# 第八册：技能系统完全指南
> **本章你将学到**
>
> - 什么是 Skill（技能），以及它与传统 Prompt 模板的核心区别
> - Skill 文件的内部结构：元数据、触发条件、执行步骤、示例 IO
> - Hermes 独门绝技：自动技能创建机制（5-tool-call 规则）
> - 技能自我进化的原理与社区实测数据（1-2 周成功率提升 30%+）
> - 四个信任等级体系：内置、官方、可信、社区
> - Skills Hub 生态：643 个社区技能的浏览、安装与贡献
> - 从 Claude Code、Cursor、OpenClaw 迁移技能的方法
> - 74 个内置技能和 44 个官方可选技能的分类总览
> - 高阶技能开发：复合技能、条件分支、参数模板、错误处理
> - 推荐首装的 5 个技能详解：LLM Wiki、Gstack、OpenAI Utils、Manim、Security Audit
---
## 1. 技能系统：让 Hermes 从"聊天机器"变成"全能助手"
### 1.1 什么是 Skill（技能）
想象一下，你雇用了一位实习生。第一天，你手把手教他如何整理周报：先打开 Excel 模板，从 JIRA 导出本周完成的任务，按优先级排序，计算工时统计，最后生成图表并发送给经理。这个过程你教了一遍又一遍。
到了第二周，你正打算再教一次，实习生却说：「放心，上周您教我的流程我已经记下来了，以后每周五下午我自己就能搞定。」
这就是 Skill（技能）的本质——**把完成某项任务的标准化流程沉淀下来，让 Agent 能够自主复用**。
在 Hermes 中，Skill 是一个存放在 `~/.hermes/skills/<name>/SKILL.md` 路径下的 Markdown 文件。它不是一个简单的「提示词模板」，而是一个完整的「任务执行程序」，包含：
- **触发条件**：什么情况下应该调用这个技能
- **执行步骤**：具体的操作流程（可以包含工具调用、代码执行、文件操作等）
- **所需上下文**：执行这个技能需要哪些前置信息
- **示例输入输出**：让 Agent 理解期望的结果格式
> **重要区别：Skill vs 传统 Prompt 模板**
>
> 传统 Prompt 模板就像一份「菜谱」——上面写着「番茄炒蛋：先炒蛋，再炒番茄，混合在一起」。它只告诉你「做什么」，但不帮你「做」。
>
> Skill 就像一个「自动炒菜机程序」——它不仅知道菜谱，还能自动开煤气、倒油、打鸡蛋、控制火候。它包含的是**可执行的工作流**，而不仅仅是文字说明。
### 1.2 Skill 与传统 Prompt 模板的区别
为了更清晰地理解这个区别，我们来看一个具体的对比。
**场景：让 AI 帮你「搜索最新 AI 新闻并生成摘要」**
**传统 Prompt 模板的方式：**
```
请帮我搜索今天关于 AI 的最新新闻，然后生成一份摘要。
要求：
1. 搜索至少 5 条新闻
2. 每条新闻包含标题、来源、关键内容
3. 最后给出整体趋势判断
```
每次你需要这个服务时，都要把上面的提示词重新发一遍。而且如果结果不满意，你还得手动调整提示词。
**Hermes Skill 的方式：**
你第一次执行这个任务时，Agent 会：
1. 接收你的自然语言指令
2. 调用 Web Search 工具搜索新闻
3. 调用 LLM 生成摘要
4. 调用 File Write 把摘要保存为 Markdown
5. **检测到这是一个可复用的模式，自动生成 SKILL.md**
下次你只需说：「给我今天的 AI 新闻摘要」，Agent 就会自动加载对应的 Skill，按照既定流程执行——不需要你重复描述要求，不需要你手动调用工具，甚至连输出格式都会和上次保持一致。
这个区别的本质在于：**Prompt 模板是「描述」，Skill 是「程序」**。
正如 Hermes Atlas 官方文档所强调的：「Claude Code 的 memory 存储关于你的事实——偏好要点。而 Hermes 存储的是程序——产生你想要的要点的研究-过滤-格式化工作流。事实告知模型，程序直接被复用。」
这句话揭示了 Hermes 技能系统的独特价值：**它不仅让 Agent 记住「你喜欢什么」，更让 Agent 掌握「如何为你做到」**。前者是静态的信息，后者是动态的能力。
### 1.3 技能系统是 Hermes 最实用的功能
在与大量 Hermes 用户的交流中，我发现一个有趣的现象：当被问到「Hermes 最打动你的功能是什么」时，答案出奇地一致——**技能系统**。
为什么技能系统如此受欢迎？因为它解决了 AI 应用中最核心的痛点：**重复劳动**。
在没有技能系统之前，使用 AI 的工作流是这样的：
```
有需求 → 想提示词 → 写详细 Prompt → 执行 → 检查结果 → 不满意 → 改 Prompt → 再执行 → ...
↑___________________________________________________________↓
（每次都要重复）
```
有了技能系统之后，工作流变成了：
```
第一次：有需求 → 自然语言描述 → Agent 自动执行 → 自动生成 Skill
第二次及以后：有需求 → Agent 自动加载 Skill → 自动执行 → 结果满意
```
把重复的思考成本从人类转移给了机器，这就是技能系统的魔力。
根据社区实测数据，一个典型的 Hermes 用户在使用 1-2 周后：
- 重复任务的成功率提升 **30% 以上**
- 平均每个任务的交互轮次减少 **40%**
- 用户对 Agent 的满意度提升显著（因为结果更可预测、更一致）
这些数字的背后，是技能系统在默默发挥作用——它把「每次都从头教」变成了「一次教会，终身复用」。
### 1.4 技能系统的三大特点：自动创建、自我进化、跨平台复用
Hermes 的技能系统之所以强大，是因为它在三个维度上同时做到了业界领先：
**特点一：自动创建（Auto-Generation）**
这是 Hermes 最独门、最让其他框架羡慕的绝技。大多数 Agent 框架的技能（或类似的「工作流」「插件」）都需要开发者手动编写。而 Hermes 能够在检测到重复模式后，**自动生成 Skill 文件**。
触发自动创建的典型条件包括：
- 完成复杂任务（通常涉及 5+ 次工具调用）且成功
- 用户在错误后纠正了做法，Agent 学到了正确的路径
- 发现了非显而易见的工作流组合
- 用户明确说「记住这个流程，下次还要用」
这种自动创建不是简单的「保存聊天记录」，而是 Agent 主动提炼工作流、抽象通用步骤、生成可复用的 SKILL.md 文件。这个过程涉及对任务本质的理解——哪些步骤是通用的、哪些是特定于本次输入的、哪些参数应该暴露给用户调整。
**特点二：自我进化（Self-Evolution）**
技能不是一经创建就固定不变的。每次使用 Skill 时，Agent 都会收集反馈：
- 这次执行成功了吗？
- 用户有没有做修改或纠正？
- 输出结果与预期是否一致？
- 有没有更高效的方式可以完成？
基于这些反馈，Skill 会自动更新版本，优化执行步骤，修正错误。就像一位厨师，每次做菜后都会微调配方，越做越好。
进化可以是显式的（Agent 主动告诉你「Skill 已更新到 v1.2」），也可以是隐式的（后台默默优化，你发现结果越来越好了）。
**特点三：跨平台复用（Cross-Platform Reuse）**
Hermes 的 Skill 采用纯 Markdown 格式，不绑定任何特定平台或模型。这意味着：
- 你可以把 Skill 从 Claude Code 迁移到 Hermes
- 你可以把 Skill 从 Cursor 迁移到 Hermes
- 你可以把 Skill 分享给社区的其他用户
- 你可以在 Skills Hub 上找到别人分享的 Skill 并一键安装
Skill 的可移植性让它不仅仅是个人的效率工具，更成为社区协作的载体。目前 Skills Hub 上已经聚集了 **643 个社区技能**（截至 2026 年 4 月 19 日），涵盖开发、设计、数据分析、内容创作等几乎所有领域。
> **Tips**
>
> 如果你是刚接触 Hermes 的新用户，我的建议是：**不要急着手动创建 Skill**。先正常使用 Hermes 1-2 周，让自动创建机制自然积累你的常用工作流。你会惊讶地发现，Agent 已经默默为你生成了十几个实用的 Skill。在此基础上，再有针对性地手动优化和补充。
---
## 2. 技能的内部结构
### 2.1 Skill 文件格式详解（Markdown）
Hermes 的 Skill 文件是纯 Markdown 格式，这带来了几个显著优势：
1. **人类可读**：你可以直接用任何文本编辑器打开、阅读、修改
2. **版本控制友好**：Markdown 与 Git 配合完美，diff 清晰易读
3. **工具生态丰富**：无数的 Markdown 编辑器、预览工具、lint 工具
4. **跨平台**：任何操作系统都能处理 Markdown
Skill 的标准存储路径是：
```
~/.hermes/skills/
├── <skill-name-1>/
│ └── SKILL.md
├── <skill-name-2>/
│ └── SKILL.md
└── ...
```
每个 Skill 都有自己的目录，目录名就是 Skill 的名称。目录内目前主要存放 `SKILL.md`，但未来版本可能会支持同目录下的辅助文件（如模板文件、配置文件等）。
### 2.2 一个完整 Skill 文件的剖析
让我们拆解一个真实的 Skill 文件，看看它包含哪些部分。
以下是一个「新闻抓取与摘要」Skill 的完整示例：
````markdown
# News Fetch and Summarize
## Metadata
- Name: news-fetch-summarize
- Description: Search for latest news on a given topic and generate
a structured summary report
- Version: 1.2.0
- Tags: news, research, web-search, summary
- Author: auto-generated
- Created: 2026-04-15
- Last Updated: 2026-04-18
## Trigger Conditions
- User asks for "news" or "latest" about a topic
- User requests a "summary" of current events
- User mentions "what's happening" in a domain
## Required Context
- Topic: the subject to search for
- Time range: default to "today", user may specify (week/month)
- Output format: default to markdown, user may request (bullet/table)
## Execution Steps
### Step 1: Search
Use `web_search` tool to find at least 5 relevant news articles.
Query format: `<topic> news <time_range>`
### Step 2: Filter and Rank
Filter results by:
- Relevance to the topic (exclude off-topic results)
- Source credibility (prefer established news outlets)
- Recency (within the specified time range)
Rank by: relevance > credibility > recency
### Step 3: Extract Key Information
For each selected article, extract:
- Title
- Source name and URL
- Publication date
- 2-3 sentence summary of key content
- Any quoted statements or statistics
### Step 4: Generate Summary Report
Structure the output as:
```markdown
# <Topic> News Summary (<Date>)
## Overview
[2-3 sentence overall trend assessment]
## Key Stories
### 1. [Title]
- **Source**: [Name] ([URL])
- **Date**: [Publication date]
- **Summary**: [2-3 sentences]
### 2. [Title]
...
## Trend Analysis
[Overall pattern observation and forward-looking insight]
## Sources
- [Source 1]
- [Source 2]
- ...
```
````
### Step 5: Save (Optional)
If user requests, save the report to a file:
- Filename: `<topic>-news-<date>.md`
- Location: current working directory or user-specified
## Error Handling
- If web_search returns no results: expand query synonyms and retry
- If sources are all low-credibility: note this in the report
- If user topic is ambiguous: ask for clarification before proceeding
## Notes
- Always include source URLs for fact-checking
- Distinguish between facts and speculation in the summary
- For controversial topics, present multiple viewpoints
- Never fabricate information not present in sources
## Example Input
User: "Give me today's AI news summary"
## Example Output
Agent:
"I'll search for the latest AI news and generate a summary for you."
[Executes Steps 1-4]
"Here's your AI News Summary for April 21, 2026:
# AI News Summary (2026-04-21)
## Overview
Today's AI landscape sees significant advances in multimodal
reasoning and enterprise adoption...
[Full report follows]"
````
这个文件清晰地展示了一个 Skill 的完整结构。让我们逐一分析每个部分。
#### 元数据区（Metadata）
```markdown
## Metadata
- Name: news-fetch-summarize
- Description: Search for latest news on a given topic and generate
a structured summary report
- Version: 1.2.0
- Tags: news, research, web-search, summary
- Author: auto-generated
- Created: 2026-04-15
- Last Updated: 2026-04-18
````
元数据区提供 Skill 的基本身份信息：
- **Name**：Skill 的唯一标识符，通常使用 kebab-case（短横线连接的小写字母）
- **Description**：一句话描述 Skill 的功能，用于搜索和展示
- **Version**：语义化版本号（主版本.次版本.修订号），方便追踪变更
- **Tags**：分类标签，便于管理和搜索
- **Author/.Created/Last Updated**：追溯信息
#### 触发条件区（Trigger Conditions）
```markdown
## Trigger Conditions
- User asks for "news" or "latest" about a topic
- User requests a "summary" of current events
- User mentions "what's happening" in a domain
```
触发条件定义了 Agent 应该在什么情况下「想到」使用这个 Skill。这就像是给 Agent 装了一个「雷达」——当用户的输入匹配这些条件时，Agent 就知道「啊，这个任务可以用 news-fetch-summarize 技能来处理」。
触发条件可以是：
- **关键词匹配**：用户输入中包含特定词汇
- **意图识别**：用户的请求属于某种意图类别
- **上下文匹配**：当前对话的上下文符合某种模式
- **工具链匹配**：完成任务需要调用特定的工具组合
#### 执行步骤区（Execution Steps）
这是 Skill 的核心部分，定义了完成任务的具体流程。每个步骤都包含：
- **步骤编号和名称**：清晰的流程结构
- **具体操作**：使用什么工具、调用什么命令、执行什么逻辑
- **参数说明**：输入参数的定义和格式
- **输出规范**：该步骤应该产生什么结果
```markdown
### Step 1: Search
Use `web_search` tool to find at least 5 relevant news articles.
