一个真实故事
“技能文件在我睡觉的时候重写了四次。”
这是 X 上一位 Hermes Agent 用户的原话。具体情况：
- 同样的提示词，每周一自动生成竞争简报
- 第一周：20 分钟完成
- 第四周：12 分钟完成
- 第六周：8 分钟完成
- 用户从未编辑过任何一行代码
Agent 自己完成了优化。
它是怎么做到的
Hermes Agent 的自我改进机制基于一个核心逻辑：每 15 次工具调用后，Agent 会暂停，读取过去执行中哪些方式有效，然后更新自己的技能文件。
执行循环：
1. 接收任务
2. 读取当前技能文件
3. 执行任务（使用工具调用）
4. 每 15 次调用后 → 反思：哪些步骤有效？哪些可以简化？
5. 更新技能文件
6. 继续执行或开始下一轮任务这不是预设的”优化脚本”——这是 Agent 在实际工作中从经验中学习的能力。
技能文件进化示例
假设任务是”生成 AI 行业每周竞争简报”：
| 周次 | 技能文件版本 | 关键变化 | 耗时 |
|---|---|---|---|
| 第 1 周 | v1 | 基础流程：搜索→分类→摘要→输出 | 20 分钟 |
| 第 2 周 | v2 | 增加了信息源优先级排序，减少无关搜索 | 16 分钟 |
| 第 4 周 | v3 | 发现某些信息源质量更高，自动调整权重 | 12 分钟 |
| 第 6 周 | v4 | 建立了简报模板，跳过重复分析 | 8 分钟 |
每一版的变化都是 Agent 自己判断的。用户只需要在周一输入同一个提示词。
这个模式为什么重要
1. 它打破了”AI 工具需要人维护”的假设
传统自动化工具需要工程师持续维护脚本、更新配置。Hermes Agent 的模式是：Agent 自己维护自己。技能文件是活的，会随着使用不断进化。
2. 成本效益的数学很简单
| 配置 | 月成本 | 单次任务成本 |
|---|---|---|
| VPS ($5/月) + Ollama + Hermes | $5 | $0 |
| Claude Code Pro ($200/月) | $200 | ~$2/任务 |
| Codex + GPT-5.5 | ~$50-100 | ~$1/任务 |
在一台 $5/月的 VPS 上运行 Ollama + Hermes Agent，每个任务的成本趋近于零。而且技能文件越用越好，效率会持续提升。
3. 它代表了 AI Agent 的下一个范式
当前的 AI 工具大多是”你告诉它做什么，它去做”。Hermes Agent 的自我改进模式引入了一个新维度：“它自己知道怎么做得更好，并且主动改进。“
上手建议
如果你想在自己的工作流中实现类似的自我改进 Agent：
# 1. 准备一台 VPS（$5/月即可）
# 2. 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 3. 安装 Hermes Agent
# 按照官方文档安装
# 4. 定义你的第一个技能文件
# 描述任务、工具、输出格式
# 然后——让它自己跑关键原则：
- 技能文件要具体：描述清楚任务目标，而不是具体步骤
- 让 Agent 有足够的执行空间：不要过度约束
- 定期检查结果：每周回顾一次输出质量，确认技能文件进化方向正确
一句话总结：当一份技能文件能在你睡觉的时候自己重写四次，从 20 分钟优化到 8 分钟，而你一行代码都没改——AI Agent 就不再是工具，而是一个会自我进化的数字员工。