Ai Agent

Hermes 装好了，但你真的用对它的技能系统了吗？

Hermes 的技能系统远不止"装几个插件"那么简单。三层渐进加载、按需触发、自动学习闭环——这套机制决定了你的 Agent 是"裸机聊天"还是"专业助手"。本文从原理到实操，讲清找技能、装技能、用技能、写技能的全流程。

仙踪问道

22 Jun 2026 — 7 min read

说实话，大部分人装完 Hermes 之后的使用方式是：打开终端，敲 hermes，然后开始对话。模型不错，回答也挺好，但总感觉差了点什么——让它写个 GitHub PR 流程，它给了你一份操作手册；让它优化 SEO，它给了一堆泛泛的建议。

问题出在哪？你一直在用 Hermes 的"裸机模式"。

技能包到底是什么？不是插件，比插件聪明

Hermes 官方把 Skill 定义为"按需加载的知识文档"——一份带 YAML 头信息的 Markdown 文件，教会 Hermes 如何处理特定任务。它不是传统意义上的插件（没有二进制、没有运行时依赖），而是一套结构化的"做事方法论"。

举个例子：一个 GitHub PR 工作流技能，里面写好了"什么时候切分支、commit message 用什么格式、什么时候跑 gh pr create、PR 描述要包含哪些信息"。Hermes 读到这份文档后，就知道了这套流程——你再告诉它"帮我给这次的改动提个 PR"，它不会给你写操作手册，而是直接动手干活。

理解了这个本质，你就能明白 Hermes 为什么把这套机制叫做"技能"而不是"插件"：插件是给系统加功能，技能是给 Agent 教方法。

三层加载：装 100 个技能也不会炸 token

这是 Hermes 技能系统最巧妙的设计。它不是一次性把所有技能内容塞进上下文（那样 token 早炸了），而是分三层按需加载：

层级	加载内容	Token 消耗	触发时机
Level 0	所有技能的名称 + 一句话描述	~3k tokens	会话启动时自动注入
Level 1	单个技能的完整 SKILL.md	按需	Agent 判断任务相关时调用 skill_view
Level 2	技能内的 references/ 或 scripts/ 文件	按需	深度需要时才读取

这个设计意味着：你装 10 个技能和装 100 个技能，日常对话的 token 开销几乎一样——只有那些跟当前任务真正相关的技能才会被展开。这也是为什么 Hermes 官方建议"让技能保持聚焦"：一个"如何部署 Python 应用到 Fly.io"的技能，比一个"涵盖所有 DevOps"的大而全技能实用得多。

去哪找技能？官方 Hub + skills.sh 两条路

Hermes 内置了一个技能市场，直接在终端里就能浏览和搜索：

# 浏览所有可用技能
hermes skills browse

# 按关键词搜索
hermes skills search github
hermes skills search kubernetes --source skills-sh

# 安装前先预览
hermes skills inspect <技能名称>

# 一键安装
hermes skills install <技能名称>

# 更新全部已安装技能
hermes skills update

安装后技能直接写入 ~/.hermes/skills/，重启会话就能用，零配置。

如果你在多个 Agent 工具之间切换（比如同时用 Hermes、Cursor、OpenClaw），skills.sh 是更好的选择——它把技能装到 ~/.agents/skills/ 这个跨平台标准目录，然后在 Hermes 的 config.yaml 里加一行 external_dirs 配置就能共享。不过对大多数人来说，hermes skills install 已经足够了。

而且你不需要退出对话去装技能。在 Hermes 会话里直接敲：

/skills search github
/skills install github-pr-workflow

装完 /reload-skills 刷新一下，当场就能用。

三种触发方式，不用记命令

很多人以为技能必须用 /skill-name 这种斜杠命令才能触发。实际上 Hermes 支持三种方式：

斜杠命令：/github-pr-workflow 帮我给这次的改动提PR——最直接的方式
自然语言：直接说"帮我用简历优化技能处理这份JD"，Hermes 会自己用 skill_view 加载对应的技能
自动识别：Hermes 根据你的任务描述，自动在技能列表中匹配最相关的技能并加载

第三种最省心——你只管说你要干什么，Hermes 自己判断该调用哪个技能。技能列表越多，它的"直觉"越准。

五分钟写一个自己的技能

技能的门槛极低。在你的 ~/.hermes/skills/ 下面新建一个目录，写一份 SKILL.md 就行：

~/.hermes/skills/
└── my-tools/
    └── docker-cleanup/
        ├── SKILL.md
        └── references/
            └── common-issues.md

SKILL.md 的核心结构就四块：什么时候用（触发条件）、怎么做（步骤流程）、容易踩什么坑（Pitfalls）、怎么验证（Verification）。YAML 头信息写清楚名字、描述和标签：

---
name: docker-cleanup
description: 清理 Docker 无用的镜像、容器和卷，释放磁盘空间
version: 1.0.0
metadata:
  hermes:
    tags: [devops, docker]
    category: devops
---

Hermes 还有一个独特的能力：任务完成后自动提议生成技能。当你完成一个复杂任务（5 次以上工具调用），Hermes 会主动问你"要不要把这个流程保存为技能？"——把刚才踩过的坑、走过的弯路、验证过的好使的命令全部写进去。这就是 Hermes 的"学习闭环"，用着用着，它对你工作场景的理解会越来越深。

Skills 不是 Memory，别搞混了

很多新用户会把这两件事弄混，官方给了一个很形象的区分：

	Skills（技能）	Memory（记忆）
存什么	怎么做事（程序性知识）	事物是什么（事实性知识）
什么时候加载	按需，任务相关时才加载	每次会话都注入
能有多大	可以几百行	应该尽量紧凑
典型例子	"如何部署到 Kubernetes"	"用户偏好深色模式"

经验法则很简单：会写进参考文档的放技能里，写在便利贴上的放记忆里。

不止 CLI，15+ 平台都能用

Hermes 的技能系统不挑平台。同一个 GitHub PR 工作流技能，你在终端里能用，在 Telegram、Discord、Slack、企业微信、飞书、钉钉上也能用。而且可以通过 hermes skills config 按平台细粒度控制——比如在 Telegram 上只保留日常助理类技能，把开发类技能关掉，避免误触发。

仙踪问道团队在为国内用户部署 Hermes 的过程中也观察到，用户在完成基础安装后最大的效率跃升，往往不是换模型，而是装对了三到五个匹配自己工作场景的技能包。一个装了代码审查、GitHub 工作流和 Docker 管理技能的用户，跟一个"裸机"用户相比，处理日常开发任务的效率差异肉眼可见。

技能的积累是 Hermes 区别于其他 AI Agent 的核心壁垒——它不是一次性配置，而是随着你的使用持续进化的能力系统。你今天教会它的每一件事，下个月它还记得。