学习循环：Agent自己给自己造缰绳
03 学习循环：Agent自己给自己造缰绳
The Learning Loop: Self-Harnessing Agent
Hermes Agent最让人意外的不是它能做什么，而是它会变。用得越多，它越好用。这不是营销话术，是一个可
观察、可验证的闭环机制。
从一个真实场景说起
假设你第一次让Hermes帮你写一个Python脚本。你说：帮我写一个爬虫，抓取某个网站的标题和摘要。
它会写出一个能用的脚本。但风格可能不是你喜欢的，变量命名可能跟你的习惯不一样，错误处理的方式也未必符合你的
预期。挺正常的，毕竟它不认识你。
到了第十次，情况完全不同。它知道你偏好用httpx而不是requests，知道你习惯把错误日志写到文件而不是打印到终
端，知道你的项目结构通常是src/目录下按模块分，知道你讨厌过长的函数。
没有人教它这些。它是自己学会的。
这就是学习循环在做的事。
五个环节，一个闭环
Hermes的学习循环有五个环节，单看都不复杂，但串起来形成了一个持续改进的飞轮。
→ → → →
策划记忆 创建Skill Skill自改进 FTS5召回 用户建模
看起来像五个独立的功能？其实它们之间有因果关系。记忆提供了Skill创建的素材，Skill在使用中积累反馈触发自改进，
FTS5让历史经验被精准召回，用户建模把这些碎片拼成一幅完整的画。
一个一个拆开看。
环节一：策划记忆
每轮对话结束后，Hermes会主动决定哪些信息值得记住。是主动决定，不是被动存储。
传统的对话记忆很粗暴：把整个聊天历史塞进上下文。聊得越多，上下文越长，直到撑不下为止。这就像一个人把所有经
历过的事同时放在脑子里想，正常人干不了这事。
Hermes的做法更像人类写日记。每次对话结束，它会回头看一遍：这次聊了什么？有新发现吗？用户表达了什么偏好？
然后把值得记住的内容写入SQLite数据库，建好FTS5全文索引。
系统还有一个周期性的nudge机制，定时提醒Agent回顾最近的交互。有点像手机上的日记App弹通知：今天有什么值得
记录的？
环节二：自主创建Skill
当Hermes完成了一个相对复杂的任务，它会问自己一个问题：这个解决方案以后还会用到吗？
如果答案是yes，它就把解决方案提炼成一个Skill文件，存到 ~/.hermes/skills/ 目录下。这个Skill是一个markdown
文件，包含了任务描述、执行步骤、注意事项。
举个例子：你让Hermes帮你把一个CSV文件清洗并导入数据库。它做完之后，可能会创建一个叫 csv-to-database.md
的Skill，记录了数据清洗的常见步骤、你偏好的数据库连接方式、你通常需要的字段验证规则。
下次你再说「帮我导入这个CSV」，它不是从零开始，而是加载这个Skill，按你之前验证过的方式来做。
环节三：Skill自改进
Skill创建出来不是终点。每次使用的过程中，如果你给了反馈，Hermes会拿这些反馈修改Skill本身。
比如你说「这个导入脚本应该先检查表是否存在」，Hermes不只是这次加上这个检查，它会回去修改那个Skill文件，把
这条规则写进去。下次再用这个Skill，检查步骤就是默认包含的。
这个过程很像软件开发里的持续改进。每次上线出了问题，修复之后不只打个补丁，还要更新文档和规范，防止同类问题
再发生。
关键区别：传统AI工具的记忆是对话记录的堆积，Hermes的记忆是经验的蒸馏。一个是录像带，一个是笔记本。录像带
越来越长最终会溢出，笔记本可以一直用下去。
环节四：FTS5跨会话召回
记住了这么多东西，关键是能在对的时候找出来。
Hermes用SQLite的FTS5扩展做全文索引。每次新对话开始前，它会根据当前话题搜索历史记忆，把相关内容加载到上下
文中。不是加载全部历史，是按需检索。
这比你想象的重要。大多数AI工具要么不记得上次说了什么，要么把所有历史都塞进来拖慢速度。Hermes的做法是：你
问数据库相关的问题，它去翻数据库相关的记忆；你问前端的问题，它去翻前端的记忆。像一个整理得很好的笔记系统，
有目录有索引，需要什么查什么。
