下次自动用 map，不再需要你纠正

技能记忆 = 持久记忆中的 feedback 类型条目 + 自动触发 Skill 生成引擎。

技能记忆的生成过程：五步详解

第一步：触发------什么时候开始"注意"

复制代码 
触发条件（三个条件全部满足）：
  ① 同一类型的纠正 ≥ min_corrections 次（config.yml 默认 3 次）
  ② 纠正发生在不同的会话中（不是同一场对话里反复说）
  ③ 每次纠正的模式一致（"改成 map"、"用 map 吧"、"说了用 map" → 同一意图）

不会触发的情况：
  → 同一场对话里纠正了 3 次（可能只是你当时心情不好）
  → 纠正模式不统一（一次说"用 map"，一次说"用列表推导"，一次说"用 filter"）
  → 时间跨度太短（30 分钟内纠正 3 次 → 可能只是在调试）

第二步：分析------提取可执行的规则

Hermes 不只是记录"用户偏好 map"，而是尝试把它变成一个可执行、可验证的规则：

复制代码 
原始观察：
  纠正 1: for item in items: result.append(process(item))
         → 改成: result = [process(item) for item in items]
  纠正 2: for user in users: active.append(user)
         → 改成: active = [u for u in users if u.is_active]
  纠正 3: for log in logs: print(log.level)
         → 改成: [print(log.level) for log in logs]

分析输出：
  规则名称: "遍历优先用推导式或 map"
  触发条件: 代码中出现 for 循环对可迭代对象做遍历+聚合操作
  正确做法: 使用列表推导式（简单情况）或 map/filter（复杂情况）
  反例代码: [三个原始 for 循环的代码]
  正例代码: [三个纠正后的代码]
  检查清单:
    - [ ] 代码中是否有 for 循环仅做遍历+收集操作
    - [ ] 如果是 → 替换为列表推导式或 map/filter
    - [ ] 替换后代码是否比原来更短

第三步：生成------创建一个 SKILL.md

markdown 复制代码 
# Auto-Generated Skill: code-style-functional

**来源**: 自动生成
**置信度**: 0.85
**生成时间**: 2026-06-04
**触发纠正次数**: 3
**关联记忆**: [[user: code_style: 函数式]]

## 规则

当生成 Python 代码涉及数组遍历和转换时，优先使用以下方式（按优先级排序）：

1. 列表推导式（简单映射/过滤）
2. map() + filter()（需要函数引用时）
3. for 循环（其他情况，如需要 break/continue/副作用）

## 示例

❌ 不要:
```python
result = []
for item in items:
    result.append(process(item))

✅ 应该:

python 复制代码 
result = [process(item) for item in items]

检查清单

  • 代码中是否有 for 循环仅做遍历+收集操作

  • 替换后代码是否可读

  • 不适用于有副作用的遍历（如写文件、发网络请求）

    这个 SKILL.md 会保存在 ~/.hermes/skills/auto/ 目录下，下次对话时自动加载。

    第四步：应用------自动注入到上下文

下次你说：

👤 "帮我写一个函数，把用户列表里所有 email 转成小写"

Hermes 的处理流程：

  1. 加载 auto-code-style-functional SKILL.md
  2. 检查清单触发："有 for 循环仅做遍历+收集操作？"
  3. 生成代码时直接使用列表推导式：

    user.email.lower() for user in users

  4. 不再使用 for 循环

你不需要再纠正。甚至不需要知道这个 Skill 的存在。

复制代码 
### 第五步：迭代------持续优化

Skill 不是一成不变的。你的后续行为会继续影响它：

场景一：你认可了这个 Skill

→ 连续 5 次你没纠正 → 置信度 0.85 → 0.95

→ Skill 更"稳固"，应用更果断

场景二：你部分纠正了

👤 "list comprehension 没问题，但 filter 的时候还是用 for 吧，可读性更好"

→ Hermes 更新 Skill，添加例外规则

→ 置信度微降 0.85 → 0.80（因为发现了不适用的情况）

场景三：你完全否定了

👤 "不用 map，全部改回 for"

→ 置信度 0.85 → 0.3

→ 低于阈值（min_confidence: 0.7）→ Skill 自动停用

→ 如果你继续纠正，Skill 不会被重新激活（因为已经被明确否定）

复制代码 
---

## 查看和管理自动生成的 Skill

### 查看

