点击上方 前端Q,关注公众号
回复加群,加入前端Q技术交流群
我跟很多做 Agent 的朋友聊过一个话题:Agent 真的能"自我进化"吗?
大家给的答案多半是:
听起来好像都对。但你仔细一想会发现,这些都是外部在帮 Agent 变强,不是 Agent 自己在变强。
模型迭代是 OpenAI 的事,prompt 调优是工程师的事,RAG 是知识库的事。Agent 自己呢?它一直在原地,每次任务都从零开始。
Hermes 的"Self-Improving"不一样。它说的是:Agent 自己能从工作中学到东西,自己写下来,自己下次复用,自己持续修补。
整个闭环不依赖人,也不依赖模型升级。
这一篇我把这个闭环拆开讲清楚。读完之后你应该能回答一个问题:究竟是什么让 Hermes 在一周之后比一周之前强?
先给"自进化"做一个工程定义
很多文章把"自进化 Agent"讲得很玄。我倾向于把它落地成一个工程标准。
我自己用的判断标准很简单 —— 同一个用户,让同一个 Agent,在不同时间点做同类任务,后做的明显比先做的更准更快。
注意三个关键词:
如果一个 Agent 满足这个标准,那它就是真的在自进化。
不满足?那不管它声称自己有多智能,本质都还是个一次性工具。
按这个标准,市面上 95% 的 Agent 不算自进化。Hermes 算。
自进化要靠 4 件事配合
我研究下来发现,"越用越强"这件事不是单点能力,是 4 件事环环相扣。
少任何一件,闭环都跑不起来。
第 1 件事:能记住事
听起来废话,但绝大多数 Agent 真的记不住事。
你这次告诉它"我们项目用 pnpm 不用 npm",下次它还是 npm。你纠正过它三次,第四次它还是从头来。
记不住事,等于每次都是新员工。
Hermes 通过 Memory 解决:事实级别的认知,要写到 markdown 文件里,下次自动加载到 system prompt。
第 2 件事:能沉淀做法
记住事实只是基础。真正决定快慢的是"做事的步骤"。
比如我让 Agent 部署一个服务,第一次它要试 5 种命令。如果它把成功的那条路记下来,下次直接用,那就快了。
Hermes 通过 Skill 解决:操作级别的经验,要写成有 step 的 markdown 文件,下次按攻略执行。
第 3 件事:能主动触发学习
光给 Agent 一个 Memory 文件不够。如果它不主动 review、不主动写,文件永远是空的。
人类也一样。如果你不强制自己每周复盘,那你今天踩的坑下周还会再踩。
Hermes 通过 Nudge Engine 解决:到了某个时间点 / 某个事件 / 某个轮次,强制提醒"该学习了"。
第 4 件事:能客观地复盘
主 Agent 自己复盘最大的问题是 —— 它会偏向认为"我做得很好",然后什么都不学。
就像没人愿意承认自己写的代码有问题。
Hermes 通过 Review Agent 解决:专门 fork 一个独立 Agent 来复盘,它没有完成任务的执念,只看快照判断什么值得记。
这 4 件事缺一不可。
闭环是怎么转起来的
把上面 4 件事串起来,就是 Hermes 的核心闭环:
这是一个真正意义上的反馈环 (feedback loop),不是单向的。
每一轮的输出,都是下一轮的输入。
每一轮的执行,都在让下一轮更好。
只要你坚持用,闭环越转越紧,Agent 越用越强。
为什么这个闭环必须包含"主动触发"
我看过不少 Agent 项目尝试做"自进化",最常见的失败方式是 —— 没有主动触发机制。
它们的逻辑通常是:
这是一种"被动学习"。
被动学习有个致命问题:用户大多数时候不会反馈。
用户的诉求是"把活干完",不是"教 Agent 怎么干得更好"。
如果 Agent 只在用户主动反馈时学习,那它一辈子也学不到几样东西。
Nudge Engine 解决的就是这件事 —— 不依赖用户反馈,到时间了,到轮次了,到事件了,Agent 自己提醒自己复盘一下。
这就跟你强制自己每周写周报一样。哪怕没人看,哪怕没人催,写下来这件事本身就让你下周不一样。
为什么"复盘"必须由独立 Agent 来做
这是我觉得 Hermes 设计里最聪明的一点。
主 Agent 干完活让它自己 review,会有几个本能性的偏差:
这些都是非常人性的反应,模型也一样。
让另一个独立的 Agent 来 review 就不一样:
这种审查与执行的解耦,让 review 这件事本身有了客观性。
打个比方:你自己写完代码,自己 review,往往看不出问题。同事来 review,分分钟挑出 5 处。Hermes 是把"同事 review"这件事自动化了。
"进化速度"不是越快越好
很多人会有个误区 —— 觉得 Agent 学得越多越快越好。
我不这么看。
我观察 Hermes 的 Memory / Skill 增长曲线,会发现一个现象:前两周增长很快,之后趋于平稳。
这不是 bug,是设计如此。
因为:
所以好的自进化系统,不是"无限学习一切",是只学真正有复用价值的东西,并且持续修剪。
这点很反直觉,但工程上必须这样。
如果你让 Agent 把每件小事都记下来,半年后它的 Memory 比《战争与和平》还长,模型读完一半就忘了开头,反而越用越差。
进化的核心不是膨胀,是高质量的精简。
自进化的"反例":哪些设计跑不通
为了让你理解 Hermes 为啥这么设计,我反过来举几个"看着挺好但其实跑不通"的方案:
反例 1:所有对话都进 Memory
听起来很合理,"全都记下来肯定不会漏"。
实际跑下来:Memory 几小时就爆了,模型注意力被无关聊天淹没,本来该用上的事实反而被忽略。
反例 2:让模型 fine-tune 进基模
听起来更牛,"直接把学到的烧进权重"。
实际:成本巨高,时延巨长,rollback 几乎不可能,跨用户污染严重。普通团队完全跑不动。
反例 3:用大向量库存历史,每次检索
听起来现代,"RAG 一切问题"。
实际:检索精度不够,召回的多是相似但无关的内容,反而干扰当下任务。Skill 这种"操作步骤"完全不适合用 embedding 召回。
反例 4:让用户每次手动告诉 Agent 学了啥
听起来可控,"用户掌握主动权"。
实际:用户 99% 的时候不会写。半年下来 Memory 几乎是空的。
Hermes 选 markdown + Memory 边界 + Nudge + Review 这套,就是把这些反例都规避了一遍。
自进化的"加速度"从哪儿来
我跑了几周 Hermes,发现一个有意思的规律 —— 学习速度本身也会进化。
第 1 周:每完成 5-6 个任务,沉淀 1 个 Skill
第 2 周:开始出现 Skill 与 Skill 之间的"互相调用",新 Skill 站在已有 Skill 上构建
第 3 周:Memory 和 Skill 开始对照,发现 Memory 里有过时事实,自动 patch 修订
第 4 周:Agent 在执行新任务时,会先扫一遍现有 Skill 看有没有可借鉴的,没有再现做
你会发现:学习不是线性的,是复利的。
刚开始很慢,很笨。每天积累一点点。但一旦 Skill 之间产生组合效应,能力增长会进入一个加速期。
这跟人学一门手艺一模一样。前 100 小时最痛苦,第 500 小时开始有"突然就会了"的感觉。
自进化和"模型升级"是两件事
最后想强调一点:自进化不是模型变强,是 Agent 变熟练。
模型升级是 OpenAI / Anthropic 给你的能力上限。
自进化是你的 Agent 在你这个特定环境下的"熟练度增长"。
这两件事互相加成但互相独立:
Hermes 抓的是第二件事 —— 它不试图改基模,它试图让你这个 Agent 在你这个用户、你这个团队、你这个项目里越来越好用。
这点对企业落地意义巨大。后面 Skill Hub 那一章会反复回到这点。
我的看法
研究 Hermes 的 Self-Improving 闭环,我最大的感受是 ——
真正的"自进化"不是一项能力,是一种结构。
它不是某段聪明的代码,也不是某个魔法 prompt。它是一个由 4 个独立角色 (Memory、Skill、Nudge、Review) 协作出来的反馈环。
每个角色单看都很简单,组合起来才产生"持续变强"的效果。
这其实跟一个团队是怎么变强的一模一样:
人类团队进化几十年沉淀出来的"组织学习"机制,Hermes 用工程方式在一个 Agent 上重新实现了一遍。
理解了这点,你才会明白:Hermes 的设计哲学,不是 AI 哲学,是组织学。
它把 Agent 当成一个团队的新员工来训练,而不是当成一个魔法盒子。
而真正能在企业里落地的 AI 系统,本质上都得回到组织学这件事上。
后面几篇会一块一块拆这 4 个角色的内部机制。这一篇你只要先把闭环装进脑子里就行。
往期推荐