FTS5还有一个好处：它是纯本地的。你的记忆数据不需要上传到任何服务器，就在本地的SQLite文件里。搬家的时候，
拷贝 ~/.hermes/ 目录就行。
环节五：用户建模
最后一个环节是Honcho用户建模，这是可选的外部集成。它做的事情比记住你说过什么更进一步：它在推理你是什么样
的人。
每次对话结束后，Honcho会分析这次交流，推导出你的偏好、习惯、目标。这些推导不只是记录你说了什么，而是从你
的行为模式中归纳出更深层的特征。
比如你从来没有明确说过「我喜欢简洁的代码风格」，但Honcho通过分析你多次修改代码的模式，推断出这个结论。下
次生成代码时，它会默认走简洁路线。
关于Honcho的多维身份建模，我们在下一章详细展开。
Mitchell Hashimoto的理念，自动化了
如果你读过Harness Engineering那本橙皮书，可能记得Mitchell Hashimoto的做法。他用Claude Code时有个习惯：每
次Agent犯了一个错，他就在CLAUDE.md里加一条规则。
「不要在这个项目里用any类型。」
「测试文件放在__tests__目录下，不要放在src里。」
「commit message用英文，动词开头。」
一条一条加，几周下来，CLAUDE.md变成了一份非常详细的项目规范。Agent从一个什么都不知道的新人，变成了解项
目所有暗规则的老手。Mitchell说这感觉就像在训练一个新队员。
Hermes做的事情本质上一样，但它把这个过程自动化了。
你不需要手动写CLAUDE.md，不需要每次犯错后自己总结规则。Hermes自己观察、自己总结、自己写入Skill、自己在
下次调用时应用这些规则。
维度 Mitchell的方式（手动） Hermes的方式（自动）
规则来源 人观察到问题后手写 Agent自己从反馈中提炼
存储位置 CLAUDE.md（单个文件） 多个Skill文件 + 记忆数据库
触发改进 人记得要加规则才会加 每次使用后自动评估
跨项目迁移 需要手动复制CLAUDE.md Skill全局生效，所有项目共享
改进速度 取决于人的勤快程度 持续自动，不会懒
当然，自动不等于完美。Mitchell手动写的规则往往更精准，因为人类对自己的需求有更清晰的认知。Hermes自动总结
的规则可能需要调整，可能会误判。但关键是：它把门槛降到了零。不是每个人都有Mitchell那样的耐心去维护一份精细
的规则文件。Hermes让不想折腾配置的人也能享受到越用越好用的体验。
飞轮的加速效应
五个环节单独看都不算新鲜。记忆、Skill、检索、用户画像，AI领域都见过。
Hermes的创新在于把它们组成了一个闭环。记忆喂养Skill，Skill使用中产生新记忆，新记忆触发Skill改进，改进后的
Skill产生更好的结果，更好的结果让用户建模更准确，更准确的画像又让下一次记忆策划更有针对性。
这是一个正反馈循环。用得越多，每个环节都在变强，而且是同时变强。就像亚马逊的飞轮效应：更多用户带来更多数
据，更多数据带来更好推荐，更好推荐带来更多用户。
区别在于，Hermes的飞轮是为单个用户转的。它不需要百万用户的数据来变好，只需要你自己的使用历史。用上三五
天，你就能感受到明显的变化。
核心建议
学习循环的效果和你的使用频率直接相关。如果你一周只用一两次，改进会很慢。但如果你把它当作日常工作伙伴，每天
都用，飞轮转得会非常快。这也是为什么Hermes特别适合部署在$5 VPS上24/7运行，让它持续积累。
这意味着什么
回到标题：Agent自己给自己造缰绳。
在Harness Engineering里，缰绳是人造的。你写CLAUDE.md，配置hooks，设计反馈机制。这些都需要人的持续投入。
Hermes的思路是：让Agent在奔跑的过程中，自己编织自己的缰绳。它跑偏了，自己修正路线并记住教训。它找到了好
方法，自己沉淀成Skill供下次复用。它遇到了新用户，自己建立理解模型。
这不是说人类不需要参与了。你随时可以手动修改Skill文件，删除不合适的记忆，调整用户画像。但默认状态下，这个系
统是自驱动的。
下一章我们来看这个循环中最关键的基础设施：三层记忆系统。如果学习循环是引擎，记忆就是燃料。
