揭秘Hermes Agent：如何让你的AI越用越聪明不再“金鱼记忆”【技术科普】

Hermes Agent通过五层记忆与技能固化机制实现“越用越聪明”：初始化user.md和memory.md注入用户与环境信息；成功任务自动固化为可复用Skill；周期性Nudge触发主动学习闭环；SQLite FTS5毫秒级跨会话检索；技能调用需匹配trigger关键词。

你想让AI记住你上周定下的代码规范、服务器地址和沟通偏好，而不是每次对话都从头解释；你希望它在三次修复同一个Git冲突后，自动生成可复用的解决流程，下次直接调用——这不再是幻想，Hermes Agent通过五层记忆与技能固化机制，把“越用越聪明”变成可落地的技术事实。

让AI记住你是谁：初始化user.md和memory.md

打开终端，进入Hermes Agent配置目录：cd ~/.hermes。

用任意编辑器新建两个文件：user.md和memory.md。前者只写你这个人——比如【name: 张工｜style: 禁用比喻，用编号步骤说明｜never: 不得生成Python 2语法】；后者专注当前环境——比如“项目名：订单中心｜技术栈：Go 1.23 + PostgreSQL 16｜关键路径：/srv/order-api”。

这两个文件会在每次会话启动时自动注入上下文，不是塞进Prompt里被覆盖，而是作为冻结前缀（Prefix Cache）常驻。如果忘记写user.md，AI会默认用通用语气；如果memory.md里残留已下线的老项目，AI可能据此生成错误部署命令。

技能自动生成：从一次成功执行到永久复用

当Hermes Agent完成一个复杂任务（如：自动修复CI失败→定位Dockerfile缓存问题→修改multi-stage构建顺序→验证镜像体积下降），它会在后台触发Skill生成流程。

生成的技能文件保存在~/.hermes/skills/下，命名类似ci-fix-docker-cache.md，含YAML元数据+步骤清单+验证方法。

下次遇到“CI又挂了，镜像太大”，Agent不再重推理，而是直接加载该Skill，跳过分析阶段，执行速度提升3～7倍。这个过程无需人工干预，但【必须确保任务执行结果被显式标记为success，否则不会触发生成】。

主动学习闭环：周期性Nudge如何催AI整理经验

系统每执行10个对话轮次（turn），或每300秒空闲期，会自动向Agent发送一条Nudge信号。

收到信号后，Agent启动Background Review子系统，扫描近期对话中出现的高频修正词（如“别用npm ci”“改用pnpm recursive”）、重复提问模式（连续3次问“怎么查Redis连接数”）、用户明确反馈（“这个步骤记下来”）。

它不立刻写入，而是先生成草案，等待你确认：“检测到您反复调整Git commit规范，是否生成git-conventional-commit.md技能？”——只有你输入y，才落盘。这一步防止误存噪音信息。

跨会话检索：用SQLite FTS5毫秒找回任意一句话

所有历史对话默认存入~/.hermes/history.db，启用SQLite的FTS5全文索引。

当你问“上次我说过API网关要加JWT白名单，具体怎么配的？”，Agent不翻上下文窗口，而是执行SQL查询：SELECT content FROM messages WHERE content MATCH 'API网关 JWT 白名单' ORDER BY ts DESC LIMIT 1。

响应时间稳定在10ms内，即使数据库已达10万条记录。它不依赖向量嵌入，避免语义漂移——搜“白名单”就只返回含该词的原始记录，不会错匹配成“访问控制列表”。

技能调用实操：三步让AI复用你教过的方法

第一步：确保目标技能文件存在于~/.hermes/skills/，且YAML头中trigger:字段包含当前任务关键词（如trigger: ["deploy", "staging"]）。

第二步：在聊天中明确说出触发词，例如：“把订单服务部署到staging环境”。

第三步：Agent识别后，会显示提示：“匹配技能：deploy-to-staging → 执行中…”，随后跳过常规推理，直接运行技能文档中定义的steps序列。

若未触发，检查trigger是否拼写一致——大小写敏感，且不支持通配符。这是最常卡住的环节。