```bash
# 列出所有自动生成的 Skill
hermes skills list --source auto

# 输出示例：
# 🤖 auto  code-style-functional     置信度 0.85  应用次数 12  生成 2026-06-04
# 🤖 auto  error-message-lang-zh     置信度 0.92  应用次数 8   生成 2026-05-28
# 🤖 auto  db-try-except-pattern     置信度 0.78  应用次数 5   生成 2026-05-20
# ✍️ manual  project-api-format      置信度 1.00  应用次数 25  创建 2026-05-15

# 查看一个 Skill 的完整内容
hermes skills show code-style-functional

# 查看 Skill 的应用历史
hermes skills history code-style-functional
# 输出：
# 2026-06-04 15:30  应用 ✅  生成代码时使用列表推导式
# 2026-06-04 10:15  应用 ✅  生成代码时使用列表推导式
# 2026-06-03 18:00  应用 ⚠️  但用户纠正了一次（filter 时用 for 更好）

批准/拒绝/修改

当 review_before_apply: true 时（默认），自动生成的 Skill 需要你确认才生效：

bash 复制代码 
# 查看待确认的 Skill
hermes skills pending

# 输出：
# 🤖 auto  prefer-pydantic-v2-syntax  (置信度 0.82, 4 次纠正)
#   触发规则：你在纠正中将 Pydantic v1 语法改为 v2 语法
#   影响范围：所有涉及数据模型的代码生成
#   [A] 批准  [R] 拒绝  [E] 编辑  [I] 忽略本次

# 批准
hermes skills approve prefer-pydantic-v2-syntax

# 拒绝（并说明原因）
hermes skills reject prefer-pydantic-v2-syntax --reason "项目还在用 v1，暂不升级"

# 编辑后再批准
hermes skills edit prefer-pydantic-v2-syntax
# 打开编辑器 → 修改规则 → 保存 → 自动批准

停用和删除

bash 复制代码 
# 暂时停用一个 Skill（保留但不再自动加载）
hermes skills disable code-style-functional

# 重新启用
hermes skills enable code-style-functional

# 完全删除
hermes skills delete some-bad-skill

一个两周的技能演进案例

以 code-style-functional 这个自动生成的 Skill 为例：

复制代码 
Day 1-3（观察期）:
  对话 1: 纠正了 for → map
  对话 2: 纠正了 for → 列表推导式
  触发条件未达到（＜ 3 次），只是记录为 feedback 条目

Day 4（触发）:
  对话 3: 纠正了 for → 列表推导式
  → 第 3 次同类纠正！
  → 触发分析：用户偏好函数式遍历
  → 生成 Skill v0.1（置信度 0.70）
  → 进入 pending 状态，等待确认

Day 5（批准生效）:
  你批准了 Skill
  → 开始自动应用
  → 但应用策略比较保守：只在"明显应该用推导式"时应用

Day 8（第一次迭代）:
  对话 5: 👤 "这个 filter 逻辑用 for 吧，可读性更好"
  → Hermes 记录例外：filter 场景用 for
  → 更新 Skill v0.2（添加例外规则，置信度 0.78）

Day 12（第二次迭代）:
  对话 7: 连续 3 次生成代码你都没纠正
  → Hermes 提升置信度：0.78 → 0.88
  → 应用策略变得更果断

Day 14（稳定）:
  对话 9: 生成代码完全符合你的风格
  你完全不需要纠正
  Skill 置信度：0.92，应用次数：15
  → 从"待确认"变成"稳定规则"

当自学习学错了

最需要警惕的情况------Hermes 把一次"特殊情况"错当成了"通用规则"：

复制代码 
错误案例：

Day 1: 你在写一个性能敏感的模块
  👤 "这个地方别用 map，用 for 循环快一点"
  （理由：这个特定场景下 for 比 map 少一次函数调用）

Day 2-5: Hermes 注意到了另一个 for 循环的使用
  → 关联了 Day 1 的纠正
  → 错误推断："用户似乎偏好 for 循环而非 map"
  → 生成 Skill: prefer-for-loop

Day 6: 出问题了
  👤 "为什么你一直用 for？之前不是都用 map 的吗？"
  → Skill 和实际的用户偏好完全相反！

如何排查和修复

bash 复制代码 
# 1. 发现可疑的 Skill
hermes skills list --source auto --sort confidence
# prefer-for-loop  置信度 0.55  ← 很低的置信度但已经生效了