Query format: `<topic> news <time_range>`
```
步骤之间可以是有顺序依赖的（Step 2 依赖 Step 1 的结果），也可以是并行的（多个步骤可以同时执行）。
#### 注意事项区（Notes / Error Handling）
```markdown
## Error Handling
- If web_search returns no results: expand query synonyms and retry
- If sources are all low-credibility: note this in the report
- If user topic is ambiguous: ask for clarification before proceeding
## Notes
- Always include source URLs for fact-checking
- Distinguish between facts and speculation in the summary
```
这个区域记录执行过程中的注意事项、边界情况、错误处理策略等。它帮助 Agent 在遇到意外情况时做出正确的判断，而不是盲目继续或报错退出。
#### 示例输入输出区（Example Input/Output）
```markdown
## Example Input
User: "Give me today's AI news summary"
## Example Output
Agent: "I'll search for the latest AI news..."
```
示例是 Skill 质量的关键指标。好的示例能让 Agent 更准确地理解用户的期望和输出的标准。示例越多、覆盖面越广，Skill 的泛化能力就越强。
### 2.3 技能文件存储位置：`~/.hermes/skills/`
所有 Skill 都存储在用户的 Hermes 配置目录下的 `skills/` 文件夹中：
```
~/.hermes/skills/
├── news-fetch-summarize/
│ └── SKILL.md
├── code-review-python/
│ └── SKILL.md
├── data-analysis-pipeline/
│ └── SKILL.md
├── docker-deploy/
│ └── SKILL.md
└── ...
```
这种目录结构的设计考虑到了未来的扩展性：
- 每个 Skill 有自己的目录，避免命名冲突
- 可以在目录中添加辅助文件（如模板、配置、测试数据）
- 便于打包、分享和版本控制
你可以直接操作这个目录：
```bash
# 查看所有技能
$ ls ~/.hermes/skills/
# 查看某个技能的内容
$ cat ~/.hermes/skills/news-fetch-summarize/SKILL.md
# 手动复制技能（分享给同事）
$ cp -r ~/.hermes/skills/news-fetch-summarize ./shared-skills/
# 手动安装技能（从同事那里收到的）
$ cp -r ./shared-skills/news-fetch-summarize ~/.hermes/skills/
```
### 2.4 技能的命名规范
好的命名让 Skill 更容易被发现和使用。Hermes 社区推荐使用以下命名规范：
**基本格式：**
```
<action>-<target>[-<context>]
```
例如：
- `search-news`：搜索新闻
- `analyze-sentiment`：分析情感
- `deploy-docker-prod`：部署 Docker 到生产环境
- `generate-report-weekly`：生成周报
**命名原则：**
1. **使用小写字母和短横线**：kebab-case 是标准，不要用空格或驼峰
2. **动作优先**：先说明「做什么」，再说明「对谁做」
3. **保持简洁**：名称不要超过 3-4 个词
4. **避免歧义**：`fix` 不如 `fix-bug` 或 `fix-lint-error` 清晰
5. **添加版本后缀**：如果同一技能有多个变体，用 `-v2`、`-lite`、`-advanced` 区分
**按分类命名（可选前缀）：**
```
web-search-* # 网络搜索相关
code-* # 代码相关
data-* # 数据分析相关
devops-* # 运维部署相关
content-* # 内容创作相关
research-* # 研究分析相关
```
> **Tips**
>
> 虽然 Hermes 支持中文 Skill 名称（因为文件名只是标识符），但强烈建议使用英文命名。原因有三：1）便于在 Skills Hub 上分享；2）Agent 在匹配触发条件时，英文关键词更稳定；3）与社区其他用户交流时无障碍。
---
## 3. 自动技能创建：Hermes 的独门绝技
### 3.1 触发条件详解
自动技能创建是 Hermes 区别于其他所有 Agent 框架的标志性功能。理解它的触发条件，能帮助你更好地「引导」Agent 为你生成有用的 Skill。
根据 Hermes Atlas 官方文档，Skill 在检测到重复模式后自动生成，典型的触发场景包括：
**场景一：完成复杂任务（5+ 工具调用）且成功**
这是最主要的触发条件。当 Agent 完成一个涉及多次工具调用的复杂任务时，系统会判断这个工作流是否值得沉淀为 Skill。
为什么是「5+ 次工具调用」？这个数字是经过大量实验验证的「甜蜜点」：
- **少于 5 次**：流程太简单，不值得专门创建 Skill（直接每次手动做就行）
- **5 次以上**：说明任务有一定复杂度，包含多个步骤的协调，复用价值高
- **过多（20+ 次）**：可能是任务粒度太大，生成的 Skill 会过于臃肿
> **官方规则：5-Tool-Call 规则**
>
> Hermes 的自动技能创建有一个不成文的「5-tool-call 规则」：当 Agent 在一次任务中成功调用了 5 个或更多工具，且任务最终成功完成，系统就会评估这个工作流是否适合生成 Skill。这个规则确保了只有足够复杂、有复用价值的工作流才会被沉淀下来。
**场景二：遇到错误最终找到可行路径**
这是一个特别有价值的触发场景。当 Agent 在执行任务时遇到了错误，经过多轮尝试（可能包括你的纠正和引导）最终找到了正确的解决方案，这个「试错→纠正→成功」的完整路径会被记录为一个 Skill。
为什么这种 Skill 特别有价值？因为它包含了「避坑指南」——不仅告诉你「怎么做是对的」，还告诉你「哪些地方容易出错」。
**场景三：用户纠正了做法**
当你说「不对，应该这样...」或者「下次记得先...再...」时，Agent 会把你的纠正作为重要反馈。如果这种纠正在类似场景中出现过多次，Agent 会推断出一个通用规则，生成 Skill 来固化正确的做法。
```bash
User: 帮我部署这个服务
Agent: [尝试直接部署... 失败了]
User: 不对，应该先检查环境变量配置好了没有
Agent: [检查环境变量... 发现问题... 修复后部署成功]
[系统检测到：用户纠正了流程，生成了 Skill "deploy-with-env-check"]
```
**场景四：发现非显而易见的工作流**
有时候 Agent 会「创造性地」组合多个工具来完成任务，这种组合可能连开发者都没有预料到。当这种「非显而易见的工作流」被验证为有效时，系统会立即生成 Skill 来记录这个「发现」。
```bash
User: 帮我找出这个项目里最近引入 Bug 的提交
Agent: [没有直接的 "find-bug-commit" 工具...]
→ 调用 git log 获取提交历史
→ 调用 git diff 查看每个提交的变更
→ 调用 code_review 工具分析变更
→ 交叉对比 Bug 报告的时间线
→ 找到最可疑的提交
[系统检测到：创新工作流组合，生成了 Skill "git-bisect-intelligent"]
```
### 3.2 创建过程详解（从任务执行到 Skill 生成）
自动创建 Skill 不是一个「瞬间完成」的操作，而是一个分阶段的过程。让我们深入了解它的内部机制。
**阶段一：模式识别（Pattern Detection）**
在任务执行过程中，系统会实时监控工具调用序列、用户输入、Agent 输出之间的关系。它寻找的是「可重复的模式」：
```
工具调用序列: [web_search] → [file_read] → [code_execute] → [file_write]
用户输入模式: "帮我分析...并生成报告"
输出模式: Markdown 报告，包含图表
→ 检测到模式：搜索-读取-分析-输出报告
```
**阶段二：通用化抽象（Generalization）**
识别到模式后，系统需要判断这个模式是「通用」的还是「特定于本次输入」的。通用化的过程包括：
- 提取可变参数（如搜索关键词、文件路径、输出格式）
- 识别固定步骤（如「先搜索再分析」的顺序）
- 确定默认值（如默认搜索 5 条结果、默认输出 Markdown）
```
特定实例:
用户说 "分析 Python 趋势" → 搜索 Python 新闻 → 生成 Python 报告
通用模式:
用户说 "分析 <topic> 趋势" → 搜索 <topic> 新闻 → 生成 <topic> 报告
→ 可变参数: <topic>
→ 固定步骤: 搜索 → 分析 → 生成报告
→ 默认: 搜索 5 条，输出 Markdown
```
**阶段三：质量评估（Quality Assessment）**
不是所有识别出的模式都值得生成 Skill。系统会对候选 Skill 进行质量评分：
| 评估维度 | 权重 | 说明 |
| ---------- | ---- | ------------------------------------------ |
| 复用潜力 | 30% | 这个模式在未来被用到的概率 |
| 执行成功率 | 25% | 按照此模式执行，任务成功的概率 |
| 复杂度适中 | 20% | 不太简单（有沉淀价值）也不太复杂（可维护） |
| 用户满意度 | 15% | 用户对这次任务结果的评价 |
| 创新性 | 10% | 是否发现了新的工具组合方式 |
总分超过阈值的候选 Skill 才会进入下一阶段。
**阶段四：SKILL.md 生成**
通过质量评估后，系统会调用 LLM 生成标准的 SKILL.md 文件。生成过程使用专门的「Skill 生成提示模板」，确保输出符合规范。
生成的 SKILL.md 包含：
1. 从任务描述中提取的元数据
2. 从用户输入历史中归纳的触发条件
3. 从工具调用链中提取的执行步骤
4. 从对话中总结的注意事项和错误处理
5. 从实际输入输出中提取的示例
**阶段五：用户确认（可选）**
根据配置，Hermes 可能会在新 Skill 生成后征求你的确认：
```bash
Agent: 我刚刚为你生成了一个新的 Skill：news-fetch-summarize
这个 Skill 可以帮你自动搜索新闻并生成摘要。
触发条件：当你要求新闻摘要时
执行步骤：搜索 → 过滤 → 提取 → 生成报告
是否保存这个 Skill？(y/n/edit)
User: y
Agent: Skill 已保存到 ~/.hermes/skills/news-fetch-summarize/SKILL.md
```
你也可以配置为「自动保存，无需确认」，适合高级用户。
### 3.3 自动提炼的算法逻辑
自动提炼的核心算法可以概括为「频率 + 重要性 + 结构性」的三维评估模型。
**维度一：频率（Frequency）**
统计某个工作流在多长时间内被重复了多少次：
```python
frequency_score = min(repeat_count / threshold, 1.0)
# threshold 通常为 2-3 次
# 即同一个工作流重复 2-3 次，频率维度就达到满分
```
**维度二：重要性（Importance）**
评估工作流对用户的价值：
```python
importance_factors = {
'tool_call_count': len(tool_calls), # 工具调用越多越重要
'user_explicit_save': user_said_remember, # 用户明确说记住
'task_success': task_completed_successfully, # 任务成功完成
'error_recovery': recovered_from_error, # 从错误中恢复
'time_saved': estimated_time_vs_manual # 节省的时间
}
```
**维度三：结构性（Structure）**
评估工作流是否有清晰的步骤结构：
```python
structure_factors = {
'has_clear_steps': has_stepwise_pattern, # 有清晰的步骤序列
'has_parameters': has_extractable_params, # 有可提取的参数
'has_error_handling': handles_edge_cases, # 有错误处理
'has_examples': has_io_examples # 有输入输出示例
}
```
综合评分 = 频率 × 0.3 + 重要性 × 0.4 + 结构性 × 0.3
评分超过 0.7 的候选 Skill 会被生成。
### 3.4 实际案例演示（5 个完整案例）
理论讲完了，让我们来看 5 个真实的自动 Skill 创建案例。
#### 案例 1：抓取新闻并总结
**第一次执行（无 Skill）：**
```bash
User: 帮我搜一下今天 AI 领域有什么重要新闻，然后总结成一份报告
Agent: 好的，我来帮你搜索和总结。
[调用 web_search: "AI news today"]
[调用 web_search: "artificial intelligence latest"]
[读取搜索结果]
[调用 LLM 生成摘要]
[调用 file_write 保存报告]
Agent: 已完成！报告已保存为 ai-news-20260421.md
```
**第二次执行（已自动生成 Skill）：**
```bash
User: 今天有什么重要的科技新闻吗？
Agent: [检测到触发条件匹配 news-fetch-summarize Skill]
好的，我来搜索今天的科技新闻并为你总结。
[自动按照 Skill 步骤执行]
Agent: 已完成！报告已保存为 tech-news-20260421.md
```
**生成的 SKILL.md 核心内容：**
```markdown
## Trigger Conditions
- User asks for "news" about a topic
- User requests "summary" of current events
- User mentions "what's happening" in tech/AI
## Execution Steps
### Step 1: Search
Use web_search with queries: `<topic> news today`, `<topic> latest`
### Step 2: Summarize
Use LLM to generate structured summary with:
- Key headlines
- Source attribution
- Trend analysis
```
#### 案例 2：代码重构工作流
**背景：** 你正在对老项目进行代码重构，需要一系列标准化操作。
**第一次执行（手动引导）：**
```bash
User: 帮我重构这个 Python 文件，把里面的函数提取到单独的模块里
Agent: 好的，我来分析文件结构。
[调用 file_read 读取文件]
[调用 code_execute 分析依赖关系]
[调用 file_write 创建新模块]
[调用 file_edit 修改原文件导入]
[调用 code_execute 运行测试验证]
Agent: 重构完成！已通过测试。
User: 记住这个流程，以后重构都用这套方法
```
**后续执行（自动复用）：**
```bash
User: 重构 utils.py，把 helper 函数拆出去
Agent: [加载 code-refactor-extract Skill]
好的，按照标准重构流程处理：
1. 分析文件结构...
2. 提取函数到新模块...
3. 更新导入...
4. 运行测试...
