# Hermes Agent 的自进化三个阶段

# 阶段 1：即时反馈（Execution Phase）
# Agent 执行任务时，实时记录反馈
feedback = {
    'task': '写一个 Python 函数',
    'result': 'success',
    'quality': 'good',
    'improvements': ['用了更简洁的写法']
}

# 阶段 2：记忆沉淀（Reflection Phase）
# 任务完成后，将反馈写入记忆系统
memory_store.write(
    layer='L1',  # 根据反馈重要性选择层级
    content=feedback,
    tags=['python', 'code-quality']
)

# 阶段 3：Skill 演化（Evolution Phase）
# 当某个模式出现多次，自动创建/更新 Skill
if pattern_frequency > threshold:
    skill = create_skill(
        name='python-clean-code',
        trigger='写 Python 函数',
        content=feedback['improvements']
    )

# Hermes 的智能记忆加载

class MemoryLoader:
    """根据任务类型动态加载记忆"""
    
    def load(self, task_context):
        # 1. 始终加载 L0（工作记忆）
        l0 = self.load_working_memory()
        
        # 2. 根据任务相关性加载 L1
        l1_relevant = self.filter_by_relevance(
            self.load_episodic_memory(),
            task_context
        )
        
        # 3. 加载相关的 L2 Skills
        l2_skills = self.load_skills(
            tags=self.extract_tags(task_context)
        )
        
        # 4. 组装上下文
        return self.assemble_context(l0, l1_relevant, l2_skills)

# example-skill.yaml
name: python-json-handler
description: 处理 JSON 数据的 Python 函数

trigger:
  - "写 Python 函数"
  - "处理 JSON"
  - "Python JSON"

template: |
  import json
  from typing import Any, Optional

  def {{ function_name }}(data: {{ input_type }}) -> {{ output_type }}:
      """{{ description }}"""
      try:
          # 你的代码
          result = json.loads(data) if isinstance(data, str) else data
          return result
      except json.JSONDecodeError as e:
          # 错误处理
          print(f"JSON 解析错误: {e}")
          return None

examples:
  - input: '{"key": "value"}'
    output: {'key': 'value'}

tags:
  - python
  - json
  - data-processing

# Hermes Agent 的工具调用示例

# 内置工具
tools = [
    'bash',      # 执行 shell 命令
    'grep',      # 文件搜索
    'read',      # 读取文件
    'write',     # 写入文件
    'edit',      # 编辑文件
    'web_search', # 网页搜索
    'browser',   # 浏览器控制
]

# 通过 MCP 扩展
mcp_tools = [
    'filesystem',  # 文件系统
    'database',   # 数据库
    'api',        # API 调用
    'memory',     # 记忆管理
]

# 环境要求
- Python >= 3.10
- Node.js >= 18 (用于某些插件)
- Git
- 至少 4GB RAM

# 推荐
- 8GB+ RAM（用于大模型）
- GPU（可选，加速推理）

# 1. 安装 Hermes Agent
npm install -g @nousresearch/hermes-agent

# 2. 配置 API Key（支持多种模型）
export OPENAI_API_KEY=sk-xxxx
export ANTHROPIC_API_KEY=sk-ant-xxxx

# 3. 启动 CLI 版本
hermes

# 4. 首次运行，自动初始化
# - 创建配置目录 ~/.hermes
# - 初始化三层记忆系统
# - 下载基础 Skills

# ~/.hermes/config.yaml

model:
  provider: anthropic  # anthropic | openai | local
  model: claude-sonnet-4-20250514
  
memory:
  l0_size: 50        # tokens
  l1_size: 500        # tokens
  l1_decay: 2weeks   # 自动衰减周期
  
skills:
  auto_evolution: true  # 自动演化
  evolution_threshold: 3  # 触发阈值
  
platforms:
  cli: enabled
  telegram: disabled
  discord: disabled

# 1. 创建 Telegram Bot
# - 找 @BotFather 获取 token

# 2. 配置
export TELEGRAM_BOT_TOKEN=your_token

# 3. 启动
hermes --platform telegram

# 1. 创建 Discord Application
# - https://discord.com/developers/applications

# 2. 获取 Bot Token

# 3. 配置
export DISCORD_BOT_TOKEN=your_token
export DISCORD_GUILD_ID=your_guild

# 4. 启动
hermes --platform discord

# 可以同时启用多个平台
hermes \
  --platform cli \
  --platform telegram \
  --platform discord

# ~/.hermes/custom-prompt.yaml

persona: |
  你是一个专业的产品经理 AI 助手。
  - 擅长需求分析和PRD撰写
  - 熟悉敏捷开发流程
  - 说话简洁有条理

rules:
  - 先确认需求再开始写代码
  - 每个功能都要有测试
  - 代码要符合 PEP 8

# 根据使用场景调整

# 场景 1：日常对话（低资源消耗）
memory_config = {
    'l0_size': 50,
    'l1_size': 200,
    'l1_decay': '1week'
}

# 场景 2：专业开发（高质量输出）
memory_config = {
    'l0_size': 100,
    'l1_size': 1000,
    'l1_decay': '1month',
    'auto_evolution': True
}

# knowledge-assistant.yaml

name: 我的知识助手

skills:
  - name: project-context
    description: 项目背景知识
    trigger:
      - "这个项目是做什么的"
      - "项目背景"
    content: |
      这是一个 Python Web 项目，使用 FastAPI 框架。
      数据库是 PostgreSQL，缓存用 Redis。
      代码风格遵循 PEP 8。
      
  - name: code-style
    description: 我的代码风格
    trigger:
      - "代码风格"
      - "怎么写"
    content: |
      - 使用类型注解
      - 函数要写 docstring
      - 错误处理用自定义异常类

# code-review-skill.yaml

name: python-code-review
description: Python 代码审查

trigger:
  - "审查代码"
  - "review"
  - "代码有什么问题"

template: |
  ## 代码审查报告
  
  ### 1. 安全性
  {{ security_analysis }}
  
  ### 2. 性能
  {{ performance_analysis }}
  
  ### 3. 可读性
  {{ readability_analysis }}
  
  ### 4. 建议
  {{ suggestions }}

# blog-writer-skill.yaml

name: tech-blog-writer
description: 技术博客写作助手

trigger:
  - "写博客"
  - "写文章"
  - "写文档"

template: |
  ## {{ title }}
  
  ### 背景
  {{ background }}
  
  ### 核心内容
  {{ main_content }}
  
  ### 总结
  {{ conclusion }}
  
  ### 相关链接
  {{ related_links }}

# multi-agent.yaml

agents:
  - name: orchestrator
    role: 任务协调
    model: claude-sonnet-4
    
  - name: coder
    role: 代码编写
    model: claude-sonnet-4
    expertise:
      - python
      - javascript
      
  - name: reviewer
    role: 代码审查
    model: claude-haiku
    expertise:
      - security
      - performance

# 导出所有记忆
hermes memory export --format yaml --output backup.yaml

# 导入记忆
hermes memory import --file backup.yaml

model:
  provider: local
  endpoint: http://localhost:11434  # Ollama
  model: llama3