Skill系统：会自我进化的能力
05 Skill系统：会自我进化的能力
Skills: Self-Evolving Capabilities
OpenClaw的Skill需要你手动写、手动维护。Hermes的Skill会自己长出来，还会自己变好。这个差异，决定了
两者完全不同的使用体验。
Skill到底是什么
在Hermes里，每个Skill是一个独立的markdown文件，存在 ~/.hermes/skills/ 目录下。它记录的是Agent怎么做某件
事的程序性记忆。
打个比方：你教一个新同事做周报。第一次你得一步步带，第二次他可能还问几个问题，第三次他就自己搞定了。Skill就
是那个「第三次之后」的状态，Agent把方法固化成一份可复用的文档。
Skill有三种来源：
来源 说明 数量级
Bundled Skills 安装时自带的预置能力，覆盖MLOps、GitHub工作流、研究等常见场景 40+
Agent自主创建 完成复杂任务后，Agent自动将解决方案提炼为Skill 按使用积累
Skills Hub 社区贡献的技能包，可一键安装 持续增长
三种来源不是并列关系。Bundled Skills是起点，Skills Hub是加速器，Agent自主创建才是Hermes真正的杀手锏。
agentskills.io：Skill的通用语言
Hermes的Skill不是封闭生态。它采用了agentskills.io标准，目前已经有30+个工具支持，包括Claude Code、Cursor、
Copilot、Gemini CLI。
你为Claude Code写的Skill，可以直接在Hermes里用。反过来也一样。
这和App Store的逻辑不同。App Store是每个平台一套生态，开发者要适配多端。agentskills.io更像USB接口，一个Skill
插到哪都能跑。
对于已经在用Claude Code的人来说，你积累的Skill资产不会被锁死在某一个工具里。切换到Hermes，或者同时用两
个，Skill都可以无缝迁移。
自改进：Skill会越用越好
这是Hermes和所有其他Agent Skill系统最大的区别。
传统的Skill需要人工维护。你写了一个代码审查Skill，它会按你写的步骤执行。实际使用中发现某个步骤效果不好？你得
手动去改。OpenClaw的44000+社区Skill主要以这种方式运作。
Hermes的Skill是活的。它跑在学习循环里，根据实际反馈自动优化。
具体机制：
1 执行Skill
Agent按照Skill中记录的步骤完成任务
2 收集反馈
用户的反应（满意/不满意/修正）被记录到会话记忆
3 更新Skill
Agent分析反馈，自动修改Skill文件中的相关步骤
4 下次执行时使用新版本
改进后的Skill在后续任务中自动生效
听起来很理想化？确实，效果取决于LLM的能力和反馈的质量。但方向是对的：让Agent从经验中学习，不是等人来维
护。
和Mitchell Hashimoto的对比：Mitchell说他用Claude Code时，「每次犯错就加一条规则到CLAUDE.md」。Hermes把这
个过程自动化了。你不用亲自加规则，Agent自己观察、总结、写进Skill。代价是你对规则的控制力会降低一些。
和OpenClaw Skill的关键区别
OpenClaw的ClawHub有44000+社区Skill，数量上远超Hermes。但两者的设计哲学完全不同：
维度 OpenClaw Skill Hermes Skill
创建方式 人工编写SOUL.md Agent自主创建+人工编写
维护方式 人工更新 自动进化+人工干预
个性化 通用模板，用户fork后自定义 从你的使用习惯中自然生长
互通性 agentskills.io标准 agentskills.io标准（互通）
生态规模 44000+（大） 40+预置+社区（成长中）
OpenClaw的优势在规模和透明度。看一眼SOUL.md就知道这个Skill干了什么，每一步都是你写的，心里有数。
Hermes的优势在适应性。同一个写代码的Skill，Python开发者和Rust开发者用三周后，会演化出两个截然不同的版
本。不是通用模板，是量身定制。
两者不是替代关系。agentskills.io标准让Skill可以互通。你完全可以从ClawHub装一个Skill到Hermes里，然后让
Hermes在使用中持续改进它。
实战：让Hermes自己创建一个Skill
说了这么多机制，来看一个具体过程。
假设你每天早上需要Hermes帮你整理昨天的GitHub通知，总结重要的PR和Issue。前几次你每次都得说一遍需求：
核心建议
「帮我看看昨天的GitHub通知，按重要程度排序，PR和Issue分开，忽略bot的自动通知。」
第三次或第四次之后，Hermes会在后台做一件事：把这个反复出现的任务模式提炼成一个Skill文件。你可以在
~/.hermes/skills/ 目录下看到一个新的markdown文件，内容大概是这样的：
# GitHub Daily Digest
## 触发条件
⽤户提到"GitHub通知"、"每⽇总结"等关键词
## 执⾏步骤
1. 调⽤GitHub MCP获取过去24⼩时的通知
2. 过滤掉bot账号的⾃动通知
3. 按类型分组（PR / Issue / Discussion）
4. 按重要程度排序（mention > review request > 其他）
5. 以简洁列表形式呈现
## ⽤户偏好
- 不需要详细内容，只要标题和状态
- PR和Issue分开显示
从这一刻起，你只需要说一句「看看GitHub」，Hermes就知道该做什么。
更有意思的是后续。某天你说「这次把Discussion也加上」，Hermes不只是这次加上，它会更新Skill文件里的规则。下次
你不说，它也会带上Discussion。
这就是「自我进化」的实际含义。没有什么神秘的AI突破，就是把「用户纠正 -> 规则更新 -> 下次执行」自动化了的闭
环。
注意
Skill自改进的前提是你的反馈足够清晰。如果你只是觉得「不太对」但不说具体哪里不对，Agent很难准确改进。好的反