Agent: 重构完成！所有测试通过。
```
#### 案例 3：数据分析报告生成
**背景：** 你每周都需要生成一份数据分析报告，流程固定。
**自动创建的 Skill：** `generate-weekly-data-report`
```markdown
## Execution Steps
### Step 1: Data Collection
- Read data files from `data/weekly/` directory
- Validate data format and completeness
### Step 2: Processing
- Clean missing values (fill with median for numeric, mode for categorical)
- Calculate key metrics: total, average, growth rate, MoM change
- Generate pivot tables by category
### Step 3: Visualization
- Create bar chart for top 10 categories
- Create line chart for trend over time
- Create pie chart for distribution
### Step 4: Report Generation
- Generate Markdown report with all charts embedded
- Include executive summary at top
- Include methodology appendix at bottom
### Step 5: Distribution
- Save to `reports/weekly/YYYY-MM-DD-report.md`
- If user requests, send via email (configured in USER.md)
```
#### 案例 4：多语言翻译校对
**背景：** 你的项目需要支持多语言，每次更新后都需要翻译和校对。
**自动创建的 Skill：** `translate-and-proofread`
```markdown
## Trigger Conditions
- User asks to "translate" content to multiple languages
- User mentions "localization" or "i18n"
- User requests "proofread" translated content
## Execution Steps
### Step 1: Extract Text
- Parse source files for translatable strings
- Identify format: JSON, YAML, PO, or inline
### Step 2: Translate
- For each target language, call translation API
- Preserve formatting placeholders ({name}, %d, etc.)
- Maintain context consistency across strings
### Step 3: Proofread
- Check for: length overflow (UI constraints), cultural appropriateness,
technical term consistency
- Flag potential issues for human review
### Step 4: Update Files
- Write translated strings back to respective locale files
- Run validation to ensure no syntax errors
```
#### 案例 5：自动化部署脚本
**背景：** 你每次发布新版本都需要执行一系列部署操作。
**自动创建的 Skill：** `deploy-release-pipeline`
```markdown
## Execution Steps
### Step 1: Pre-deployment Checks
- Verify all tests pass (run test suite)
- Check version number is updated in all files
- Verify changelog is updated
### Step 2: Build
- Build production bundle
- Run build verification tests
### Step 3: Deploy
- Tag release in Git
- Deploy to staging environment
- Run smoke tests on staging
- Deploy to production (if staging passes)
### Step 4: Post-deployment
- Verify production health checks
- Monitor error rates for 10 minutes
- Send deployment notification to team
```
> **Tips**
>
> 自动创建的 Skill 不会立即完美。它的初始版本通常是一个「70 分」的解决方案——能工作，但还有优化空间。建议你在使用几次后，手动 review 一下 SKILL.md，根据实际情况调整触发条件、执行步骤和错误处理。这种「人机协作」的方式，能让 Skill 的质量从 70 分提升到 95 分。
---
## 4. 技能自我进化
### 4.1 进化触发机制
Skill 的自我进化不是随机发生的，而是由明确的触发机制驱动的。理解这些机制，能帮助你更好地「培养」你的 Skill。
**触发器一：执行偏差检测**
当 Skill 的实际执行路径与 SKILL.md 中定义的路径出现偏差时，进化被触发。
```
SKILL.md 定义:
Step 1: web_search
Step 2: file_read
Step 3: code_execute
实际执行:
Step 1: web_search → 返回 0 结果
[偏差!] Agent 自动添加了 Step 1b: 扩展搜索关键词
Step 2: file_read
Step 3: code_execute
→ 触发进化: 在 SKILL.md 中添加错误处理分支
"If web_search returns 0 results, expand query synonyms and retry"
```
**触发器二：用户反馈**
用户对 Skill 执行结果的评价（显式或隐式）会直接驱动进化。
显式反馈：
```bash
User: 这个报告格式不太对，应该用表格而不是列表
Agent: 收到反馈。正在更新 news-fetch-summarize Skill...
已将默认输出格式从列表改为表格。
Skill 已升级到 v1.2.0。
```
隐式反馈：
```bash
User: [看到 Skill 输出后，手动修改了 5 处]
Agent: [检测到用户修改了输出]
[分析修改模式...]
[发现用户偏好：更喜欢紧凑的表格、不喜欢冗余的解释]
[更新 Skill 以匹配用户偏好]
```
**触发器三：成功率统计**
系统会持续跟踪每个 Skill 的成功率。当成功率低于阈值时，触发诊断和修复流程：
```
Skill: deploy-release-pipeline
成功率统计:
最近 10 次执行: 7 成功, 3 失败
失败原因:
- 2 次: 测试未通过就尝试部署
- 1 次: 版本号未更新
→ 触发进化:
1. 在 Step 1 中添加更严格的测试检查
2. 在 Step 2 中添加版本号自动验证
3. 如果版本号未更新，提示用户或自动更新
```
**触发器四：环境变化**
当 Skill 依赖的外部环境发生变化时（如工具 API 更新、文件路径变更），Skill 会自动适应：
```
检测到: web_search 工具返回格式已变更
旧格式: {"results": [{"title": "...", "url": "..."}]}
新格式: {"items": [{"title": "...", "link": "..."}]}
→ 触发进化:
更新 Skill 中所有引用 web_search 结果的步骤
将 "url" 改为 "link"
将 "results" 改为 "items"
```
### 4.2 版本管理与变更记录
每个 Skill 都有自己的版本历史，就像软件项目一样。
**版本号规则（语义化版本）：**
```
主版本.次版本.修订号
│ │ └─ 小修复、优化措辞
│ └─ 新增功能、步骤调整
└─ 不兼容的变更、架构重构
示例:
v1.0.0 → 初始版本
v1.1.0 → 新增了错误处理步骤
v1.1.1 → 修正了输出格式的小问题
v2.0.0 → 重构了整个执行流程
```
**变更记录（Changelog）：**
每个 Skill 的 SKILL.md 中可以包含变更记录部分：
```markdown
## Changelog
### v1.2.0 (2026-04-18)
- 新增：支持按时间范围过滤（today/week/month）
- 优化：提升了搜索查询的相关性
- 修复：处理搜索返回 0 结果的情况
### v1.1.0 (2026-04-16)
- 新增：输出格式支持 bullet/table/json
- 优化：减少了不必要的工具调用
### v1.0.0 (2026-04-15)
- 初始版本
- 基础功能：搜索新闻并生成摘要
```
你可以随时查看 Skill 的版本历史：
```bash
User: 查看 news-fetch-summarize 的版本历史
Agent:
news-fetch-summarize 版本历史:
v1.2.0 (2026-04-18) - 当前版本
变更: +时间范围过滤, +相关性优化, +0结果处理
v1.1.0 (2026-04-16)
变更: +多种输出格式, ~性能优化
v1.0.0 (2026-04-15)
变更: 初始创建
```
### 4.3 用户反馈驱动的改进
用户反馈是 Skill 进化的最重要驱动力。Hermes 提供了多种方式让你提供反馈：
**方式一：执行后即时反馈**
```bash
Agent: [执行完 Skill 后]
任务已完成。你对这次执行满意吗？
1. 非常满意，不需要改
2. 基本满意，有小问题
3. 不满意，需要改进
4. 完全错了
User: 2
Agent: 请告诉我需要改进的地方：
User: 摘要太长了，控制在 200 字以内
Agent: 收到！已更新 Skill：
- 新增约束：摘要长度 ≤ 200 字
- Skill 升级到 v1.2.1
```
**方式二：使用中随时纠正**
```bash
User: [看到 Skill 输出后]
不对，数据来源不应该包括 Twitter
Agent: 收到纠正。正在更新 Skill...
已添加过滤规则：排除社交媒体来源
Skill 已更新。
```
**方式三：批量回顾与评分**
```bash
User: 回顾这周所有 Skill 的表现
Agent:
本周 Skill 执行统计:
news-fetch-summarize (执行 5 次):
成功率: 100%
平均满意度: 4.2/5
改进建议: 用户 2 次提到希望加入情感分析
code-review-python (执行 3 次):
成功率: 66%
失败原因: 1 次因文件过大超时
改进建议: 添加大文件分块处理
deploy-release (执行 1 次):
成功率: 100%
用户评分: 5/5
是否根据反馈自动优化这些 Skill？
User: 是
Agent: 正在优化...
✓ news-fetch-summarize v1.3.0: +情感分析步骤
✓ code-review-python v2.1.0: +大文件分块处理
✓ deploy-release: 无需优化
```
### 4.4 社区实测：1-2 周后重复任务成功率提升 30%+
技能自我进化的效果不是理论推测，而是经过社区大量用户验证的事实。
**社区实测数据（抽样 100 位活跃用户，使用 Hermes 2 周）：**
| 指标 | 第 1 周 | 第 2 周 | 提升幅度 |
| ---------------- | --------- | -------- | -------- |
| 重复任务成功率 | 68% | 91% | +33.8% |
| 平均交互轮次 | 8.2 | 4.7 | -42.7% |
| 用户手动纠正次数 | 4.5/天 | 1.2/天 | -73.3% |
| 任务完成时间 | 12.3 分钟 | 6.8 分钟 | -44.7% |
| 用户满意度评分 | 3.6/5 | 4.5/5 | +25.0% |
**数据解读：**
- **成功率提升 33.8%**：Skill 在不断进化中修复了错误路径，学会了处理边界情况
- **交互轮次减少 42.7%**：Agent 越来越「懂你」，需要的澄清和确认越来越少
- **手动纠正减少 73.3%**：这是最显著的改进——你不需要再反复教 Agent 了
- **任务时间缩短 44.7%**：效率的直接影响，每天节省大量时间
> **注意**
>
> 这些数据是社区用户的平均表现。个体差异很大——如果你主要做创新性、非重复的任务，Skill 的进化效果会不明显；如果你的工作包含大量重复性流程（如数据分析、报告生成、代码审查），Skill 系统的效果会非常显著。
### 4.5 如何加速技能进化
如果你想让 Skill 进化得更快、更好，可以采取以下策略：
**策略一：主动提供反馈**
不要等 Agent 问才反馈。每次使用 Skill 后，主动告诉它哪里好、哪里不好：
```bash
User: 刚才那个 Skill 执行得不错，但输出格式可以再紧凑一点
Agent: 收到反馈，已记录。
```
**策略二：给 Skill 打分**
建立给 Skill 打分的习惯。这会让系统更清楚你的偏好：
```bash
User: /skill rate news-fetch-summarize 4/5
Agent: 已记录评分。有什么具体建议吗？
User: 希望加上「争议性」标签，标出哪些新闻有争议
Agent: 好的，下次执行时会加入争议性分析。
```
**策略三：手动优化 SKILL.md**
自动进化是渐进式的，如果你想快速提升 Skill 质量，可以直接编辑 SKILL.md：
```bash
User: 编辑 news-fetch-summarize Skill
Agent: [打开编辑器，展示 SKILL.md 内容]
[用户直接修改 SKILL.md]
User: 保存
Agent: Skill 已更新到 v1.5.0（手动优化版）。
```
**策略四：使用 A/B 测试**
对同一个任务维护两个版本的 Skill，比较哪个更好：
```
~/.hermes/skills/
├── news-fetch-summarize/ # 版本 A：详细版
│ └── SKILL.md
├── news-fetch-summarize-brief/ # 版本 B：简洁版
│ └── SKILL.md
```
使用一周后比较两个版本的成功率、用户满意度，保留更好的那个。
---
## 5. 手动创建技能
### 5.1 为什么有时需要手动创建
虽然自动创建很方便，但在以下场景中，手动创建 Skill 是更好的选择：
**场景一：预先定义标准流程**
在项目开始之前，你就知道需要一套标准流程。比如新成员入职时的环境配置流程：
```markdown
## Onboard New Team Member
### Step 1: Access Setup
- Add to GitHub organization
- Grant VPN access
- Create Slack account
### Step 2: Environment
- Clone repo: [email protected]:company/project.git
- Run: ./scripts/setup-dev.sh
- Verify: make test
### Step 3: Documentation
- Read: docs/ARCHITECTURE.md
- Read: docs/CONTRIBUTING.md
- Shadow senior engineer for 2 days
```
这种流程在项目开始前就定义好了，自动创建无法预知。
**场景二：高度定制化的需求**
自动创建的 Skill 是「通用化」的，可能缺少你的特殊要求。比如你公司内部的代码规范非常严格，自动生成的 code-review Skill 不会包含这些规范。
**场景三：集成内部系统**
如果你的 Skill 需要调用公司内部 API（如 JIRA、Confluence、自研平台），自动创建无法知道这些内部系统的存在。
**场景四：从其他平台迁移**
你从 Claude Code 或 Cursor 迁移过来，想把已有的 Skill/规则迁移到 Hermes。
**场景五：追求极致优化**
自动创建的 Skill 是「70 分方案」。如果你想达到「95 分」，手动调整和优化是必要的。
### 5.2 手动创建的完整教程
手动创建一个 Skill 只需要三步：创建目录、编写 SKILL.md、验证测试。
**第一步：创建 Skill 目录**
```bash
# 确定 Skill 名称（使用 kebab-case）
SKILL_NAME="my-custom-skill"
# 创建目录
mkdir -p ~/.hermes/skills/$SKILL_NAME
# 创建 SKILL.md 文件
touch ~/.hermes/skills/$SKILL_NAME/SKILL.md
```
**第二步：编写 SKILL.md**
用你喜欢的编辑器打开文件，按照以下模板编写：
```markdown
# <Skill 名称>
## Metadata
- Name: <skill-name>
- Description: <一句话描述>
- Version: 1.0.0
- Tags: <tag1>, <tag2>
- Author: <你的名字>
- Created: <日期>
## Trigger Conditions
- <触发条件 1>
- <触发条件 2>
## Required Context
- <需要的上下文 1>
- <需要的上下文 2>
## Execution Steps
### Step 1: <步骤名称>
<具体描述>
### Step 2: <步骤名称>
<具体描述>
## Error Handling
- <错误情况 1>: <处理方式>
- <错误情况 2>: <处理方式>
## Notes
- <注意事项 1>
- <注意事项 2>
## Example Input
<User 输入示例>
## Example Output
<Agent 输出示例>
```
**第三步：验证 Skill**
```bash
# 验证 Skill 格式
$ hermes skills validate my-custom-skill
# 测试执行
$ hermes skills test my-custom-skill --input "测试输入"
# 查看 Skill 详情
$ hermes skills show my-custom-skill
```
### 5.3 Skill 文件模板大全
以下是 5 个不同场景的 Skill 模板，你可以直接复制修改。
#### 模板一：数据提取与转换
```markdown
# Extract and Transform Data
## Metadata
- Name: extract-transform-data
- Description: Extract data from source format and transform to target format
- Version: 1.0.0
- Tags: data, etl, transform
## Trigger Conditions
- User asks to "convert" data from one format to another
- User mentions "extract" data from files
- User needs data "transformed" or "reformatted"
## Required Context
- Source format: e.g., CSV, JSON, XML, Excel
- Target format: e.g., CSV, JSON, SQL, Markdown table
- Data location: file path or inline data
## Execution Steps
### Step 1: Analyze Source
- Read source data
- Identify schema, types, and constraints
- Check for missing/null values
### Step 2: Define Transformation
- Map source fields to target fields
- Apply type conversions
- Handle missing values (strategy: ask user or use default)
### Step 3: Execute Transformation
- Transform data according to mapping
- Validate output format
- Check for data integrity
### Step 4: Deliver Output
- Present transformed data
- Save to file if requested
- Provide transformation summary (rows processed, errors found)
## Error Handling
- Invalid source format: report issue and ask for correct file
- Schema mismatch: show differences and ask for mapping confirmation
- Data too large (>10MB): suggest chunking or streaming approach
## Example Input
User: "Convert this CSV to JSON, and rename 'Name' to 'username'"
[User provides CSV file]
## Example Output
Agent: "I've converted your CSV to JSON with the field mapping you specified.
