Hermes Agent 专题（下）：10 条实战技巧让你的 Agent 效率翻倍
这是 Hermes Agent 专题的最后一篇。上篇讲了它是什么；中篇讲了安装配置和 OpenClaw 迁移；本篇讲高效使用技巧。
装好了，配好了，能用了。但”能用”和”用得好”之间差距很大。
这篇总结了 10 条实战技巧，帮你把 Hermes Agent 从”一个 AI 工具”变成”一个越来越懂你的同事”。
1. 写好 AGENTS.md——给 Agent 一份项目说明书
在项目根目录放一个 AGENTS.md，写清楚项目架构、编码规范、常用命令。Hermes 每次会话自动加载，省去重复解释。
1
2
3
4
5
6
# Project Context
- FastAPI 后端 + SQLAlchemy ORM
- 异步优先，所有 DB 操作用 async/await
- 测试用 pytest-asyncio，放在 tests/ 目录
- 不要提交 .env 文件
- CI 用 GitHub Actions，workflow 在 .github/workflows/
关键：保持精简。每个字符都会消耗 token，因为它注入到每条消息的 system prompt 里。写最重要的信息，不要写小说。
子目录也可以有自己的 AGENTS.md，Hermes 在访问该目录时会自动发现并加载。
如果你已经有 .cursorrules 或 .cursor/rules/*.mdc，Hermes 也能读——不用重复配置。
2. 善用 SOUL.md 定义人格
编辑 ~/.hermes/SOUL.md，定义 Agent 的默认风格：
1
2
3
4
5
# Soul
你是一个资深后端工程师。简洁直接。
不解释除非被问到。偏好一行解决方案。
始终考虑错误处理和边界情况。
中文回复，技术术语保留英文。
SOUL.md 是全局的，影响所有会话。AGENTS.md 是项目级的，只在对应目录生效。两者配合使用效果最好。
也可以用 /personality 命令临时切换风格：
1
2
/personality pirate # 海盗风格（试试看，挺有意思）
/personality default # 恢复默认
3. 让 Agent 自己创建 Skills
这是 Hermes 的杀手级特性。
完成一个复杂任务后，说一句：
“把刚才的流程保存成 skill，叫 deploy-staging”
下次遇到类似任务，直接 /deploy-staging 调用。
Agent 也会自动创建 Skills——当它完成一个 5+ 步的复杂任务、遇到错误后找到正确路径、或者你纠正了它的做法时，它会主动把经验固化成 Skill。
更厉害的是：Skills 会在使用中自我改进。如果某个 Skill 执行时遇到了新的边界情况，Agent 会自动 patch 这个 Skill。
Skills 兼容 agentskills.io 开放标准，可以跨 Agent 共享。
4. 安装社区 Skills
不用什么都自己造。
1
2
3
hermes skills search kubernetes # 搜索
hermes skills inspect openai/skills/k8s # 预览（安装前先看看）
hermes skills install openai/skills/k8s # 安装
支持多个来源：
| 来源 | 示例 | 说明 |
|---|---|---|
| 官方 | official/security/1password |
Hermes 仓库维护 |
| skills.sh | skills-sh/vercel-labs/agent-skills/... |
Vercel 公共目录 |
| GitHub | openai/skills/k8s |
直接从 GitHub 仓库安装 |
| well-known | 网站 URL | 从 /.well-known/skills/index.json 发现 |
安装的 Skills 自动出现在 /skills 列表和斜杠命令中。
5. 用 /compress 管理上下文
长对话会累积 token。当你感觉响应变慢或者内容开始被截断时：
1
2
/compress # 压缩对话历史，保留关键上下文
/usage # 查看当前 token 消耗
/compress 会用 LLM 摘要对话历史，大幅减少 token 数量同时保留重要信息。
最佳实践：不要等到快爆了才压缩。定期 /usage 看一眼，超过 70% 就压一次。
另外，大多数 LLM 提供商会缓存 system prompt 前缀。保持 system prompt 稳定（不要频繁改模型或配置），后续消息能命中缓存，更便宜。
6. 用 delegate_task 并行工作
需要同时做多件事？
“帮我同时做三件事：1) 调研 Redis 缓存方案 2) 检查 CI 失败原因 3) 写一份 API 文档大纲”
Agent 会用 delegate_task 派发三个子任务，每个子 Agent 独立运行，只返回最终结果。
好处：
- 并行执行，速度快
- 每个子 Agent 有独立上下文，不互相干扰
- 只有摘要回到主对话，大幅减少 token 消耗
7. 用 execute_code 批量操作
与其让 Agent 一条条执行终端命令，不如让它写个脚本一次搞定。
“写个 Python 脚本，把 images/ 下所有 .jpeg 重命名为 .jpg，然后执行”
一次推理调用 + 一次脚本执行，比逐个文件操作快得多，也省 token。
