KeyFrame內部研究專用

Hermes Agent Harness Clearly Explained | Loop, Memory, Skills, Sub-Agents

Sean‘s AI Stories and AutoManus20 min英文
觀看原始影片

三句話摘要

Hermes agent harness 是一套本地運行的自學習 AI 代理系統,內建 loop engineering 機制,能自動積累技能和記憶而無需雲端。 Hermes 的核心價值是透過本地三層記憶的自動積累和自進化迴圈,打造真正理解使用者的個人 AI 助手,這種深度的用戶鎖定(lock-in)源於系統對個人知識的持久記憶,是未來 AI 代理工具的標準發展方向。 Harness 和 Loop 的實質:Harness 就是一套工具集,讓你控制 LLM 朝正確方向移動,而不是隨意漂移。Loop 是指代理在完成任務時,會自動判斷該調用哪些工具、發送什麼提示,最後才停止迴圈並回覆用戶。

重點整理

  1. Harness 和 Loop 的實質:Harness 就是一套工具集,讓你控制 LLM 朝正確方向移動,而不是隨意漂移。Loop 是指代理在完成任務時,會自動判斷該調用哪些工具、發送什麼提示,最後才停止迴圈並回覆用戶。

  2. 三層記憶架構:程序記憶儲存「如何行動」(透過 skills.md),語意記憶儲存「持久性事實」和「用戶檔案」(memory.md),事件記憶則是整個聊天歷史和日期事件(state.db),代理會自動將頻繁任務和新發現總結為新技能和記憶。

  3. 完全本地化與自進化:所有數據儲存在本機 .hermes 資料夾,無雲端上傳,代理能主動學習更新自己的技能和記憶,形成自改進迴圈。

  4. 多渠道整合:無論透過 WhatsApp、桌面應用或終端提問,底層都是同一個 agent run 迴圈,系統原理完全相同,只是進出入口不同。

實用技巧與重點

  • 官方網站:Hermes-agent.newresearch.com
  • 下載方式:提供 macOS、Windows 版本,也可用命令列安裝
  • 內建工具:終端、瀏覽器、任務委派、cron 排程、技能管理、MCP 連接
  • 記憶檔案位置:.hermes 資料夾內包含 sole.md(系統提示)、skills/ 目錄、memory.md、state.db
  • LLM 選擇:演示使用 Gemini 3.1,也支援 Anthropic
  • 系統提示自訂方式:編輯 sole.md 檔案(類似 Claude Code 的自訂指令)
  • 任務委派範例:能調用 Claude CLI 編寫程式、生成文件、驗證執行結果
  • 技能建立:明確請求「create skill」時會儲存在 skills.md
  • 記憶查詢:使用「search」工具查詢過去的聊天內容和保存的事實
  • 排程範例:cron job 設定「每分鐘講笑話,連續 10 分鐘」
  • Log 系統:提供 trajectory export、logs 記錄所有 agent run 和事件
  • WhatsApp 設定:輸入「Hermes WhatsApp」並按指引配置

結論

Hermes 的核心價值是透過本地三層記憶的自動積累和自進化迴圈,打造真正理解使用者的個人 AI 助手,這種深度的用戶鎖定(lock-in)源於系統對個人知識的持久記憶,是未來 AI 代理工具的標準發展方向。

完整解析

Hermes agent harness 是一套由 NuR Research 團隊開發、已獲得 20 萬顆星的開源自學習 AI 代理系統。整個系統的核心創新在於三層記憶結構和完全本地化運行,這與傳統雲端 AI 助手的架構截然不同。

系統架構採用「Harness 和 Loop」的設計模式。用戶透過多個入口(桌面應用、WhatsApp、終端)傳送提示,這些提示會進入工作記憶,並與系統提示(sole.md)結合。LLM 代理(支援 Gemini、Anthropic 等)隨後啟動一個迴圈(loop),在迴圈中根據需要調用各種工具:終端執行系統指令、瀏覽器搜尋資訊、委派任務給子代理(如調用 Claude CLI 寫程式)、或設定排程任務(cron job)。當代理判斷任務完成後,迴圈停止,系統回覆用戶。

最獨特的地方是三層記憶系統,全部儲存在本機 .hermes 資料夾,永遠不上傳雲端。第一層是程序記憶(skills.md),記錄「該如何行動」,例如如何使用 Claude CLI、如何格式化影片腳本。第二層是語意記憶(memory.md),儲存持久性事實和用戶檔案,如「使用者最喜歡的測試框架是 PyTest」。第三層是事件記憶(state.db),包含整個聊天歷史,系統會定期用輔助模型自動總結,將新發現蒸餾成語意記憶。這個過程完全自動化:當代理發現錯誤時會學習,當任務重複或複雜度高時會自動提議保存新技能。

系統提示透過 sole.md 檔案編輯,使用者可以完全自訂代理的行為。演示中講者編輯 sole.md 讓代理說話像皮卡丘,每次回應都用「pika pika」作開場和結尾。整個設計強調隱私和個人化,代理本質上就是「住在你本機檔案系統裡的機器人」,知道你的所有習慣、偏好和過去交互。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。