Here's a preview of the first 3 records...
Full file saved as output.json"
```
#### 模板二：API 测试与验证
```markdown
# API Test and Validate
## Metadata
- Name: api-test-validate
- Description: Test API endpoints and validate responses
- Version: 1.0.0
- Tags: api, testing, http
## Trigger Conditions
- User asks to "test" an API endpoint
- User wants to "validate" API responses
- User mentions API "contract" or "spec"
## Required Context
- API endpoint URL
- HTTP method (GET/POST/PUT/DELETE)
- Expected request format (headers, body)
- Expected response format (status code, schema)
## Execution Steps
### Step 1: Prepare Request
- Construct HTTP request with proper headers
- Format request body according to content-type
- Set authentication if required
### Step 2: Send Request
- Execute HTTP call
- Record timing (latency)
- Capture full response
### Step 3: Validate Response
- Check status code matches expected
- Validate response body schema
- Check required fields present
- Verify data types correct
### Step 4: Report Results
- Show pass/fail for each validation
- Display response time
- Highlight any discrepancies
- Suggest fixes if validation fails
## Error Handling
- Connection error: check URL and network
- Timeout: report and suggest retry with longer timeout
- Authentication error: ask for credentials
- Unexpected status code: show response and ask if expected
## Example Input
User: "Test POST /api/users with {name: 'Alice', email: '[email protected]'}"
## Example Output
Agent: "API Test Results:
✓ Status: 201 Created (expected: 201)
✓ Response time: 145ms
✓ Schema: valid
✓ Required fields: all present
Response body: {id: 123, name: 'Alice', ...}"
```
#### 模板三：文档生成
```markdown
# Generate Documentation
## Metadata
- Name: generate-docs
- Description: Generate documentation from code or specifications
- Version: 1.0.0
- Tags: docs, documentation, code
## Trigger Conditions
- User asks to "document" code or API
- User wants to "generate docs" for a project
- User mentions "README", "API docs", or "documentation"
## Required Context
- Source files or specifications
- Documentation type: README, API docs, inline comments, wiki
- Target audience: developers, end users, API consumers
## Execution Steps
### Step 1: Analyze Source
- Read source files or specifications
- Identify: public APIs, key functions, data models, configuration
- Extract existing comments and docstrings
### Step 2: Structure Documentation
- Choose format based on type:
- README: project overview, install, usage, contrib
- API docs: endpoints, params, examples, errors
- Inline: function docs, type hints, usage examples
### Step 3: Generate Content
- Write clear, concise explanations
- Include code examples
- Add diagrams where helpful (Mermaid)
- Follow style guide (if specified in USER.md)
### Step 4: Review and Format
- Check for completeness
- Ensure consistency
- Format according to standard (Markdown, reStructuredText, etc.)
### Step 5: Deliver
- Show preview
- Save to specified location
- Suggest next steps (review, publish)
## Error Handling
- Missing source files: ask user to provide
- Unclear scope: ask for clarification on what to document
- Unsupported language: document what we can, note limitations
```
#### 模板四：安全扫描与审计
```markdown
# Security Scan and Audit
## Metadata
- Name: security-scan-audit
- Description: Scan code or configuration for security issues
- Version: 1.0.0
- Tags: security, audit, scan
## Trigger Conditions
- User asks for "security scan" or "security audit"
- User mentions "vulnerability" or "security check"
- User wants to "review" code for security
## Required Context
- Target: code files, config files, or entire project
- Scope: quick scan vs deep audit
- Standards: OWASP, CIS, company policy
## Execution Steps
### Step 1: Discovery
- Identify target files and scope
- Check file types and technologies
- Note security-relevant files (auth, crypto, config)
### Step 2: Static Analysis
- Scan for common vulnerabilities:
- Injection flaws (SQL, XSS, command)
- Authentication issues
- Sensitive data exposure
- Insecure configurations
- Check dependency versions for known CVEs
### Step 3: Configuration Review
- Check for hardcoded secrets
- Review access controls
- Verify encryption settings
- Check logging and monitoring
### Step 4: Report Generation
- Categorize findings by severity (Critical/High/Medium/Low)
- Provide remediation guidance
- Include references (CVE, OWASP cheat sheets)
- Generate actionable task list
## Error Handling
- Binary/compiled files: note and skip
- Encrypted files: ask for decryption or skip
- Too many findings: prioritize top 10, summarize rest
## Notes
- Never expose real secrets in output
- Always suggest remediation, not just flag issues
- Distinguish between confirmed vulnerabilities and potential risks
```
#### 模板五：会议纪要与行动项提取
```markdown
# Meeting Notes and Action Items
## Metadata
- Name: meeting-notes-actions
- Description: Extract key points and action items from meeting transcripts
- Version: 1.0.0
- Tags: meeting, productivity, notes
## Trigger Conditions
- User provides meeting transcript or recording
- User asks to "summarize" a meeting
- User mentions "action items" or "meeting notes"
## Required Context
- Meeting transcript (text, audio, or video)
- Meeting context: topic, attendees, date (if available)
## Execution Steps
### Step 1: Parse Input
- Read transcript
- Identify speakers (if labeled)
- Segment by topic shifts
### Step 2: Extract Key Points
- Identify: decisions made, topics discussed, concerns raised
- Note any disagreements or unresolved items
- Capture important numbers, dates, deadlines
### Step 3: Extract Action Items
- Find tasks assigned to specific people
- Note deadlines and dependencies
- Identify blockers or risks mentioned
### Step 4: Format Output
```
# Meeting Notes: <Topic> (<Date>)
## Attendees
<list if provided>
## Key Discussion Points
1. <Point 1>
2. <Point 2>
...
## Decisions Made
- <Decision 1>
- <Decision 2>
## Action Items
| # | Task | Owner | Due | Status |
| --- | ------ | ------- | ----- | ------ |
| 1 | <task> | <owner> | <due> | Open |
## Open Questions / Blockers
- <Item 1>
```
### Step 5: Deliver
- Present formatted notes
- Save if requested
- Suggest calendar invites for action item deadlines
## Error Handling
- Unclear transcript: ask for clarification on key sections
- Missing context: note assumptions made
- Too long: provide summary + offer full detail
```
### 5.4 编写高质量 Skill 的 10 个技巧
经过社区大量实践，我们总结出了编写高质量 Skill 的 10 个核心技巧：
**技巧 1：触发条件要具体**
差的触发条件：
```markdown
## Trigger Conditions
- User wants to do something with data
```
好的触发条件：
```markdown
## Trigger Conditions
- User asks to "convert", "transform", or "reformat" data
- User mentions changing file format (CSV, JSON, Excel, etc.)
- User provides data and asks for different output format
```
**技巧 2：步骤要原子化**
每个步骤只做一件事，步骤之间用明确的输入输出连接：
```markdown
### Step 1: Read Source
Input: file path or raw data
Output: parsed data structure
### Step 2: Validate
Input: parsed data
Output: validation report (pass/fail with details)
### Step 3: Transform
Input: validated data
Output: transformed data
```
**技巧 3：错误处理要全面**
思考所有可能的失败情况：
```markdown
## Error Handling
- File not found: ask user for correct path
- Permission denied: suggest checking file permissions
- Invalid format: show expected vs actual format
- Empty result: inform user and suggest alternatives
- Network timeout: retry with exponential backoff
```
**技巧 4：示例要真实**
使用真实的输入输出示例，不要用占位符：
```markdown
## Example Input
User: "Convert this CSV to JSON: name,age,city\nAlice,30,NYC"
## Example Output
Agent: "Here's the JSON:\n[\n {\"name\": \"Alice\", \"age\": 30, \"city\": \"NYC\"}\n]"
```
**技巧 5：版本号要管理**
从 v1.0.0 开始，每次有意义的更新都升级版本号。
**技巧 6：标签要准确**
使用社区共识的标签体系，便于搜索和分类：
```markdown
- Tags: web-search, data-analysis, python, api, documentation
```
**技巧 7：上下文要声明**
明确说明执行这个 Skill 需要什么前置信息：
```markdown
## Required Context
- API key for external service (stored in env var or MEMORY.md)
- Input data file path
- Target output directory
```
**技巧 8：输出格式要规范**
定义清晰的输出格式，让结果可预测：
```markdown
## Output Format
- Status: success / partial / failed
- Summary: one-line description
- Details: structured data
- Next steps: recommended actions
```
**技巧 9：考虑边界情况**
问自己：输入为空怎么办？数据量太大怎么办？网络断了怎么办？
**技巧 10：保持简洁**
SKILL.md 不是论文，不需要长篇大论。用简洁的语言描述清晰的步骤。如果 Skill 太复杂，考虑拆分成多个子 Skill。
### 5.5 测试与验证技能
创建 Skill 后，必须进行测试。Hermes 提供了多种测试方式：
**方式一：命令行测试**
```bash
# 验证 Skill 格式是否正确
$ hermes skills validate my-skill
✓ Metadata complete
✓ Trigger conditions defined
✓ Execution steps valid
✓ No syntax errors
# 模拟执行（不实际调用工具）
$ hermes skills test my-skill --dry-run
[显示模拟执行路径]
# 实际执行测试
$ hermes skills test my-skill --input "测试输入内容"
[实际执行并展示结果]
```
**方式二：在对话中测试**
```bash
User: /skill test my-skill "测试输入"
Agent: [执行 Skill 并展示详细日志]
Execution Log:
Step 1: Read Source ✓
Step 2: Validate ✓
Step 3: Transform ✓
Output: [结果]
```
**方式三：单元测试（高级）**
你可以为 Skill 编写测试用例：
```markdown
## Test Cases
### Test 1: Normal Case
Input: "Convert CSV with 3 columns to JSON"
Expected: Valid JSON array with 3 keys per object
### Test 2: Empty Input
Input: "Convert empty CSV to JSON"
Expected: Empty JSON array []
### Test 3: Invalid Format
Input: "Convert corrupted CSV to JSON"
Expected: Error message explaining the issue
```
```bash
$ hermes skills test my-skill --run-tests
Running 3 test cases...
✓ Test 1: PASS
✓ Test 2: PASS
✗ Test 3: FAIL
Expected: Error message
Got: Silent failure with empty output
建议：在 Step 2 中添加格式验证，失败时返回明确错误。
```
---
## 6. 技能管理命令大全
### 6.1 hermes skills list —— 查看所有技能
这是最基础的技能管理命令，让你一览所有可用的 Skill。
```bash
$ hermes skills list
已安装技能 (23个):
═══════════════
内置技能 (Built-in):
llm-wiki v2.1.0 内置 LLM 概念速查百科
code-review v1.8.0 内置 通用代码审查
git-workflow v1.5.0 内置 Git 工作流辅助
...
官方技能 (Official):
manim v3.0.1 官方 数学动画生成
security-audit v2.2.0 官方 安全审计扫描
...
可信技能 (Trusted):
gstack v1.4.0 可信 技术栈管理与推荐
openai-utils v1.1.0 可信 OpenAI API 工具集
...
社区技能 (Community):
news-fetch v1.0.0 社区 新闻抓取摘要 (auto-generated)
docker-deploy v1.2.0 社区 Docker 部署流程 (auto-generated)
...
自动创建 (Auto-generated):
data-clean-v2 v1.3.0 自动 数据清洗流程
report-weekly v2.0.0 自动 周报生成
...
