Hermes 效率优化专家
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_11064e10/hermes-efficiency。
技能介绍
它解决什么问题
Agent 改文件前常缺少检查点,会话恢复后不知道上次做到哪,Token 消耗也缺少预算判断;同类错误重复出现,却缺少从日志到规则的回流机制。hermes-efficiency 把这些流程固化为可执行命令,而不是靠提示词自我约束。
工作方式
核心入口是 dispatch.py,围绕几个关键对象工作:
- 任务保护:用
pending、pending-update、pending-done维护PENDING.md,避免改到一半丢失上下文。 - Token 预算:
optimizer.py负责消息分类、Token 估算和动态预算,减少无意义长输出。 - 快照与日志:
snapshot_updater.py生成快照,memory/记录过程,便于复盘。 - 自修复与进化:
repair运行内置规则,evolve从错误日志生成新规则。
典型流程是新会话先跑 check-session,改文件前写 PENDING 并预读,执行后用 pending-done 同步快照,发现问题再 reflect。
适用边界
它假设仓库里有 scripts/、PENDING.md、memory/ 等文件结构,并依赖本地 Python 环境。优化决策由 optimization_engine.py 驱动,但不会替代代码审查、测试或真实部署验证。
使用场景
- 新会话先跑 check-session,读取 PENDING.md 并确认续做动作。
- 改多文件前写 PENDING 并预读,完成后 pending-done 同步快照。
- 用 optimizer.py 做分类、Token 估算和预算检查,再决定输出长度。
- 把重复错误写入 error-log,再跑 evolve 生成规则并更新分析器。
适合人员
- 维护 Agent 工作流、需要 PENDING 和 snapshot 防止长任务丢进度的工程协作成员。
- 控制 Token 消耗,要求先估算预算再决定输出长度或拆分调用的模型应用开发者。
- 把重复失败沉淀成规则、持续跑 repair 和 evolve 的 Agent 流程维护者。
- 用 dispatch 命令串联 pending、repair、evolve 的本地 Agent 脚本作者。