这个技巧在批量文件操作、数据处理、环境配置等场景特别有用。
8. 定时任务自动化
Hermes 内置 cron 调度器，自然语言配置：
“每天早上 9 点，检查 Hacker News 的 AI 新闻，总结发到 Telegram”
“每周一上午 10 点，检查 GitHub 仓库的 open issues，生成周报发到 Slack”
“每天晚上 11 点，备份 ~/projects 到 S3”
Agent 自动创建 cron job，通过 Gateway 推送结果到你指定的平台。
前提：需要先配置好消息网关（hermes gateway setup），并用 /sethome 设置主频道。
9. 模型切换策略
不同任务用不同模型，省钱又高效。
1
2
3
/model anthropic/claude-opus-4 # 复杂推理、架构决策
/model anthropic/claude-sonnet-4 # 日常编码、分析
/model deepseek/deepseek-chat # 简单任务、格式化
也可以直接在命令行设置：
1
hermes config set model anthropic/claude-sonnet-4
策略：
- 复杂推理和架构决策 → 用最强模型（Opus、GPT-4o）
- 日常编码和分析 → 用中档模型（Sonnet、GPT-4o-mini）
- 简单任务和格式化 → 用快速模型（DeepSeek、Haiku）
切换零成本——不需要改代码，不需要重启，不需要重新配置。
10. 保持记忆健康
Hermes 的记忆是有界的（MEMORY.md 约 2,200 字符，USER.md 约 1,375 字符）。这是特性不是 bug——有界记忆强制只保留最重要的信息。
定期维护：
“清理一下你的记忆，把过时的信息删掉”
“把 Python 3.9 的记录更新成 3.12”
“合并一下关于项目配置的记忆条目，太碎了”
Agent 会自动整理——合并相关条目、删除过时信息、为新信息腾出空间。
记忆 vs Skills：记忆存”是什么”（环境、偏好、事实），Skills 存”怎么做”（流程、步骤、方法）。分清楚，别把流程塞进记忆里。
额外技巧
多行输入
按 Alt+Enter 或 Ctrl+J 换行，不会发送。适合粘贴代码块或写长 prompt。
中断和重定向
Agent 跑偏了？直接输入新消息按回车——它会中断当前任务，转向你的新指令。Ctrl+C 也行。
恢复会话
1
2
hermes -c # 恢复最近的会话
hermes -r "auth-refactor" # 按标题恢复
用 /title 给会话命名，方便以后找：
1
/title auth-refactor
剪贴板图片
Ctrl+V 直接粘贴截图到对话。Agent 用视觉模型分析——截图、图表、UI 设计稿都行。
语音模式
1
pip install "hermes-agent[voice]"
然后在对话中：
1
2
/voice on # 开启语音输入
/voice tts # Agent 用语音回复
Ctrl+B 录音。支持 CLI、Telegram、Discord 语音频道。
Hermes vs OpenClaw：怎么选
最后说说这个大家关心的问题。
| 维度 | Hermes Agent | OpenClaw |
|---|---|---|
| 核心理念 | 自我进化的 Agent | 多渠道 AI 网关 |
| 学习能力 | 自动创建/改进 Skills | 手动管理 Skills |
| 记忆 | 有界记忆 + Session Search + Honcho | QMD/Builtin 引擎 |
| 终端后端 | 6 种（含 Modal、Daytona） | 本地 + 沙箱 |
| 模型支持 | 20+ 提供商，含国内 | 多提供商，Pi 内置 |
| 消息平台 | 15+ 平台 | 15+ 平台 |
| 语言 | Python | Node.js |
| ACP 编辑器集成 | 有（VS Code、Zed、JetBrains） | 有 |
| 开源协议 | MIT | MIT |
选 Hermes 如果：你想要一个越用越聪明的 Agent，喜欢 Python 生态，需要 serverless 部署，或者想用国内模型提供商（DeepSeek、Kimi、DashScope 原生支持）。
留在 OpenClaw 如果：你已经有成熟的 OpenClaw 工作流，依赖 Node.js 生态，或者需要 OpenClaw 特有的功能（Canvas、移动节点等）。
两者兼用：完全可以。它们不冲突，甚至可以通过 HermesClaw 共享微信账号。
写在最后
Hermes Agent 代表了 AI Agent 的一个重要方向：不是做一个更好的工具，而是做一个会学习的同事。
它的学习闭环——从经验中创建 Skills、在使用中改进 Skills、跨会话记忆、用户建模——不是噱头，是真正在解决 AI Agent 的核心问题：如何让 Agent 随着使用变得更有价值。
Nous Research 作为模型训练实验室做出的 Agent，天然具备对模型能力边界的理解。这个出身决定了 Hermes 不会是一个简单的 API wrapper。
值得一试。
项目地址：github.com/NousResearch/hermes-agent
官方文档：hermes-agent.nousresearch.com/docs
Skills Hub：agentskills.io
Discord：discord.gg/NousResearch