```
**常用选项：**
```bash
# 只显示内置技能
$ hermes skills list --built-in
# 只显示自动创建的技能
$ hermes skills list --auto-generated
# 按标签过滤
$ hermes skills list --tag data-analysis
# 显示详细信息（包括描述和触发条件）
$ hermes skills list --verbose
# 显示技能大小和最后使用时间
$ hermes skills list --stats
```
### 6.2 hermes skills show <name> —— 查看技能详情
查看某个 Skill 的完整信息：
```bash
$ hermes skills show news-fetch-summarize
新闻抓取与摘要 (news-fetch-summarize)
═══════════════════════════════════════
元数据:
名称: news-fetch-summarize
版本: v1.2.0
作者: auto-generated
创建: 2026-04-15
更新: 2026-04-18
标签: news, research, web-search, summary
信任等级: 自动创建 (Auto-generated)
触发条件:
1. User asks for "news" or "latest" about a topic
2. User requests a "summary" of current events
3. User mentions "what's happening" in a domain
执行步骤:
Step 1: Search (web_search)
Step 2: Filter and Rank
Step 3: Extract Key Information
Step 4: Generate Summary Report
Step 5: Save (Optional)
使用统计:
执行次数: 12
成功率: 100%
平均执行时间: 8.3s
上次使用: 2小时前
文件位置:
~/.hermes/skills/news-fetch-summarize/SKILL.md
文件大小: 2.4 KB
```
### 6.3 hermes skills edit <name> —— 编辑技能
编辑 Skill 的内容：
```bash
# 使用默认编辑器打开
$ hermes skills edit news-fetch-summarize
# 使用指定编辑器
$ hermes skills edit news-fetch-summarize --editor vim
# 直接修改某个字段
$ hermes skills edit news-fetch-summarize --set-version 1.3.0
$ hermes skills edit news-fetch-summarize --add-tag "daily"
$ hermes skills edit news-fetch-summarize --remove-tag "experimental"
```
### 6.4 hermes skills delete <name> —— 删除技能
删除不再需要的 Skill：
```bash
# 普通删除（移动到回收站）
$ hermes skills delete old-skill
⚠️ 确定要删除技能 "old-skill" 吗？(y/N): y
已删除。如需恢复：hermes skills restore old-skill
# 强制删除（不确认，不回收）
$ hermes skills delete old-skill --force
# 批量删除
$ hermes skills delete --auto-generated --older-than 30d
# 删除所有 30 天前自动生成的技能
```
### 6.5 hermes skills export —— 导出技能
导出 Skill 以便分享或备份：
```bash
# 导出单个技能
$ hermes skills export news-fetch-summarize
已导出: ./news-fetch-summarize.tar.gz
# 导出多个技能
$ hermes skills export news-fetch-summarize docker-deploy
已导出: ./skills-bundle.tar.gz
# 导出所有技能
$ hermes skills export --all
已导出: ./all-skills-20260421.tar.gz
# 导出时包含使用统计
$ hermes skills export news-fetch-summarize --with-stats
```
导出文件的结构：
```
news-fetch-summarize.tar.gz
├── skill/
│ └── SKILL.md
├── meta/
│ └── manifest.json
└── stats/
└── usage.json
```
### 6.6 hermes skills import —— 导入技能
导入从他人处获得或自己备份的 Skill：
```bash
# 导入单个技能
$ hermes skills import ./news-fetch-summarize.tar.gz
✓ 已导入: news-fetch-summarize v1.2.0
# 导入技能包
$ hermes skills import ./skills-bundle.tar.gz
✓ 已导入: news-fetch-summarize v1.2.0
✓ 已导入: docker-deploy v1.0.0
# 从 URL 导入
$ hermes skills import https://agentskills.io/skills/awesome-skill.tar.gz
# 导入前预览（不实际安装）
$ hermes skills import ./skill.tar.gz --dry-run
预览:
名称: awesome-skill
版本: 2.0.0
作者: @community-dev
信任等级: 社区
触发条件: 3 条
执行步骤: 5 步
⚠️ 警告: 此技能需要网络访问权限
是否继续导入？
# 强制覆盖已有技能
$ hermes skills import ./skill.tar.gz --overwrite
```
### 6.7 其他实用命令
```bash
# 启用/禁用技能
$ hermes skills enable my-skill
$ hermes skills disable my-skill
# 复制技能（用于创建变体）
$ hermes skills copy news-fetch-summarize news-fetch-daily
# 复制为 news-fetch-daily，然后可以独立编辑
# 搜索技能
$ hermes skills search "docker"
找到 3 个匹配的技能:
- docker-deploy
- docker-compose-generator
- docker-image-optimize
# 查看技能依赖
$ hermes skills deps my-skill
my-skill 依赖:
- web_search (工具)
- file_write (工具)
- code-review (技能)
# 更新技能（从 Skills Hub 获取最新版本）
$ hermes skills update news-fetch-summarize
正在检查更新...
当前: v1.2.0
最新: v1.3.2
更新内容:
- 新增: 支持按时间范围过滤
- 修复: 0 搜索结果的处理
- 优化: 摘要生成速度
是否更新？(y/N): y
✓ 已更新到 v1.3.2
```
---
## 7. Skills Hub 与社区技能
### 7.1 官方 Skills Hub（agentskills.io 兼容）
Skills Hub 是 Hermes 的官方技能市场，你可以把它理解为「Agent 的 App Store」。在这里，你可以发现、安装、分享 Skill，与全球开发者社区协作。
Skills Hub 的网址是 `agentskills.io`（兼容 Nous Research 官方标准）。它的核心功能包括：
1. **浏览与搜索**：按分类、标签、评分、下载量浏览技能
2. **一键安装**：找到合适的 Skill 后，一条命令即可安装到本地
3. **版本管理**：自动跟踪 Skill 的更新，一键升级
4. **评分与评论**：社区驱动的质量评估体系
5. **贡献与发布**：提交你自己的 Skill，分享给全世界
**访问 Skills Hub：**
```bash
# 在浏览器中打开
$ hermes skills hub
# 会自动打开浏览器，访问 agentskills.io
# 或者在命令行中浏览
$ hermes skills hub --browse
Skills Hub
══════════
热门分类:
[1] 开发工具 (156 个技能)
[2] 数据分析 (89 个技能)
[3] 内容创作 (67 个技能)
[4] DevOps (54 个技能)
[5] 安全审计 (43 个技能)
[6] 更多...
本周热门:
1. ⭐ gstack v1.4.0 (可信) - 1,234 下载
2. ⭐ openai-utils v1.1.0 (可信) - 987 下载
3. ⭐ manim v3.0.1 (官方) - 876 下载
4. ⭐ security-audit v2.2.0 (官方) - 765 下载
5. ⭐ data-pipeline v2.1.0 (社区) - 654 下载
输入分类编号或技能名称搜索，或按 'q' 退出:
```
### 7.2 四个信任等级体系
Hermes 建立了一套严格的信任等级体系，帮助用户评估 Skill 的安全性和可靠性。根据 Hermes Atlas 官方文档，所有 Skill 分为四个信任等级：
| 等级 | 名称 | 标识 | 说明 | 安全审计 |
| ---- | ---------------- | ---- | ------------------------ | ------------------------ |
| 1 | 内置 (Built-in) | 🏠 | 随 Hermes 发行版一同发布 | 完整安全审计 |
| 2 | 官方 (Official) | ✅ | Nous Research 团队发布 | 完整安全审计 |
| 3 | 可信 (Trusted) | 👤 | 经验证的社区成员发布 | 代码扫描 + 人工抽查 |
| 4 | 社区 (Community) | 🌐 | 任何社区成员发布 | 自动扫描（建议查看源码） |
**等级详解：**
**内置（Built-in）**
内置技能随 Hermes 安装包一起分发，是系统核心功能的一部分。它们经过了最严格的安全审计和性能测试，是最值得信赖的 Skill。
内置技能的特点是：
- 代码完全透明，可以在 GitHub 上查看源码
- 更新频率与 Hermes 主版本同步
- 不依赖外部网络服务（纯本地执行）
- 有专门的维护团队负责
**官方（Official）**
官方技能由 Nous Research 团队或官方认证的贡献者开发和维护。它们不随 Hermes 一起安装，需要通过 Skills Hub 单独安装，但同样经过了完整的安全审计。
官方技能的特点是：
- 有官方团队背书
- 定期更新和维护
- 文档完整、示例丰富
- 与 Hermes 核心功能深度集成
**可信（Trusted）**
可信技能来自经验证的社区成员。这些开发者已经通过了社区的身份验证和技能质量审核，他们发布的 Skill 被标记为「可信」。
可信技能的特点是：
- 开发者身份已验证
- 代码经过自动扫描（检测恶意代码、敏感信息泄露等）
- 人工抽查通过
- 有明确的维护承诺
**社区（Community）**
社区技能是 Skills Hub 上数量最多的类别。任何注册开发者都可以发布社区技能。这些技能经过了自动扫描，但没有人工审计。
社区技能的特点是：
- 数量庞大（截至 2026 年 4 月 19 日，Skills Hub 上共有 **643 个社区技能**）
- 创新速度快，覆盖领域广
- 质量参差不齐
- **建议安装前查看源码**
> **安全建议**
>
> 安装 Skill 时，优先选择高等级的 Skill。对于社区等级的 Skill，安装前务必查看 SKILL.md 的内容，确认：1）它不会执行危险的系统命令；2）不会向外部发送你的敏感数据；3）代码逻辑合理、无恶意行为。
### 7.3 浏览与搜索社区技能
Skills Hub 提供了多种方式帮助你找到需要的 Skill：
**按分类浏览：**
```bash
$ hermes skills hub --category development
开发工具类技能 (156个):
═══════════════════════
代码生成:
- boilerplate-generator 生成项目脚手架
- api-client-generator 根据 OpenAPI 生成客户端代码
- test-case-generator 自动生成测试用例
代码审查:
- code-review-python Python 代码审查
- code-review-javascript JavaScript 代码审查
- security-code-scan 安全漏洞扫描
调试辅助:
- debug-trace 智能断点分析
- log-analyzer 日志模式分析
- performance-profile 性能瓶颈定位
...（共 156 个）
```
**按关键词搜索：**
```bash
$ hermes skills hub --search "docker"
搜索结果 (12个):
════════════════
1. docker-deploy v2.1.0 官方 Docker 部署流程
2. docker-compose-gen v1.3.0 可信 Docker Compose 生成器
3. docker-image-optimize v1.0.0 社区 Docker 镜像优化
4. docker-security-scan v1.2.0 可信 Docker 安全扫描
5. k8s-manifest-gen v1.5.0 社区 Kubernetes 清单生成
...
按评分排序 / 按下载量排序 / 按更新时间排序:
[r] 评分 [d] 下载 [u] 更新 [q] 退出
```
**高级搜索：**
```bash
# 搜索特定信任等级的技能
$ hermes skills hub --search "data" --trust official,trusted
# 搜索特定标签
$ hermes skills hub --tag "python,api"
# 搜索最近更新的
$ hermes skills hub --updated-within 7d
# 组合条件
$ hermes skills hub --search "deploy" --trust official --min-rating 4.0
```
### 7.4 一键安装社区技能
找到心仪的 Skill 后，安装只需一条命令：
```bash
# 安装指定技能
$ hermes skills install manim
正在安装 manim v3.0.1 (官方)...
✓ 下载完成
✓ 安全扫描通过
✓ 依赖检查通过
✓ 安装完成
manim 已安装到 ~/.hermes/skills/manim/
触发条件: 用户要求生成数学动画或可视化
使用方式: 直接说 "帮我生成一个关于 <topic> 的动画"
# 安装特定版本
$ hermes skills install [email protected]
# 批量安装
$ hermes skills install manim gstack openai-utils
# 从 Skills Hub 页面安装
# 访问 agentskills.io，找到技能，复制安装命令
$ hermes skills install --from-hub skill-id-12345
```
### 7.5 技能质量评估方法
在 Skills Hub 上选择 Skill 时，可以参考以下质量指标：
**客观指标：**
| 指标 | 说明 | 优秀标准 |
| -------- | ------------------- | ----------- |
| 下载量 | 被安装的次数 | > 500 |
| 评分 | 用户打分（1-5星） | > 4.2 |
| 版本号 | 当前版本 | v1.0.0 以上 |
| 更新频率 | 多久更新一次 | < 3 个月 |
| 信任等级 | 内置/官方/可信/社区 | 官方及以上 |
**主观评估（安装前查看 SKILL.md）：**
1. **触发条件是否清晰**：好的 Skill 有明确、具体的触发条件
2. **执行步骤是否完整**：每个步骤都有清晰的描述和预期输出
3. **错误处理是否全面**：考虑了各种失败情况
4. **示例是否真实**：有真实的输入输出示例
5. **文档是否完整**：Metadata、Notes、Changelog 齐全
**社区口碑：**
```bash
# 查看技能评价
$ hermes skills reviews manim
用户评价 (23条):
════════════════
⭐⭐⭐⭐⭐ @alice-dev (2026-04-10)
"非常好用！生成数学动画的代码质量很高，
直接就能运行。"
⭐⭐⭐⭐⭐ @bob-math (2026-04-08)
"官方出品就是不一样，文档详细，示例丰富。
强烈推荐给需要数学可视化的朋友。"
⭐⭐⭐⭐ @charlie (2026-04-05)
"功能强大，但配置有点复杂。建议增加更多
预设模板。"
⭐⭐⭐⭐⭐ @diana (2026-04-01)
"用它生成了毕业论文中的所有数学动画，
导师很满意！"
平均评分: 4.7/5.0
```
### 7.6 推荐的 Top 20 社区技能
基于下载量、评分和社区反馈，以下是 Skills Hub 上最受欢迎的 20 个技能（数据截至 2026 年 4 月）：
| 排名 | 技能名称 | 信任等级 | 下载量 | 评分 | 简介 |
| ---- | ------------------ | -------- | ------ | ---- | ----------------- |
| 1 | gstack | 可信 | 3,456 | 4.8 | 技术栈管理与推荐 |
| 2 | openai-utils | 可信 | 3,012 | 4.7 | OpenAI API 工具集 |
| 3 | manim | 官方 | 2,876 | 4.9 | 数学动画生成 |
| 4 | security-audit | 官方 | 2,543 | 4.8 | 安全审计扫描 |
| 5 | data-pipeline | 社区 | 2,234 | 4.5 | 数据处理流水线 |
| 6 | docker-deploy | 官方 | 2,102 | 4.6 | Docker 部署流程 |
| 7 | code-review-python | 内置 | 1,987 | 4.7 | Python 代码审查 |
| 8 | api-doc-generator | 可信 | 1,876 | 4.4 | API 文档自动生成 |
| 9 | test-automation | 社区 | 1,654 | 4.3 | 自动化测试生成 |
| 10 | git-workflow | 内置 | 1,543 | 4.6 | Git 工作流辅助 |
| 11 | markdown-formatter | 社区 | 1,432 | 4.5 | Markdown 格式化 |
| 12 | sql-optimizer | 可信 | 1,321 | 4.4 | SQL 查询优化 |
| 13 | regex-tester | 社区 | 1,210 | 4.6 | 正则表达式测试 |
| 14 | cron-builder | 社区 | 1,098 | 4.3 | Cron 表达式生成 |
| 15 | jwt-debugger | 社区 | 987 | 4.5 | JWT Token 调试 |
| 16 | csv-analyzer | 社区 | 876 | 4.2 | CSV 数据分析 |
| 17 | nginx-config | 可信 | 765 | 4.4 | Nginx 配置生成 |
| 18 | ssl-checker | 社区 | 654 | 4.3 | SSL 证书检查 |
| 19 | diff-viewer | 社区 | 543 | 4.5 | 代码 Diff 可视化 |
| 20 | changelog-gen | 社区 | 432 | 4.2 | 变更日志生成 |
### 7.7 推荐首装的 5 个技能
如果你是 Hermes 新用户，不知道从哪里开始，官方和社区强烈推荐以下 5 个「首装技能」：
#### 推荐 1：LLM Wiki（内置）
**信任等级：** 内置（Built-in）
**功能：** LLM 概念速查百科。当你遇到不熟悉的大模型概念（如 "RAG"、"LoRA"、"KV Cache"）时，这个 Skill 会提供简明扼要但技术准确的解释。
**触发示例：**
```bash
User: 什么是 KV Cache？为什么大模型推理需要它？
Agent: [加载 LLM Wiki Skill]
KV Cache（Key-Value Cache）是 Transformer 推理优化的核心机制...
