引言
让智能体从自身历史交互记录里自主沉淀、生成全新可复用技能，是Nous Research推出的Hermes Agent框架最具代表性的核心能力，也是当前Agent工程领域重点探索的方向。传统智能体的工具集大多由开发者提前硬编码定义，模型只能调用预设能力，无法在任务执行过程中自主总结经验、扩充能力边界。而Hermes学习循环的核心思路，就是依托大模型的推理归纳能力，在任务完成后自动复盘会话过程，提炼可复用的标准化技能。
本文将完整拆解这套学习机制如何落地在DeepSeek Harness（下文简称DSH）平台。内容会覆盖DSH原生Skill系统的文件规范、接入方式，可动态调控的技能管理器设计，以及一套后台异步反思蒸馏循环，这套循环集成了水位线、冷却触发门槛、严格JSON契约与原子写入等工程约束；同时配套可直接部署的开源实现dsh-memory-skills，为工程团队落地自进化Agent提供可复用的实践方案。在多模型调度场景中，Treerouter这类API网关可以简化不同大模型的接入与流量治理，适配智能体持续迭代过程中的模型切换需求。
1 基础认知：DSH原生Skill系统架构
DSH平台内置了一套成熟的原生技能体系，由dsh-skill-filesystem与dsh-tool-skill两大基础组件共同支撑，所有技能本质上以文本文件形式存储，具备极强的可移植性。
技能文件采用Markdown格式，文件头部附带YAML前置元信息，支持两种存储布局：目录式管理，单技能独立文件<name>/SKILL.md；平铺式管理，直接以<name>.md作为技能文件。
YAML前置元信息包含多组可配置字段：技能名称（kebab-case命名规范）、描述文本、触发条件whenToUse、用户可调用标识user-invocable，同时支持优先级、模型调用开关disable-model-invocation等配置项，单个技能文件上限约600字符，打包总容量上限为400个技能。
文件的加载优先级遵循固定规则：项目目录内.dsh/skills下的技能优先级最高（权重100），其次是用户全局目录$DSH_HOME/skills下的技能文件。模型会调用原生skill工具，读取并解析技能正文，完成能力加载。
---
name: "pnpm-recovery"
description: "Fix lockfile mismatch"
whenToUse: "当pnpm install失败时"
user-invocable: true
---
Run `pnpm install --no-frozen-lockfile`, then rebuild.
这套设计最关键的特性在于：技能本身是纯文本，不存在复杂插件状态。也就是说，Agent自主新增技能的本质，就是自动生成符合规范的Markdown技能文件，无需编译、无需注册插件，降低了自进化功能的落地门槛。
2 技能管理器：赋予模型增删查技能的能力
想要让模型自主管理技能，就需要封装标准化工具接口，本文方案dsh-memory-skills向外暴露三组原子工具，供模型直接调用完成技能生命周期管理：
| 工具 | 功能说明 |
|---|---|
| skill_write(name, description, whenToUse?, content) | 创建或者更新技能，输出符合DSH原生规范的技能文件 |
| skill_delete(name) | 删除已经托管的技能 |
| skill_list() | 列出当前所有可用技能，区分原生目录技能与自动托管技能，增加managed标记 |
这套管理器的核心亮点是原子写入机制：写入文件时先生成临时文件，内容校验通过后再重命名替换正式文件，一旦过程异常直接丢弃临时文件，不会残留损坏、不完整的技能文件，避免DSH加载异常文件引发任务故障。
write({name, description, whenToUse, content}) {
const skillFile = this.pathFor(input.name);
const tmp = `${file}.${randomUUID()}.tmp`;
writeFileSync(tmp, renderSkillFile(input), "utf8");
renameSync(tmp, file); // 原子替换
return { created, path: file };
}
写入完成后，技能会直接落地到默认路径$DSH_HOME/skills，这个目录自带文件监听watcher，会自动刷新DSH的技能缓存，不需要重启DSH服务。新写入的技能会立刻加入会话可用工具集，模型在下一轮任务中就可以直接调用。
3 后台自我进化链路：反思 → 蒸馏 → 写入技能
这套自进化机制采用后台异步触发模式，属于fire-and-forget设计。它不会嵌入主任务请求链路，不会阻塞当前会话执行，不会污染对话历史，也不会篡改KV缓存，保障主任务的稳定性。
3.1 触发策略：定时扫描 + 水位线控制
系统会按照固定时间轮询扫描会话记录，默认扫描间隔60秒。同时增加多层阈值控制，避免无意义的重复反思，控制LLM调用成本：
- 水位线机制：同一段会话记录只会触发一次反思，防止重复蒸馏生成冗余技能；
- 冷却机制：单会话设置冷却窗口，窗口内不会重复启动进化流程；
- 启动门槛：只有会话内有效交互消息达到最低数量阈值时，才会调用大模型做反思归纳，过滤掉短、无价值的对话。
// 定时循环执行进化任务
setInterval(() => this._evolveTick().catch(...), this.config.evolveIntervalMs);
async _evolveTick() {