馈 = 好的进化方向。
Skills: Self-Evolving Capabilities
OpenClaw的Skill需要你手动写、手动维护。Hermes的Skill会自己长出来，还会自己变好。这个差异，决定了
两者完全不同的使用体验。
Skill到底是什么
在Hermes里，每个Skill是一个独立的markdown文件，存在 ~/.hermes/skills/ 目录下。它记录的是Agent怎么做某件
事的程序性记忆。
打个比方：你教一个新同事做周报。第一次你得一步步带，第二次他可能还问几个问题，第三次他就自己搞定了。Skill就
是那个「第三次之后」的状态，Agent把方法固化成一份可复用的文档。
Skill有三种来源：
来源 说明 数量级
Bundled Skills 安装时自带的预置能力，覆盖MLOps、GitHub工作流、研究等常见场景 40+
Agent自主创建 完成复杂任务后，Agent自动将解决方案提炼为Skill 按使用积累
Skills Hub 社区贡献的技能包，可一键安装 持续增长
三种来源不是并列关系。Bundled Skills是起点，Skills Hub是加速器，Agent自主创建才是Hermes真正的杀手锏。
agentskills.io：Skill的通用语言
Hermes的Skill不是封闭生态。它采用了agentskills.io标准，目前已经有30+个工具支持，包括Claude Code、Cursor、
Copilot、Gemini CLI。
你为Claude Code写的Skill，可以直接在Hermes里用。反过来也一样。
这和App Store的逻辑不同。App Store是每个平台一套生态，开发者要适配多端。agentskills.io更像USB接口，一个Skill
插到哪都能跑。
对于已经在用Claude Code的人来说，你积累的Skill资产不会被锁死在某一个工具里。切换到Hermes，或者同时用两
个，Skill都可以无缝迁移。
自改进：Skill会越用越好
这是Hermes和所有其他Agent Skill系统最大的区别。
传统的Skill需要人工维护。你写了一个代码审查Skill，它会按你写的步骤执行。实际使用中发现某个步骤效果不好？你得
手动去改。OpenClaw的44000+社区Skill主要以这种方式运作。
Hermes的Skill是活的。它跑在学习循环里，根据实际反馈自动优化。
具体机制：
1 执行Skill
Agent按照Skill中记录的步骤完成任务
2 收集反馈
用户的反应（满意/不满意/修正）被记录到会话记忆
3 更新Skill
Agent分析反馈，自动修改Skill文件中的相关步骤
4 下次执行时使用新版本
改进后的Skill在后续任务中自动生效
听起来很理想化？确实，效果取决于LLM的能力和反馈的质量。但方向是对的：让Agent从经验中学习，不是等人来维
护。
和Mitchell Hashimoto的对比：Mitchell说他用Claude Code时，「每次犯错就加一条规则到CLAUDE.md」。Hermes把这
个过程自动化了。你不用亲自加规则，Agent自己观察、总结、写进Skill。代价是你对规则的控制力会降低一些。
和OpenClaw Skill的关键区别
OpenClaw的ClawHub有44000+社区Skill，数量上远超Hermes。但两者的设计哲学完全不同：
维度 OpenClaw Skill Hermes Skill
创建方式 人工编写SOUL.md Agent自主创建+人工编写
维护方式 人工更新 自动进化+人工干预
个性化 通用模板，用户fork后自定义 从你的使用习惯中自然生长
互通性 agentskills.io标准 agentskills.io标准（互通）
生态规模 44000+（大） 40+预置+社区（成长中）
OpenClaw的优势在规模和透明度。看一眼SOUL.md就知道这个Skill干了什么，每一步都是你写的，心里有数。
Hermes的优势在适应性。同一个写代码的Skill，Python开发者和Rust开发者用三周后，会演化出两个截然不同的版
本。不是通用模板，是量身定制。
两者不是替代关系。agentskills.io标准让Skill可以互通。你完全可以从ClawHub装一个Skill到Hermes里，然后让
Hermes在使用中持续改进它。
实战：让Hermes自己创建一个Skill
说了这么多机制，来看一个具体过程。
假设你每天早上需要Hermes帮你整理昨天的GitHub通知，总结重要的PR和Issue。前几次你每次都得说一遍需求：
核心建议
「帮我看看昨天的GitHub通知，按重要程度排序，PR和Issue分开，忽略bot的自动通知。」
第三次或第四次之后，Hermes会在后台做一件事：把这个反复出现的任务模式提炼成一个Skill文件。你可以在
~/.hermes/skills/ 目录下看到一个新的markdown文件，内容大概是这样的：
# GitHub Daily Digest
## 触发条件
⽤户提到"GitHub通知"、"每⽇总结"等关键词
## 执⾏步骤
1. 调⽤GitHub MCP获取过去24⼩时的通知
2. 过滤掉bot账号的⾃动通知
3. 按类型分组（PR / Issue / Discussion）
4. 按重要程度排序（mention > review request > 其他）
5. 以简洁列表形式呈现
## ⽤户偏好
- 不需要详细内容，只要标题和状态
- PR和Issue分开显示
从这一刻起，你只需要说一句「看看GitHub」，Hermes就知道该做什么。
更有意思的是后续。某天你说「这次把Discussion也加上」，Hermes不只是这次加上，它会更新Skill文件里的规则。下次
你不说，它也会带上Discussion。
这就是「自我进化」的实际含义。没有什么神秘的AI突破，就是把「用户纠正 -> 规则更新 -> 下次执行」自动化了的闭
环。
注意
Skill自改进的前提是你的反馈足够清晰。如果你只是觉得「不太对」但不说具体哪里不对，Agent很难准确改进。好的反
馈 = 好的进化方向。