[提供结构化解释，包含公式、示意图、代码示例]
```
**为什么首装：** 作为 AI Agent 用户，你不可避免会遇到各种 AI/ML 术语。LLM Wiki 是你的随身技术词典，解释质量高于一般的搜索引擎结果。
**安装：** 已内置，无需安装
#### 推荐 2：Gstack（可信）
**信任等级：** 可信（Trusted）
**功能：** 技术栈管理与推荐。当你开始一个新项目时，这个 Skill 会根据你的需求推荐最合适的技术栈组合，并生成项目初始化配置。
**触发示例：**
```bash
User: 我要做一个实时聊天应用，推荐一套技术栈
Agent: [加载 Gstack Skill]
基于你的需求（实时聊天），推荐技术栈：
前端: React + Socket.io-client + Tailwind
后端: Node.js + Express + Socket.io
数据库: Redis (实时状态) + PostgreSQL (持久化)
部署: Docker + Nginx
[生成 package.json、Dockerfile、docker-compose.yml]
```
**为什么首装：** 技术选型是项目成功的关键。Gstack 整合了社区最佳实践，能帮你避免「选型陷阱」。
**安装：**
```bash
$ hermes skills install gstack
```
#### 推荐 3：OpenAI Utils（可信）
**信任等级：** 可信（Trusted）
**功能：** OpenAI API 工具集。提供一系列实用的 OpenAI API 辅助功能，包括 Token 计算、成本估算、批量请求管理、结果分析等。
**触发示例：**
```bash
User: 帮我估算一下，用这个 Prompt 处理 1000 条记录要多少钱？
Agent: [加载 OpenAI Utils Skill]
正在计算...
Prompt 长度: 1,250 Tokens
预期输出长度: 500 Tokens
单条成本: $0.0525 (GPT-4)
1,000 条总成本: ~$52.50
优化建议:
- 使用 GPT-4o-mini 可将成本降至 $3.50
- 批量处理（batch API）可再节省 50%
- 预计最低成本: $1.75
```
**为什么首装：** 如果你使用商业 LLM API，成本控制是必修课。OpenAI Utils 帮你算清每一笔账。
**安装：**
```bash
$ hermes skills install openai-utils
```
#### 推荐 4：Manim（官方）
**信任等级：** 官方（Official）
**功能：** 数学动画生成。基于著名的 Manim 引擎（3Blue1Brown 使用的动画工具），帮你生成高质量的数学概念可视化动画。
**触发示例：**
```bash
User: 帮我生成一个解释梯度下降算法的动画
Agent: [加载 Manim Skill]
好的，我来生成一个梯度下降的动画：
场景设计:
1. 展示损失函数的曲面
2. 初始化随机起点
3. 展示梯度计算过程
4. 展示参数更新步骤
5. 展示收敛过程
[生成 Python 脚本]
[运行 Manim 渲染]
动画已生成：gradient_descent.mp4
时长: 45 秒
分辨率: 1080p
```
**为什么首装：** 无论是教学、演讲还是内容创作，可视化都是最强大的表达工具。Manim 让复杂的数学概念一目了然。
**安装：**
```bash
$ hermes skills install manim
```
#### 推荐 5：Security Audit（官方）
**信任等级：** 官方（Official）
**功能：** 安全审计扫描。自动扫描代码和配置文件中的安全漏洞，包括注入攻击、敏感信息泄露、不安全的依赖、配置错误等。
**触发示例：**
```bash
User: 扫描一下这个项目的安全问题
Agent: [加载 Security Audit Skill]
正在扫描...
🔍 扫描范围: 当前目录及所有子目录
🔍 扫描类型: 代码安全 + 依赖安全 + 配置安全
扫描结果:
⚠️ 中风险 (2个):
1. config.py:15 - 硬编码的数据库密码
建议: 使用环境变量
2. requirements.txt - django 3.2 有已知 CVE-2026-XXXX
建议: 升级到 django 4.2+
✅ 低风险 (5个): [详情...]
✅ 通过项: 23 项
修复建议已生成: security-fixes.patch
```
**为什么首装：** 安全漏洞的代价可能是灾难性的。Security Audit 帮你把安全风险扼杀在萌芽状态。
**安装：**
```bash
$ hermes skills install security-audit
```
### 7.8 如何贡献自己的技能
如果你开发了一个好用的 Skill，欢迎贡献给社区！
**贡献流程：**
**第一步：准备 Skill**
确保你的 Skill 符合社区规范：
```bash
# 验证 Skill 格式
$ hermes skills validate my-awesome-skill
# 测试 Skill
$ hermes skills test my-awesome-skill
# 生成文档
$ hermes skills doc my-awesome-skill
```
**第二步：打包 Skill**
```bash
$ hermes skills export my-awesome-skill
已导出: ./my-awesome-skill.tar.gz
```
**第三步：提交到 Skills Hub**
```bash
$ hermes skills publish ./my-awesome-skill.tar.gz
发布新技能
══════════
技能名称: my-awesome-skill
版本: v1.0.0
作者: your-name
描述: <从 SKILL.md 读取>
选择信任等级申请:
[1] 社区 (Community) - 自动发布
[2] 可信 (Trusted) - 需要审核 (推荐)
请输入选择: 2
✓ 已提交审核申请
审核通常需要 1-3 个工作日
审核结果将发送到你的注册邮箱
```
**贡献规范：**
1. **代码安全**：不得包含恶意代码、后门、数据窃取逻辑
2. **隐私保护**：不得未经用户同意向外部发送数据
3. **文档完整**：必须包含完整的 Metadata、触发条件、执行步骤
4. **示例真实**：提供至少一个真实的输入输出示例
5. **开源许可**：建议使用 MIT 或 Apache 2.0 许可证
> **Tips**
>
> 贡献 Skill 不仅能帮助社区，也是展示你技术能力的好方式。很多开发者通过贡献高质量的 Skill 获得了工作机会和行业认可。Skills Hub 上的「可信」开发者名单，相当于一张技术能力的「公开证书」。
---
## 8. 跨平台技能复用
### 8.1 从 Claude Code 迁移技能
Claude Code 是 Anthropic 推出的 AI 编程助手，它也有一套「记忆」和「规则」系统。但正如 Hermes Atlas 官方文档所指出的：Claude Code 存储的是「事实」（如用户的偏好要点），而 Hermes 存储的是「程序」（可执行的工作流）。这种本质区别意味着迁移需要一些转换工作。
**Claude Code 的记忆格式：**
Claude Code 的记忆通常以简单的文本片段存储，记录用户的偏好：
```
# Claude Code Memory (示例)
- User prefers TypeScript over JavaScript
- User likes concise responses
- User's project uses Next.js and Prisma
- Always run tests before committing
```
这些「事实」类记忆可以迁移到 Hermes 的 USER.md 中，直接就能用。
**Claude Code 的规则格式：**
Claude Code 的 `.claude/rules/` 目录下的规则文件，更接近 Hermes 的 Skill：
```markdown
# .claude/rules/code-style.md
When writing code:
1. Use TypeScript with strict mode
2. Prefer functional programming patterns
3. Add JSDoc comments for all public APIs
4. Run eslint and prettier before finishing
```
**迁移方法：**
```bash
# 1. 找到 Claude Code 的规则目录
$ ls ~/.claude/rules/
code-style.md testing.md deploy.md
# 2. 转换为 Hermes Skill 格式
# 可以手动转换，或使用迁移工具
$ hermes skills migrate --from claude-code ~/.claude/rules/
正在迁移 Claude Code 规则...
✓ code-style.md → ~/.hermes/skills/code-style/SKILL.md
✓ testing.md → ~/.hermes/skills/testing/SKILL.md
⚠ deploy.md → 需要手动调整（包含 Claude 特有语法）
迁移完成！
请检查生成的 SKILL.md 文件，根据需要调整触发条件和执行步骤。
```
**迁移注意事项：**
1. **触发条件需要补充**：Claude Code 的规则是「全局生效」的，而 Hermes 的 Skill 需要明确的触发条件。迁移后要手动添加触发条件。
2. **工具调用需要转换**：Claude Code 的某些命令（如 `/commit`）在 Hermes 中对应不同的工具调用。
3. **测试验证**：迁移后务必测试每个 Skill，确保在 Hermes 环境下正常工作。
### 8.2 从 Cursor 迁移技能
Cursor 是另一款流行的 AI 编程编辑器，它的「Rules」和「Project Rules」功能与 Hermes 的 Skill 有一定对应关系。
**Cursor 规则格式：**
```markdown
# .cursorrules
# Code Style
- Use Python 3.11+ features
- Follow PEP8 with Black formatter
- Type hints are mandatory
# Project Structure
- All source code in src/
- Tests in tests/
- Documentation in docs/
# Testing
- Use pytest
- Minimum 80% coverage
- Mock external APIs in tests
```
**迁移方法：**
```bash
# 1. 读取 Cursor 规则文件
$ cat .cursorrules
# 2. 使用迁移工具
$ hermes skills migrate --from cursor .cursorrules
正在迁移 Cursor 规则...
分析规则文件...
识别到 3 个规则类别:
- Code Style
- Project Structure
- Testing
生成 Skill:
✓ cursor-code-style → ~/.hermes/skills/cursor-code-style/SKILL.md
✓ cursor-project-structure → ~/.hermes/skills/cursor-project-structure/SKILL.md
✓ cursor-testing → ~/.hermes/skills/cursor-testing/SKILL.md
注意: Cursor 规则是全局的，已转换为触发条件较宽的 Skill。
建议根据实际使用场景调整触发条件。
```
### 8.3 从 OpenClaw 迁移技能
如果你是从 OpenClaw 迁移到 Hermes 的用户，技能迁移是最平滑的部分之一。因为 Hermes 本身就是从 OpenClaw 演进而来，两者的 Skill 格式高度兼容。
**OpenClaw 技能格式：**
```yaml
# .claude/skills/my-skill.yaml
name: my-skill
description: Do something useful
triggers:
- pattern: "do something"
steps:
- type: tool
tool: web_search
args:
query: "{{input}}"
- type: process
action: summarize
```
**迁移方法：**
```bash
# OpenClaw 到 Hermes 的迁移非常简单
$ hermes skills migrate --from openclaw ~/.claude/skills/
正在迁移 OpenClaw 技能...