for (const session of this.ctx.sessions.list(...)) {
const state = db.prepare("SELECT last_seq FROM skill_evolve_state WHERE session_id=?").get(session.id);
const fresh = session.events.filter(e => e.seq > (state?.last_seq ?? -1));
// 过滤：满足启动门槛、冷却期校验后，才进入LLM蒸馏
}
}
3.2 上下文约束：严格JSON契约的大模型调用
进入反思阶段后，系统会向LLM推送固定的系统提示词，也就是背景技能蒸馏指令，强制模型仅输出标准JSON结构，不额外生成自然语言解释。
{"evolve": true, "name": "kebab-case技能名", "description": "一句话概括能力", "whenToUse": "触发场景", "content": "Markdown正文", "reason": "为何值得留存"}
{"evolve": false, "reason": "一次性内容，不构成可复用技能"}
解析层会自动剥离markdown的json围栏标记，使用正则匹配提取首个合法JSON；如果格式不达标、字段缺失，会直接降级标记为skipped，不会中断整体流程。
const parsed = parseEvolutionResponse(text);
if (!parsed.evolve) return { kind: "skipped" };
if (!isValidName(parsed.name) || !parsed.description || !parsed.content)
return { kind: "invalid" };
this.writeSkill({name: parsed.name, description: parsed.description, content: parsed.content, }, sessionId);
3.3 记录与容量管控
为防止技能无限制膨胀，工程层面增加容量约束：
- 所有技能变更动作写入
skill_events日志表，记录创建、更新、跳过、格式错误、容量超限等事件，支持后续审计排查； - 托管技能数量默认上限50个，达到上限后不再新增技能，标记cap状态，避免持续消耗LLM资源；
- 技能文件始终保持纯Markdown格式，后续即便卸载本插件，已经沉淀的技能依旧可以被原生DSH识别加载，不存在绑定锁定问题。
4 方案取舍：dsh-memory-evolve 与 dsh-memory-skills 的差异化定位
社区已经存在功能更全面的dsh-memory-evolve方案，这套方案集成五轨记忆、完整自进化、COI调度和WebUI，整体包体积约700行代码，依赖组件较多；而本文dsh-memory-skills刻意做精简聚焦，核心设计思路有明确取舍：
- 只聚焦技能管理器+后台反思蒸馏单一能力，代码量仅205行，零额外运行时依赖；
- 直接复用DSH原生技能体系，完全兼容官方skill协议，不自定义私有存储格式；
- 可和CJK检索、混合向量检索、去重模块等其他记忆组件自由组合，搭建完整Agent记忆底座。
而Web可视化面板、多人协同、Git分支感知这类能力，不属于核心链路，被规划为后续可选扩展功能，团队可以根据业务需求按需叠加，避免核心组件过度臃肿。
5 真机验证与落地踩坑总结
整套闭环已经在headless模式的真实DSH环境完成端到端验证，完整流程为：调用skill_write生成合规技能文件 → skill_list读取并识别托管标记 → skill_delete删除文件 → 日志自动记录全流程事件。
skill_write → 生成 $DSH_HOME/skills/verify-tool.md，正确写入frontmatter，实时同步会话目录
skill_list → verify-tool (managed): verification skill for testing
skill_delete → 文件删除，目录实时清空
skill_events → 记录 created / deleted 事件
落地过程中遇到一个高频坑点：cordis插件加载的会话ID传递问题。如果插件同时使用export default apply导出，加载器会把回调函数注入inject列表，出现启动报错cannot get property "tools" on null。解决方案是：当插件使用export default apply时，需要手动处理加载器注入逻辑，做兼容适配。
6 总结
整套Hermes式Agent自进化方案的核心逻辑可以概括为两点： 第一，技能本质是DSH原生Markdown文本，模型通过skill_write、skill_delete、skill_list完成生命周期管理，目录变更自动生效； 第二，自进化依托后台定时水位扫描、强JSON格式反思、原子写入与日志容量管控，整个流程脱离主请求链路，不影响线上任务稳定性。
真机测试验证，自动写入的技能可以实时被DSH识别调用，技能增删闭环完整，全流程日志可追溯。项目开源仓库地址：https://github.com/QIANLING-0831/dsh-memory-plus，核心包packages/dsh-memory-skills采用MIT协议，开发者可以直接基于该仓库二次开发。对于大规模部署多套自进化Agent集群的团队，统一接入API网关能够简化模型路由与流量管控。
了解更多：https://treerouter.com
