大数跨境

Self-Improving 总览:Hermes 为什么会越用越强

Self-Improving 总览:Hermes 为什么会越用越强 前端Q
2026-05-11
0
导读:我跟很多做 Agent 的朋友聊过一个话题:**Agent 真的能"自我进化"吗?**

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:

▸"可以啊,模型越来越强嘛"
▸"可以啊,prompt 越调越好啊"
▸"可以啊,加点 RAG 不就行了"

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:

▸同一个用户:排除 prompt 优化的影响
▸同一个 Agent 实例:排除模型版本升级的影响
▸同类任务:排除任务难度变化的影响

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:

text
任务执行 (主 Agent + Trajectory 落盘)
    ↓
Nudge 触发 (轮数 / 事件 / 时间)
    ↓
Review Agent fork (读 Trajectory,做判断)
    ↓
落盘 (Memory 加事实 / Skill 创建或 Patch)
    ↓
下次任务 (Prompt Assembly 把 Memory + Skill 拽进 system prompt)
    ↓
执行更顺、更快、更准
    ↓
回到任务执行 (循环)

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:

▸等用户主动反馈"刚才那个不对",才去更新
▸等用户主动说"记住这件事",才去存

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:

▸"刚才这事我做得不错" → 不学
▸"刚才那步有点尴尬,先别提" → 不记
▸"用户没说不满意,应该没问题" → 不改

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:

▸它没参与执行,没有"我做得好"的滤镜
▸它只看快照,看的是事实,不是情绪
▸它的唯一任务就是判断"什么值得保存"

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:

▸Memory 是有上限的,新事实进来要挤旧事实
▸Skill 是有触发条件的,无关任务不会触发新 Skill
▸Review Agent 是会"否决"的,没价值的快照不会变成新内容

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:

▸没有模型升级,自进化也能让 Agent 在你环境里越来越懂事
▸没有自进化,模型再强也会在你这边忘事忘得很快

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:

▸Memory ≈ 团队 wiki
▸Skill ≈ 流程 SOP
▸Nudge Engine ≈ 周会复盘提醒
▸Review Agent ≈ 同事 code review

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

Multi-Agent Teams:让多个专家 Agent 像团队一样协作
AI Agent 是怎么"想一步做一步"的?拆解 ReAct 模式
从零开始:用 LangChain.js 构建你的第一个 Tool-Calling Agent
最后
点个在看支持我吧

【声明】内容源于网络
0
0
前端Q
1234
内容 745
粉丝 0
前端Q 1234
总阅读0
粉丝0
内容745