发现 5 个技能:
✓ my-skill → 自动转换格式
✓ data-fetch → 自动转换格式
✓ code-review → 自动转换格式
⚠ deploy-flow → 需要手动检查（使用了 OpenClaw 特有语法）
✓ test-gen → 自动转换格式
4/5 个技能自动迁移成功！
```
**OpenClaw → Hermes 格式映射：**
| OpenClaw | Hermes | 说明 |
| ----------------------- | ----------------------------- | ------------------ |
| `.claude/skills/*.yaml` | `~/.hermes/skills/*/SKILL.md` | 路径不同 |
| `name` | `Metadata.Name` | 相同 |
| `description` | `Metadata.Description` | 相同 |
| `triggers[].pattern` | `Trigger Conditions` | 合并为列表 |
| `steps[].type: tool` | `Execution Steps` | 转为 Markdown 描述 |
| `steps[].type: process` | `Execution Steps` | 转为 Markdown 描述 |
### 8.4 技能格式兼容性说明
不同平台的技能系统虽然名称不同，但核心概念是相通的。以下是主要平台的兼容性对照：
| 平台 | 技能名称 | 文件格式 | 与 Hermes 兼容性 |
| ----------- | -------- | ----------------------- | -------------------------- |
| Hermes | Skill | Markdown (SKILL.md) | 原生格式 |
| Claude Code | Rule | Markdown | 高（需手动调整触发条件） |
| Cursor | Rule | Markdown (.cursorrules) | 中（全局规则需转触发条件） |
| OpenClaw | Skill | YAML | 高（自动迁移） |
| AutoGPT | Skill | JSON/Python | 低（需重写） |
| LangChain | Chain | Python | 低（概念不同） |
**通用迁移原则：**
1. **提取核心逻辑**：无论原格式如何，提取「触发条件」和「执行步骤」这两个核心要素
2. **转换为 Markdown**：Hermes 使用 Markdown，这是最通用的文档格式
3. **补充触发条件**：其他平台的规则可能是全局的，需要为 Hermes 定义明确的触发条件
4. **测试验证**：迁移后必须测试，不同平台的工具名称和 API 可能有差异
### 8.5 迁移后的调整与优化
迁移完成后，建议进行以下优化：
**优化一：调整触发条件**
迁移后的 Skill 触发条件可能过于宽泛或过于狭窄。根据实际使用场景调整：
```markdown
# 迁移后（过于宽泛）
## Trigger Conditions
- User mentions code
# 优化后（更精确）
## Trigger Conditions
- User asks to "review" or "check" code
- User mentions "lint", "format", or "style" issues
- User requests "code quality" improvement
```
**优化二：补充错误处理**
其他平台的规则可能缺少错误处理，迁移后补充：
```markdown
## Error Handling
- If file not found: ask user for correct path
- If syntax error in code: show error location and suggest fix
- If tool execution timeout: suggest breaking task into smaller steps
```
**优化三：添加示例**
为迁移后的 Skill 添加输入输出示例，帮助 Agent 理解期望的行为：
```markdown
## Example Input
User: "Review this Python function for style issues"
[attached: function.py]
## Example Output
Agent: "I've reviewed function.py. Found 3 style issues: 1. Line 15: Missing type hints 2. Line 22: Line too long (120 chars) 3. Line 30: Unused import
Suggested fixes: [shown inline]"
```
**优化四：版本标记**
在 Metadata 中标注这是迁移来的 Skill：
```markdown
## Metadata
- Name: my-migrated-skill
- Version: 1.0.0-hermes
- Original Platform: Cursor
- Migration Date: 2026-04-21
- Notes: Migrated from .cursorrules, adjusted trigger conditions
```
---
## 9. 出厂预装技能详解
### 9.1 74 个内置技能分类总览
Hermes 出厂预装了 **74 个内置技能**（Built-in Skills），覆盖开发、运维、内容创作、数据分析等核心领域。这些技能随 Hermes 一起安装，无需额外下载，开箱即用。
**按分类统计：**
| 分类 | 数量 | 代表技能 |
| ---------- | ---- | --------------------------------------------- |
| 代码开发 | 18 | code-review, debug-helper, refactor-suggest |
| Web 与搜索 | 12 | web-search, url-fetch, rss-reader |
| 文件与数据 | 10 | file-organize, csv-process, json-transform |
| 系统与运维 | 9 | system-info, process-monitor, log-viewer |
| 内容创作 | 8 | markdown-format, doc-generate, summarize |
| 通信与消息 | 7 | email-draft, message-compose, notification |
| 安全与审计 | 5 | security-check, secret-scan, permission-audit |
| 媒体与内容 | 3 | image-describe, audio-transcribe |
| 金融与分析 | 2 | calculator, trend-analyze |
### 9.2 44 个官方可选技能介绍
除了 74 个内置技能，Hermes 还提供了 **44 个官方可选技能**（Official Skills）。这些技能由 Nous Research 团队维护，质量与内置技能相当，但因为体积较大或依赖特定环境，没有默认安装。
**主要类别：**
- **开发工具类（15个）**：如 manim（数学动画）、jupyter-helper（Notebook 辅助）、database-query（数据库查询）
- **DevOps 类（10个）**：如 docker-compose-gen、kubernetes-deploy、terraform-check
- **数据分析类（8个）**：如 pandas-helper、matplotlib-guide、sql-optimizer
- **内容创作类（6个）**：如 slide-generator、chart-creator、diagram-maker
- **安全类（5个）**：如 penetration-test、compliance-check、incident-response
安装官方可选技能：
```bash
# 查看所有官方可选技能
$ hermes skills list --official --optional
# 安装单个
$ hermes skills install manim
# 按分类批量安装
$ hermes skills install --category devops --official
```
### 9.3 重点技能详解（15 个最实用的）
以下是从 74 个内置技能 + 44 个官方可选技能中精选的 15 个最实用的技能，按使用频率排序：
#### 1. LLM Wiki（内置）
已在前面的「推荐首装 5 个技能」中详细介绍。作为 AI 领域用户的随身词典，它解释概念的质量远超一般搜索结果。
#### 2. Code Review（内置）
自动代码审查助手，支持 Python、JavaScript、Go、Rust 等主流语言。
```bash
User: 帮我审查一下这个函数
Agent: [加载 code-review Skill]
审查结果:
✅ 通过项:
- 类型注解完整
- 错误处理到位
- 命名规范
⚠️ 建议改进:
1. 函数过长（85行），建议拆分为3个小函数
2. 缺少单元测试
3. 循环中使用了多次数据库查询，建议用 JOIN 优化
🔴 严重问题:
- 第45行: SQL 拼接存在注入风险，请使用参数化查询
```
#### 3. Web Search（内置）
智能网络搜索，不仅返回结果，还会自动筛选、排序、摘要。
```bash
User: 搜索一下最新的 React 19 特性
Agent: [加载 web-search Skill]
找到 8 条相关结果，筛选出 5 条高质量来源:
1. React 官方博客 (react.dev)
- React Compiler 自动优化
- Actions 简化表单处理
- 新 Hook: use() 和 useOptimistic()
2. Dan Abramov 的推文线程
...
```
#### 4. Git Workflow（内置）
Git 操作助手，帮你生成提交信息、建议分支策略、解决合并冲突。
```bash
User: 帮我生成提交信息
Agent: [分析变更...]
建议提交信息:
feat(auth): add JWT token refresh mechanism
- Implement automatic token refresh before expiry
- Add retry logic for 401 responses
- Update tests for new auth flow
类型: feat (新功能)
范围: auth (认证模块)
符合 Conventional Commits 规范 ✅
```
#### 5. File Organize（内置）
智能文件整理，根据内容自动分类、重命名、归档文件。
```bash
User: 整理一下 Downloads 文件夹
Agent: [扫描文件...]
发现 234 个文件，分类如下:
图片 (45个) → 移动到 ~/Pictures/Downloads/
文档 (67个) → 移动到 ~/Documents/Downloads/
安装包 (23个) → 移动到 ~/Downloads/Installers/
压缩包 (34个) → 移动到 ~/Downloads/Archives/
其他 (65个) → 保持原位
是否执行整理？(y/N)
```
#### 6. Debug Helper（内置）
调试助手，分析错误日志、建议修复方案、生成调试脚本。
````bash
User: 这个报错是什么意思？
[粘贴 Traceback]
Agent: [加载 debug-helper Skill]
错误分析:
错误类型: AttributeError
原因: 尝试访问 None 对象的属性
位置: app.py:156
根本原因推断:
第 142 行的数据库查询可能返回了 None，
但第 156 行没有检查就直接使用了结果。
修复建议:
```python
user = db.query(User).filter(...).first()
if user is None: # 添加空值检查
raise UserNotFoundError(...)
print(user.name) # 现在安全了
```
````
#### 7. Markdown Format（内置）
Markdown 格式化助手，统一文档风格、修复格式错误、生成目录。
```bash
User: 格式化这个 Markdown 文件
Agent: [加载 markdown-format Skill]
格式化完成:
- 统一标题层级（修复了跳跃的 H1→H3）
- 修复了 12 个链接格式错误
- 代码块添加了语言标注
- 表格列对齐
- 生成了目录（TOC）
- 删除了冗余空行
变更统计: +45行, -23行, 修改 12 处
```
#### 8. Summarize（内置）
智能摘要生成，支持文章、会议记录、代码变更、邮件线程等。
```bash
User: 总结一下这篇长文章
[粘贴 5000 字文章]
Agent: [加载 summarize Skill]
摘要（200字）:
本文探讨了 AI Agent 的记忆系统设计理念...
[关键结论 1]
[关键结论 2]
[关键结论 3]
详细摘要（800字）:
[按章节展开...]
关键引用:
- "..."
- "..."
```
#### 9. API Doc Generator（官方可选）
从代码自动生成 API 文档，支持 OpenAPI/Swagger 格式。
```bash
User: 给这个 FastAPI 项目生成 API 文档
Agent: [加载 api-doc-generator Skill]
扫描到 12 个路由...
生成 OpenAPI 3.0 规范...
输出:
- openapi.json (机器可读)
- openapi.html (交互式文档)
文档包含:
- 所有端点及其参数
- 请求/响应示例
- 认证说明
- 错误码列表
```
#### 10. Data Pipeline（官方可选）
数据处理流水线，连接数据源、清洗、转换、输出。
```bash
User: 从 CSV 读取数据，清洗后存入 PostgreSQL
Agent: [加载 data-pipeline Skill]
设计流水线:
Source: CSV file
↓
Transform:
- Parse dates to ISO format
- Normalize text encoding (UTF-8)
- Remove duplicate rows (by ID)
- Fill missing values (median for numeric)
↓
Target: PostgreSQL table
- Create table if not exists
- Batch insert (1000 rows/batch)
- Verify row count
执行结果:
✓ 读取: 50,000 行
✓ 清洗: 删除了 234 个重复项, 填充了 1,200 个空值
✓ 写入: 49,766 行成功存入 PostgreSQL
```
#### 11. Test Automation（官方可选）
自动生成测试用例，覆盖边界条件、错误路径、性能测试。
````bash
User: 给这个函数生成测试
Agent: [加载 test-automation Skill]
分析函数签名和逻辑...
生成测试用例:
```python
def test_function_normal_case():
"""正常输入"""
...
def test_function_empty_input():
"""空输入边界"""
...
def test_function_invalid_type():
"""错误类型"""
...
def test_function_large_input():
"""大数据量性能"""
...
def test_function_concurrent():
"""并发安全"""
...
```
覆盖率预估: 87%
````
#### 12. Docker Deploy（官方可选）
Docker 部署助手，生成 Dockerfile、docker-compose、部署脚本。
```bash
User: 给这个 Python 项目生成 Docker 配置
Agent: [加载 docker-deploy Skill]
分析项目结构...
检测到: FastAPI + PostgreSQL + Redis
生成配置:
- Dockerfile (多阶段构建, 优化镜像大小)
- docker-compose.yml (开发环境)
- docker-compose.prod.yml (生产环境)
- .dockerignore
- deploy.sh (一键部署脚本)
镜像大小预估: 145 MB (Alpine 基础镜像)
启动时间预估: 3-5 秒
```
#### 13. Nginx Config（官方可选）
Nginx 配置生成器，支持反向代理、负载均衡、SSL、缓存。
````bash
User: 生成一个 Nginx 配置，反向代理到 3 个后端服务
Agent: [加载 nginx-config Skill]
生成配置:
```nginx
upstream backend {
least_conn;
server 127.0.0.1:8001;
server 127.0.0.1:8002;
server 127.0.0.1:8003;
}
server {
listen 443 ssl http2;
server_name api.example.com;
ssl_certificate /etc/nginx/ssl/cert.pem;
ssl_certificate_key /etc/nginx/ssl/key.pem;
location / {
proxy_pass http://backend;
proxy_set_header Host $host;
proxy_cache api_cache;
}
}
```
包含: SSL, HTTP/2, 负载均衡, 缓存, 健康检查
````
#### 14. SQL Optimizer（官方可选）
SQL 查询优化，分析执行计划、建议索引、重写查询。
```bash
User: 优化这个查询
[粘贴慢查询]
Agent: [加载 sql-optimizer Skill]
查询分析:
当前执行计划:
- 全表扫描: users (50万行)
- 全表扫描: orders (200万行)
- 执行时间: 3.2s
优化建议:
1. 添加复合索引: CREATE INDEX idx_orders_user_date
ON orders(user_id, created_at);
2. 重写查询，使用 JOIN 替代子查询
3. 添加 LIMIT 分页
优化后预估: 执行时间 < 50ms
```
#### 15. Changelog Generator（社区）
从 Git 提交历史自动生成变更日志。
```bash
User: 生成 v2.0.0 的变更日志
Agent: [加载 changelog-gen Skill]
分析 Git 历史 (v1.9.0 → v2.0.0)...
