Agent 开发的几乎都绕不开一个念头：智能体能不能越用越聪明？具体来说，能不能做到：
把做过的事自己沉淀下来
用户下次不用再把同一套流程教一遍
Hermes 对这个问题的处理没有往玄学上飘，也没吹嘘自己在后台偷偷训练新模型。它做得很朴素，也很工程化：每当 Agent 在任务里摸索出一套可以复用的做法，就通过 skill_manage 把这套做法写回本地技能文件。下次遇到类似任务，再把它拿出来继续用、继续改。
Hermes 的技能进化，不是参数层面的学习，更不是凭空长出什么新能力。它更像是把一次任务里跑通的经验，整理成一份能随时查阅、修改、甚至回滚的操作手册。
下面顺着这条链路拆开看一看。
Hermes 里”自动创建技能”的真实路径
自动创建技能：本质是文件写回，不是训练
Hermes 所谓的自动生成技能，本质上是一套工具调用流程，而不是训练流程。
Agent 并不会把一次任务丢给某个学习器，然后在模型参数里“长”出新能力。它做的是：
1. 任务进行时， 提醒模型尽量使用和维护技能；
2. 任务结束后， 回头审视这次有没有值得复用的流程；
3. 如果有， 就调用 skill_manage() 创建新技能，或者给旧技能打补丁；
4. 把结果写回本地技能目录， 让后面的会话可以直接复用。
所以 Hermes 的“进化”，准确来说是文件层面的经验写回。
听起来当然没有“模型自我学习”那么高级，但好处很实在：它可控。
它学到了什么，你能打开文件直接看。
它写到了哪里，你能精确定位。
它有没有写坏，你可以审查、回滚、再改。
下一次为什么做得更顺，也都有迹可循。
为什么能进化？经验有地可写，且支持打补丁
很多 Agent 系统并不是发现不了经验，而是发现之后没地方存储处理。
这次调通了一套部署流程，下次还得重新琢磨；这次踩过一个环境坑，下次换个会话又踩一遍。问题不是在于“有没有经验”，如果用户没有主动把本次流程固化为Skills就等于是“经验有没有被系统接住”。
Hermes 把这件事做成了一条明确的写回路径，skill_manage() 支持的操作包括：
create：创建一个新技能
patch：给已有技能打补丁
edit：重写 SKILL.md
write_file：给技能增加附属文件
remove_file、delete：删除内容
最值得关注的是打补丁。
Hermes 不鼓励 Agent 一上来就重写整份技能文档，而是更偏向“补一小段”。这更接近真实的维护习惯：任务里发现了一个新坑、一个命令差异、一个验证步骤，就把它追加或修正到相应位置。
这样做有几个实际好处：token 消耗更小，修改范围更窄，更适合持续修补那些从真实任务里冒出来的细节。并且它的打补丁不是死板的字符串替换，底层用了模糊匹配，模型不需要精确记住原文里的每个空格，只要上下文能对上，就有机会把补丁打到正确位置。这就是它能**“边用边修”**的原因。
自动创建不靠开关，而是三层机制叠在一起
Hermes 的技能进化不是靠某个神秘按钮触发的，更像是三层提示和流程叠加出来的结果。
1. 系统提示词持续提醒 系统提示会反复提醒模型两件事：复杂任务结束后，考虑要不要保存成技能；使用技能时，如果发现过时、缺漏或错误，及时打补丁。这会让模型不只盯着解决眼前问题，也会被引导去思考“有什么值得留下”。
2. 工具的 schema 告诉它“怎么保存”
skill_manage 的 schema description 里有详细的操作规范：什么情况适合创建，什么情况更适合打补丁，什么样的技能才算质量过关，创建和删除前最好确认用户意图。Hermes 不仅告诉模型“你可以保存经验”，还告诉它“别乱写，尽量这样写”。
3. 后台复盘把“想一想”变成固定流程
真正把这套机制推起来的，是 run_agent.py 里的后台复盘。Hermes 会维护一个技能计数器，当达到阈值，主任务完成后会启动一个后台复盘代理。这个代理不直接跟用户聊天，而是拿着当前会话快照加上复盘提示，专门判断“有没有值得沉淀成技能的非平凡工作流”。有就创建或更新，没有就安静退出。这就把“顺手记一笔”从模型自觉变成了系统级的固定动作。
后台复盘如何在主任务完成后异步沉淀技能
不是自治，不“裸写”：半自动背后的边界与安全
如果给这套机制一个准确的描述，就是：提示驱动、阈值触发、后台复盘、文件写回。它不是完全自治，主要有三个原因。
首先，是否值得保存仍然要靠模型判断，不会每次任务都产出新技能。其次，创建前确认用户意图更多是软约束，存在于提示和工具描述层，不是硬阻断。再者，它不是一个无限膨胀的知识工厂，重点是留下真正有复用价值的流程。
更能体现工程成熟度的，是它对写入环节的约束。只要允许 Agent 写文件，真正要关心的就不是“能不能写”，而是“写得稳不稳、边界够不够硬”。
Hermes 在 skill_manage() 的真实写入阶段做了大量校验：技能名称是否合法，分类是否合法，SKILL.md frontmatter 是否完整，内容大小是否超限，附属文件是否只写到允许的子目录，路径有没有穿越风险。写入后还会经过 skills_guard 安全扫描，不通过就回滚。尤其对 Agent 自己创建的技能，策略并不宽松，某些风险判定可能直接阻断。
技能写回不是直接落盘，而是带校验和回滚
复盘时机：后台一次，会话重置前再兜底一次
Hermes 没有在任务中途打断主流程，而是在主任务给出最终回复后，异步拉起一个轻量 Agent 做复盘。这个后台 Agent 复用当前模型和上下文快照，却不污染主会话，也不抢注意力。如果创建或更新了技能，前台只给一个很短的摘要提示。好处很直接：当前任务先完成，经验沉淀不干扰主推理，交付和复盘可以并行。
除了这种后台复盘，Hermes 还有另一道保险。当会话因为长时间不活跃或定时重置即将被清空，系统会再启动一轮清场复盘，用一个临时代理回顾整段对话，看看有没有遗漏的记忆或技能值得保存。很多复杂任务当下未必能立刻意识到是一套可复用流程，会话结束前再看一遍，等于给经验沉淀加了一层兜底。
因此，技能进化实际上有两个出口：主任务后的后台复盘和会话重置前的清场复盘。
为什么好用？工程化学习与可审计的闭环
一次复杂任务结束后，如果系统能把“什么时候该触发、先做什么后做什么、哪些命令有效、哪些坑已经踩过、最后怎么验证”这些信息留下来，下一次类似任务到来时，Agent 就不需要重新猜测，可以直接沿着上次真实跑通过的流程往前走。重复劳动少了，失败成本低了，而且因为技能是文件，人可以审查、补充、分发，团队协作也更容易。
所以我更愿意把 Hermes 的技能进化叫作“工程化学习”。它没有神秘感，但非常能落地。
归结成一句话：Hermes 让经验以工程资产的形式留下来，而不是散落在一次次对话里。 你也可以说“Hermes 自己长出技能了”，它长出的不是参数能力，而是一份份能打开查看、能继续维护、能打补丁、也能被安全扫描的技能文件。这背后是一条非常清晰的闭环：在任务中发现经验，在任务后判断价值，用工具写回，用安全机制限制风险，在未来会话中再次加载和修补。
它没有”自治超级智能”那么夸张，却很像真正能落地的软件工程——一个 Agent 变好用，不是因为它声称自己会成长，而是因为它知道经验应当放在哪里，下一次又该怎么拿出来用。