The Learning Loop: Self-Harnessing Agent
Hermes Agent最让人意外的不是它能做什么，而是它会变。用得越多，它越好用。这不是营销话术，是一个可
观察、可验证的闭环机制。
从一个真实场景说起
假设你第一次让Hermes帮你写一个Python脚本。你说：帮我写一个爬虫，抓取某个网站的标题和摘要。
它会写出一个能用的脚本。但风格可能不是你喜欢的，变量命名可能跟你的习惯不一样，错误处理的方式也未必符合你的
预期。挺正常的，毕竟它不认识你。
到了第十次，情况完全不同。它知道你偏好用httpx而不是requests，知道你习惯把错误日志写到文件而不是打印到终
端，知道你的项目结构通常是src/目录下按模块分，知道你讨厌过长的函数。
没有人教它这些。它是自己学会的。
这就是学习循环在做的事。
五个环节，一个闭环
Hermes的学习循环有五个环节，单看都不复杂，但串起来形成了一个持续改进的飞轮。
→ → → →
策划记忆 创建Skill Skill自改进 FTS5召回 用户建模
看起来像五个独立的功能？其实它们之间有因果关系。记忆提供了Skill创建的素材，Skill在使用中积累反馈触发自改进，
FTS5让历史经验被精准召回，用户建模把这些碎片拼成一幅完整的画。
一个一个拆开看。
环节一：策划记忆
每轮对话结束后，Hermes会主动决定哪些信息值得记住。是主动决定，不是被动存储。
传统的对话记忆很粗暴：把整个聊天历史塞进上下文。聊得越多，上下文越长，直到撑不下为止。这就像一个人把所有经
历过的事同时放在脑子里想，正常人干不了这事。
Hermes的做法更像人类写日记。每次对话结束，它会回头看一遍：这次聊了什么？有新发现吗？用户表达了什么偏好？
然后把值得记住的内容写入SQLite数据库，建好FTS5全文索引。
系统还有一个周期性的nudge机制，定时提醒Agent回顾最近的交互。有点像手机上的日记App弹通知：今天有什么值得
记录的？
环节二：自主创建Skill
当Hermes完成了一个相对复杂的任务，它会问自己一个问题：这个解决方案以后还会用到吗？
如果答案是yes，它就把解决方案提炼成一个Skill文件，存到 ~/.hermes/skills/ 目录下。这个Skill是一个markdown
文件，包含了任务描述、执行步骤、注意事项。
举个例子：你让Hermes帮你把一个CSV文件清洗并导入数据库。它做完之后，可能会创建一个叫 csv-to-database.md
的Skill，记录了数据清洗的常见步骤、你偏好的数据库连接方式、你通常需要的字段验证规则。
下次你再说「帮我导入这个CSV」，它不是从零开始，而是加载这个Skill，按你之前验证过的方式来做。
环节三：Skill自改进
Skill创建出来不是终点。每次使用的过程中，如果你给了反馈，Hermes会拿这些反馈修改Skill本身。
比如你说「这个导入脚本应该先检查表是否存在」，Hermes不只是这次加上这个检查，它会回去修改那个Skill文件，把
这条规则写进去。下次再用这个Skill，检查步骤就是默认包含的。
这个过程很像软件开发里的持续改进。每次上线出了问题，修复之后不只打个补丁，还要更新文档和规范，防止同类问题
再发生。
关键区别：传统AI工具的记忆是对话记录的堆积，Hermes的记忆是经验的蒸馏。一个是录像带，一个是笔记本。录像带
越来越长最终会溢出，笔记本可以一直用下去。
环节四：FTS5跨会话召回
记住了这么多东西，关键是能在对的时候找出来。
Hermes用SQLite的FTS5扩展做全文索引。每次新对话开始前，它会根据当前话题搜索历史记忆，把相关内容加载到上下
文中。不是加载全部历史，是按需检索。
这比你想象的重要。大多数AI工具要么不记得上次说了什么，要么把所有历史都塞进来拖慢速度。Hermes的做法是：你
问数据库相关的问题，它去翻数据库相关的记忆；你问前端的问题，它去翻前端的记忆。像一个整理得很好的笔记系统，
有目录有索引，需要什么查什么。
FTS5还有一个好处：它是纯本地的。你的记忆数据不需要上传到任何服务器，就在本地的SQLite文件里。搬家的时候，