发现 156 个提交，分类如下:
## Features
- 新增实时协作功能
- 支持 Markdown 扩展语法
- 添加暗色模式
## Bug Fixes
- 修复文件保存时的并发冲突
- 修复移动端布局问题
## Performance
- 首屏加载时间减少 40%
- 大数据文件编辑优化
## Breaking Changes
- API v1 已弃用，请迁移到 v2
```
### 9.4 技能组合推荐（按使用场景）
单一 Skill 的能力有限，但 Skill 组合可以产生强大的协同效应。以下是针对常见场景的推荐组合：
**场景一：Web 开发**
```
gstack (技术栈推荐)
→ docker-deploy (生成容器配置)
→ api-doc-generator (生成 API 文档)
→ code-review (代码审查)
→ test-automation (生成测试)
→ security-audit (安全检查)
```
**场景二：数据分析**
```
data-pipeline (数据处理)
→ sql-optimizer (查询优化)
→ csv-analyzer (CSV 分析)
→ chart-creator (可视化)
→ summarize (生成报告摘要)
```
**场景三：内容创作**
```
web-search (资料搜集)
→ summarize (内容摘要)
→ markdown-format (格式化)
→ slide-generator (生成 PPT)
→ manim (数学动画，如需要)
```
**场景四：运维部署**
```
security-audit (安全扫描)
→ docker-deploy (容器化)
→ nginx-config (反向代理)
→ ssl-checker (证书检查)
→ log-analyzer (日志分析)
```
**场景五：学习研究**
```
llm-wiki (概念查询)
→ web-search (深度资料)
→ summarize (整理笔记)
→ flashcard-gen (生成记忆卡片)
```
---
## 10. 高阶技能开发
### 10.1 复合技能（一个技能调用多个子技能）
复合技能（Composite Skill）是指一个 Skill 在执行过程中调用其他 Skill，形成「技能链」。这就像乐高积木——单个积木功能简单，但组合起来可以搭出复杂结构。
**复合技能的结构：**
```markdown
# Fullstack Project Setup
## Metadata
- Name: fullstack-project-setup
- Description: Complete setup for a new fullstack project
- Version: 1.0.0
## Trigger Conditions
- User says "create a new project" or "setup project"
- User mentions "fullstack" + "scaffold" or "template"
## Execution Steps
### Step 1: Tech Stack Selection
**Call Skill**: gstack
Input: user requirements
Output: recommended tech stack
### Step 2: Backend Setup
**Call Skill**: boilerplate-generator
Input: backend framework from Step 1
Output: backend project scaffold
### Step 3: Frontend Setup
**Call Skill**: boilerplate-generator
Input: frontend framework from Step 1
Output: frontend project scaffold
### Step 4: Docker Configuration
**Call Skill**: docker-deploy
Input: project structure from Steps 2-3
Output: Dockerfile + docker-compose.yml
### Step 5: API Documentation
**Call Skill**: api-doc-generator
Input: backend code from Step 2
Output: OpenAPI specification
### Step 6: Initial Tests
**Call Skill**: test-automation
Input: generated code
Output: initial test suite
### Step 7: Security Scan
**Call Skill**: security-audit
Input: entire project
Output: security report + fixes
```
**复合技能的优势：**
1. **模块化**：每个子 Skill 独立维护，复用性高
2. **可替换**：如果某个子 Skill 有更好的替代品，只需替换调用
3. **可配置**：用户可以选择跳过某些步骤
### 10.2 条件分支技能
条件分支技能根据输入或环境的不同，执行不同的流程。
```markdown
# Smart Deploy
## Execution Steps
### Step 1: Detect Environment
Check current environment:
- If `.github/workflows/` exists → GitHub Actions
- If `.gitlab-ci.yml` exists → GitLab CI
- If `Jenkinsfile` exists → Jenkins
- If none → ask user
### Step 2: Branch by Environment
**If GitHub Actions:**
- Call Skill: github-actions-deploy
**If GitLab CI:**
- Call Skill: gitlab-ci-deploy
**If Jenkins:**
- Call Skill: jenkins-deploy
**If Manual:**
- Generate deployment script
- Provide step-by-step instructions
### Step 3: Verify Deployment
Regardless of path:
- Check service health
- Run smoke tests
- Monitor for 5 minutes
```
### 10.3 带参数的技能模板
参数化 Skill 让用户可以在执行时传入不同的值，提高灵活性。
```markdown
# Generate API Client
## Metadata
- Name: api-client-generator
## Parameters
- spec_url: URL or path to OpenAPI specification
type: string
required: true
- language: Target programming language
type: string
default: "python"
options: [python, typescript, go, java, rust]
- output_dir: Directory to save generated code
type: string
default: "./generated-client/"
- include_tests: Whether to generate test stubs
type: boolean
default: true
## Execution Steps
### Step 1: Parse Spec
Read OpenAPI spec from {{spec_url}}
### Step 2: Generate Client
Generate {{language}} client code
Save to {{output_dir}}
### Step 3: Generate Tests (if {{include_tests}})
If include_tests is true:
Generate test stubs for each endpoint
## Example Input
User: "Generate a TypeScript API client from openapi.json,
save to ./client/, include tests"
Agent: [解析参数]
spec_url: "openapi.json"
language: "typescript"
output_dir: "./client/"
include_tests: true
[执行生成]
```
参数传递方式：
```bash
# 自然语言方式
User: 生成 Python 客户端，不要测试
Agent: [自动解析参数]
# 显式参数方式
User: /skill run api-client-generator --language=go --include-tests=false
# 交互式方式
User: /skill run api-client-generator
Agent: 请提供以下参数:
1. OpenAPI spec 路径: [用户输入]
2. 目标语言: [1]Python [2]TypeScript [3]Go ...
3. 输出目录: [用户输入]
```
### 10.4 技能的错误处理
健壮的错误处理是高质量 Skill 的标志。
**错误处理策略模板：**
```markdown
## Error Handling
### Network Errors
- **Timeout**: Retry with exponential backoff (max 3 retries)
- **Connection Refused**: Check service status, suggest alternatives
- **DNS Error**: Verify URL, suggest checking network
### Data Errors
- **Invalid Format**: Show expected format, provide converter
- **Missing Required Field**: List missing fields, ask user to provide
- **Data Too Large**: Suggest pagination or streaming
### Permission Errors
- **Access Denied**: Ask for credentials or elevated permissions
- **Rate Limited**: Wait and retry, suggest upgrading plan
- **Quota Exceeded**: Inform user, suggest alternatives
### Tool Errors
- **Tool Not Found**: Check installation, provide setup guide
- **Tool Version Mismatch**: Detect version, suggest update/downgrade
- **Tool Execution Failed**: Capture error output, suggest fixes
### Fallback Strategy
If all else fails:
1. Report what was attempted
2. Explain why it failed
3. Provide manual workaround
4. Offer to create a simpler version
```
### 10.5 技能的性能优化
Skill 的执行效率直接影响用户体验。以下是优化技巧：
**技巧一：减少不必要的工具调用**
```markdown
# 优化前（4次调用）
Step 1: web_search → 获取结果
Step 2: file_read → 读取模板
Step 3: web_search → 获取更多信息
Step 4: file_write → 写入输出
# 优化后（2次调用）
Step 1: web_search ×2 (并行) → 获取所有信息
Step 2: file_write → 直接写入（模板内联到 Skill 中）
```
**技巧二：缓存中间结果**
```markdown
## Notes
- Cache API responses for 5 minutes to avoid repeated calls
- Store intermediate results in MEMORY.md if reusable
```
**技巧三：批量处理**
```markdown
# 优化前（逐条处理）
For each item:
Call API
Process result
# 优化后（批量处理）
Batch items into groups of 100
Call API with batch
Process results
```
**技巧四：异步执行**
```markdown
## Execution Steps
### Step 1: Parallel Data Fetch
- Fetch data from Source A (async)
- Fetch data from Source B (async)
- Wait for both to complete
### Step 2: Merge and Process
- Combine results
- Process merged data
```
**技巧五：提前退出**
```markdown
## Execution Steps
### Step 1: Validate Input
If input is invalid:
→ Exit early with clear error message
→ Don't proceed to expensive steps
### Step 2: Check Cache
If result already exists and is fresh:
→ Return cached result
→ Skip computation
```
---
## 11. 技能系统最佳实践
### 11.1 技能命名规范
统一的命名规范让 Skill 更容易被发现和管理。
**命名结构：**
```
[domain]-[action]-[target]
示例:
web-search-news # Web 领域 - 搜索 - 新闻
code-review-python # 代码领域 - 审查 - Python
data-clean-csv # 数据领域 - 清洗 - CSV
deploy-docker-prod # 部署领域 - Docker - 生产环境
```
**命名原则：**
1. 全部小写，用短横线连接
2. 动作动词用原形（search, review, clean, deploy）
3. 避免缩写（用 docker 而非 dk，用 kubernetes 而非 k8s）
4. 版本用目录或后缀区分（`my-skill-v2/` 或 `my-skill-advanced/`）
### 11.2 技能分类管理
当 Skill 数量超过 20 个时，分类管理变得重要。
**目录结构建议：**
```
~/.hermes/skills/
├── _active/ # 当前常用的（软链接）
├── _archive/ # 归档的、不常用的
├── development/ # 开发相关
│ ├── code-review-python/
│ ├── refactor-helper/
│ └── test-automation/
├── devops/ # 运维相关
│ ├── docker-deploy/
│ ├── nginx-config/
│ └── ssl-checker/
├── content/ # 内容创作
│ ├── summarize/
│ ├── markdown-format/
│ └── doc-generate/
└── data/ # 数据分析
├── csv-analyzer/
├── sql-optimizer/
└── data-pipeline/
```
**分类标签体系：**
```markdown
## Metadata
- Tags: development, python, web, devops, data-analysis,
content-creation, security, automation
```
常用标签：
| 标签 | 用途 |
| ---------------- | -------- |
| development | 软件开发 |
| devops | 运维部署 |
| data-analysis | 数据分析 |
| web-search | 网络搜索 |
| content-creation | 内容创作 |
| security | 安全审计 |
| automation | 自动化 |
| testing | 测试 |
| documentation | 文档 |
| communication | 通信消息 |
### 11.3 定期审计与清理
Skill 会不断积累，定期审计能保持系统高效。
**月度审计清单：**
```bash
# 1. 查看使用统计
$ hermes skills list --stats
# 2. 找出从未使用的 Skill
$ hermes skills list --unused --older-than 30d
# 3. 找出重复功能的 Skill
$ hermes skills list --duplicates
# 4. 检查过时的 Skill（很久没有更新）
$ hermes skills list --outdated
# 5. 清理
$ hermes skills archive unused-skill # 归档（不删除）
$ hermes skills delete --unused # 删除未使用的
```
**审计后的处理：**
- **高频使用**：确保是最新版本，考虑优化
- **偶尔使用**：保持现状
- **从未使用**：归档或删除
- **功能重复**：合并或保留最好的一个
- **已过时**：更新或替换
### 11.4 团队共享技能库的建立
在团队环境中，共享 Skill 能极大提升协作效率。
**方案一：Git 仓库共享**
```bash
# 创建团队 Skill 仓库
$ git init team-hermes-skills
$ git remote add origin [email protected]:company/hermes-skills.git
# 目录结构
team-hermes-skills/
├── README.md
├── CONTRIBUTING.md
├── skills/
│ ├── code-review-company/
│ │ └── SKILL.md # 公司代码规范审查
│ ├── deploy-staging/
│ │ └── SKILL.md # 公司 staging 部署流程
│ └── onboard-newbie/
│ └── SKILL.md # 新人入职指南
└── .github/
└── workflows/
└── validate.yml # CI 验证 Skill 格式
# 团队成员使用
$ git clone [email protected]:company/hermes-skills.git
$ cd hermes-skills
$ make install # 安装所有团队 Skill 到 ~/.hermes/skills/
```
**方案二：私有 Skills Hub**
```yaml
# config.yaml
skills:
hub:
- url: "https://agentskills.io" # 官方 Hub
- url: "https://skills.company.internal" # 公司私有 Hub
auth:
type: "token"
token: "${COMPANY_SKILLS_TOKEN}"
```
**方案三：NAS/网盘同步**
```bash
# 团队 Skill 放在共享网盘
/Users/Shared/HermesSkills/
# 每个成员的 Hermes 配置指向共享目录
# config.yaml
skills:
additional_paths:
- "/Users/Shared/HermesSkills"
```
### 11.5 技能文档化建议
良好的文档让 Skill 更容易被理解和使用。
**Skill 文档模板：**
```markdown
# Skill Name
## 快速开始
一句话说明这个 Skill 是做什么的，以及最基本的用法。
## 详细说明
### 功能
- 功能 1
- 功能 2
### 触发条件
什么时候会触发这个 Skill。
### 参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
| ------ | ------ | ---- | ------ | ---- |
| param1 | string | 是 | - | 说明 |
| param2 | int | 否 | 10 | 说明 |
### 示例
#### 示例 1：基本用法
```
输入: ...
输出: ...
```
#### 示例 2：高级用法
```
输入: ...
输出: ...
```
## 注意事项
- 注意 1
- 注意 2
## 常见问题
**Q: 为什么...？**
A: ...
## 变更日志
### v1.1.0
- 新增...
- 修复...
### v1.0.0
- 初始版本
## 作者与贡献
- 作者: @your-name
- 贡献者: @contributor1
- 问题反馈: GitHub Issues
```
---
## 本章小结
技能系统是 Hermes Agent 最具实用价值的功能，也是它从「聊天工具」进化为「全能助手」的关键。让我们回顾本章的核心要点：
**Skill 的本质：**
Skill 不是提示词模板，而是**可执行的工作流程序**。正如 Hermes Atlas 官方文档所揭示的：「Claude Code 的 memory 存储关于你的事实——偏好要点。而 Hermes 存储的是程序——产生你想要的要点的研究-过滤-格式化工作流。事实告知模型，程序直接被复用。」
**Skill 的生命周期：**
```
需求 → 执行 → 模式识别 → 自动生成 Skill → 使用 → 反馈 → 进化 → 更优 Skill
```
**四个信任等级：**
- **内置**（🏠）：随 Hermes 发行，最可信
- **官方**（✅）：Nous Research 发布，经过安全审计
- **可信**（👤）：经验证社区成员发布，代码扫描+人工抽查
- **社区**（🌐）：任何开发者发布，自动扫描，**建议查看源码**
**核心命令速查：**
| 命令 | 功能 |
| ------------------------------ | --------------- |
| `hermes skills list` | 查看所有技能 |
| `hermes skills show <name>` | 查看技能详情 |
| `hermes skills install <name>` | 安装技能 |
| `hermes skills edit <name>` | 编辑技能 |
| `hermes skills delete <name>` | 删除技能 |
| `hermes skills export <name>` | 导出技能 |
| `hermes skills import <file>` | 导入技能 |
| `hermes skills hub` | 打开 Skills Hub |
**推荐首装 5 个技能：**
1. **LLM Wiki**（内置）—— AI 概念速查百科
2. **Gstack**（可信）—— 技术栈管理与推荐
3. **OpenAI Utils**（可信）—— API 成本估算与工具
4. **Manim**（官方）—— 数学动画生成
5. **Security Audit**（官方）—— 安全审计扫描
**自动创建的核心规则（5-Tool-Call 规则）：**
当 Agent 在一次任务中成功调用了 **5 个或更多工具**，且任务最终成功完成，系统就会评估是否生成 Skill。这个规则确保了只有足够复杂、有复用价值的工作流才会被沉淀。
**社区生态：**
Skills Hub 上已有 **643 个社区技能**（截至 2026 年 4 月 19 日），涵盖几乎所有技术领域。无论你是开发者、数据分析师、内容创作者还是运维工程师，都能找到适合自己的 Skill。
**最佳实践：**
1. 先正常使用 1-2 周，让自动创建机制积累你的常用工作流
2. 定期审计 Skill，删除未使用的，合并重复的
3. 为团队建立共享 Skill 库，提升协作效率
4. 贡献高质量 Skill 给社区，既是回馈也是展示
5. 安装社区 Skill 前查看源码，确保安全
掌握技能系统，你就掌握了让 Hermes 持续进化的密码。每一次成功的任务执行，都是未来效率提升的种子。当你的 Skill 库积累到 20、50、100 个时，你会发现：Agent 不再是「你教它做什么」，而是「它知道该为你做什么」。
这就是从「工具」到「搭档」的跨越。
---