Hermes 自进化协作系统

问题背景

Agent 执行复杂任务时容易把简单问题答成长文，把多步项目混成一次性输出，也常在不确定处用“可能、大概”代替查证。资料中的问题不是缺少模型能力，而是缺少稳定行为协议：何时直答、何时进入项目管理、何时拆给子代理、何时写入记忆、何时压缩上下文。

核心机制

Hermes 自进化协作系统 将行为拆成多层规则：

• 任务分级：单步、单文件任务走直答；多步骤、多文件、3+ 次工具调用进入 PM 模式。
• 子代理派发：S/A 级任务可用 delegate_task 并行拆分；B 级只派发独立子任务；C/D 级不派发，避免上下文隔离成本。
• 学习闭环：被纠正、用户不满、新规则或可复用流程会触发 memory 或 skill_manage，把经验沉淀为记忆、技能或补丁。
• 上下文瘦身：按对话轮次和膨胀程度执行 light、normal、heavy、emergency 压缩，优先保留决策、规则、偏好与任务目标。
• 量化自评：用“不确定查证率”“复盘率”“同错误复现次数”等指标约束行为，而不是只输出结论。

适用边界

它适合需要多轮执行、跨会话记忆、技能复用和可审计复盘的 Agent 工作流。对于一次性问答、强实时低延迟场景，或不允许自动压缩历史的任务，应关闭 PM 模式和自动压缩，只保留简洁直答规则。