拷贝 ~/.hermes/ 目录就行。
环节五：用户建模
最后一个环节是Honcho用户建模，这是可选的外部集成。它做的事情比记住你说过什么更进一步：它在推理你是什么样
的人。
每次对话结束后，Honcho会分析这次交流，推导出你的偏好、习惯、目标。这些推导不只是记录你说了什么，而是从你
的行为模式中归纳出更深层的特征。
比如你从来没有明确说过「我喜欢简洁的代码风格」，但Honcho通过分析你多次修改代码的模式，推断出这个结论。下
次生成代码时，它会默认走简洁路线。
关于Honcho的多维身份建模，我们在下一章详细展开。
Mitchell Hashimoto的理念，自动化了
如果你读过Harness Engineering那本橙皮书，可能记得Mitchell Hashimoto的做法。他用Claude Code时有个习惯：每
次Agent犯了一个错，他就在CLAUDE.md里加一条规则。
「不要在这个项目里用any类型。」
「测试文件放在__tests__目录下，不要放在src里。」
「commit message用英文，动词开头。」
一条一条加，几周下来，CLAUDE.md变成了一份非常详细的项目规范。Agent从一个什么都不知道的新人，变成了解项
目所有暗规则的老手。Mitchell说这感觉就像在训练一个新队员。
Hermes做的事情本质上一样，但它把这个过程自动化了。
你不需要手动写CLAUDE.md，不需要每次犯错后自己总结规则。Hermes自己观察、自己总结、自己写入Skill、自己在
下次调用时应用这些规则。
维度 Mitchell的方式（手动） Hermes的方式（自动）
规则来源 人观察到问题后手写 Agent自己从反馈中提炼
存储位置 CLAUDE.md（单个文件） 多个Skill文件 + 记忆数据库
触发改进 人记得要加规则才会加 每次使用后自动评估
跨项目迁移 需要手动复制CLAUDE.md Skill全局生效，所有项目共享
改进速度 取决于人的勤快程度 持续自动，不会懒
当然，自动不等于完美。Mitchell手动写的规则往往更精准，因为人类对自己的需求有更清晰的认知。Hermes自动总结
的规则可能需要调整，可能会误判。但关键是：它把门槛降到了零。不是每个人都有Mitchell那样的耐心去维护一份精细
的规则文件。Hermes让不想折腾配置的人也能享受到越用越好用的体验。
飞轮的加速效应
五个环节单独看都不算新鲜。记忆、Skill、检索、用户画像，AI领域都见过。
Hermes的创新在于把它们组成了一个闭环。记忆喂养Skill，Skill使用中产生新记忆，新记忆触发Skill改进，改进后的
Skill产生更好的结果，更好的结果让用户建模更准确，更准确的画像又让下一次记忆策划更有针对性。
这是一个正反馈循环。用得越多，每个环节都在变强，而且是同时变强。就像亚马逊的飞轮效应：更多用户带来更多数
据，更多数据带来更好推荐，更好推荐带来更多用户。
区别在于，Hermes的飞轮是为单个用户转的。它不需要百万用户的数据来变好，只需要你自己的使用历史。用上三五
天，你就能感受到明显的变化。
核心建议
学习循环的效果和你的使用频率直接相关。如果你一周只用一两次，改进会很慢。但如果你把它当作日常工作伙伴，每天
都用，飞轮转得会非常快。这也是为什么Hermes特别适合部署在$5 VPS上24/7运行，让它持续积累。
这意味着什么
回到标题：Agent自己给自己造缰绳。
在Harness Engineering里，缰绳是人造的。你写CLAUDE.md，配置hooks，设计反馈机制。这些都需要人的持续投入。
Hermes的思路是：让Agent在奔跑的过程中，自己编织自己的缰绳。它跑偏了，自己修正路线并记住教训。它找到了好
方法，自己沉淀成Skill供下次复用。它遇到了新用户，自己建立理解模型。
这不是说人类不需要参与了。你随时可以手动修改Skill文件，删除不合适的记忆，调整用户画像。但默认状态下，这个系
统是自驱动的。
下一章我们来看这个循环中最关键的基础设施：三层记忆系统。如果学习循环是引擎，记忆就是燃料。