# 2. 看它的生成历史
hermes skills history prefer-for-loop
# 触发来源：2026-05-20，单次纠正
# （问题：为什么单次纠正触发了？因为被另一个相关记忆"强化"了）

# 3. 看它最近的应用
hermes skills history prefer-for-loop --recent 5
# 每次应用都收到了纠正 ← 说明 Skill 是错的

# 4. 关闭 + 回滚
hermes skills disable prefer-for-loop
hermes skills delete prefer-for-loop

# 5. 手动纠正相关记忆
hermes memory edit mem_xyz --content "仅在性能敏感的循环中使用 for，日常用 map/filter"

# 6. 防止再次生成
# 在配置中提高阈值：
# memory.skill.min_corrections: 5（从 3 提高到 5）
# memory.skill.min_confidence: 0.90（从 0.85 提高到 0.90）

防止学错的配置策略

yaml 复制代码 
memory:
  skill:
    auto_generate: true
    min_corrections: 3              # 推荐 3-5
    review_before_apply: true       # 初期永远 true
    min_confidence: 0.85            # 初期可以设高一点（0.90）

skills:
  autogen:
    enabled: true
    min_confidence: 0.85
    max_per_day: 5                  # 限制每天自动生成数
    max_total: 50                   # 限制总量
    require_multiple_sessions: true # 必须在多个会话中都出现（防止单次对话误判）

手动创建 Skill vs 自动生成 Skill

复制代码 
手动创建（你写的 SKILL.md）：
  优势：
    → 一步到位，不需要等待观察期
    → 100% 准确（你明确知道规则是什么）
    → 可以写复杂的条件逻辑
  劣势：
    → 需要你主动意识到"这个规则应该存在"
    → 维护负担在你身上

自动生成（Hermes 自己写的 SKILL.md）：
  优势：
    → 发现你没意识到的模式（"原来我 8 次纠正了同一个东西"）
    → 零维护------生成、更新、过期全自动
    → 随你的偏好变化而变化
  劣势：
    → 需要观察期（3-5 次纠正）
    → 可能学错（置信度低时需要你审核）
    → 对复杂的、条件性的规则提取不准确

最佳实践：
  → 核心规则、安全规则 → 手动创建（一步到位，不出错）
  → 代码风格、个人偏好 → 让 Hermes 自动学（你未必意识到自己的模式）

手动创建 Skill 的格式

bash 复制代码 
# 创建自定义 Skill
hermes skills create my-coding-rules

# 自动打开编辑器，填入：
markdown 复制代码 
# my-coding-rules

## 适用范围
所有 Python 后端代码生成

## 规则

1. 所有函数类型标注完整（参数 + 返回值）
2. 数据库操作使用 async/await
3. 配置文件从环境变量读取，不硬编码
4. 日志使用 structlog，不直接用 print

## 示例

❌
```python
def get_user(id):
    return db.query(User).filter(User.id == id).first()

✅

python 复制代码 
async def get_user(user_id: int) -> User | None:
    async with get_db_session() as db:
        return await db.query(User).filter(User.id == user_id).first()

检查清单

  • 所有函数有完整类型标注
  • 数据库操作是异步的
  • 配置从环境变量读取
  • 使用 structlog 而非 print

这篇文章的要点

  1. 技能记忆 ≠ 持久记忆中的一条规则

    → 它是规则 + 触发条件 + 示例 + 检查清单 + 自动应用引擎

  2. 五步生成过程：

    触发（3+ 次同类纠正）→ 分析（提取可执行规则）→ 生成（写 SKILL.md）

    → 应用（下次自动加载）→ 迭代（持续优化置信度）

  3. review_before_apply: true 是最重要的安全阀

    → 自动生成的 Skill 需要你确认后才生效

    → 初期永远保持 true

  4. 手动 Skill（核心规则）+ 自动 Skill（个人偏好）= 最佳组合

  5. 学错了怎么办：

    hermes skills history → 排查 → disable → delete → 调整阈值

延伸阅读

热门推荐
012026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？022026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04【AI】2026 年具身智能模型和世界模型总结05GitHub 镜像站点06AI科技热点日报 | 2026年6月1日07AI一周事件 · 2026-06-03 至 2026-06-0908Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析09上线仅72小时被强制下架：Claude Fable 5 的短命10Codex 下载安装指南：Windows 和 macOS 官方版下载