Hermes + DeepSeek 实战指南②：技能系统与自动学习循环

昨天写了 Hermes Agent + DeepSeek 的安装和配置。今天深入讲它的核心能力——技能系统和自动学习循环，以及三个能直接用的实战场景。 如果你还没装，先看昨天的指南把环境搞定。

一、Hermes 最特别的地方：技能系统

普通 AI 助手每次对话都是从零开始，你重复说同样的需求，它重复理解一遍。Hermes 不一样，它有一个技能（Skill）系统。 技能是什么？简单说，就是一段固化下来的"操作说明书"。比如你经常让 AI 帮你写 Python 爬虫，第一次你要详细说需求，Hermes 干完之后，如果开启了自动学习，它会把这次的操作流程提炼成一个技能存下来。下次你只说"爬一下这个网站"，它直接调用技能，不用你再解释。 技能分两种： - **手动创建**：你主动定义，比如 `hermes skills new "写周报" "根据本周git提交记录，生成一份周报"` - **自动生成**：Hermes 在运行过程中发现某个操作你重复做了3次以上，会问你要不要固化成技能 查看已有技能： ```bash hermes skills list ```

二、自动学习循环怎么运作

Hermes 的学习循环（Learning Loop）是它区别于其他代理的核心。流程大概是这样： 1. 你给一个任务 2. Hermes 尝试完成，过程中调用工具、读文件、写代码 3. 任务完成后，Hermes 回顾整个过程：哪些步骤是重复的？哪些决策是有规律的？ 4. 有规律的部分被提炼成技能，存到本地技能库 5. 下次类似任务，优先调用已有技能，减少推理消耗 用 DeepSeek 做后端的时候，这个循环特别划算——因为技能调用消耗的 token 远少于重新推理一遍完整流程。跑得越多，单次成本越低。

三、三个实战场景

**场景1：代码重构助手** 把老项目路径给 Hermes： ``` hermes run "重构 /path/to/old-project，目标是统一命名规范和错误处理" ``` 第一次它会比较慢，要读完整代码库、理解架构。但做完之后，你的编码风格就被它学会了。下次再给它新项目，它会按你上一个项目的习惯来改，一致性很高。 **场景2：文档自动生成** ``` hermes run "读 /path/to/repo 的代码，生成 README、API 文档、CHANGELOG" ``` 这个场景特别适合接 DeepSeek——文档生成是长文本输出，DeepSeek 的输出成本只有 Claude 的 1/50，一篇万字文档几毛钱搞定。 **场景3：重复任务自动化** 每周发周报、每天同步数据、定期打包发布——这些事做两次之后，Hermes 会自动创建对应技能。你只需要说"发周报"，它自己调技能跑完。

四、DeepSeek 适配的实测成本

我自己跑了两周的记录： - 代码重构场景：平均每次会话消耗约 80万 token（含读代码），DeepSeek 成本约 $1.2 - 同样任务用 Claude 3 Opus：约 $60 - 技能固化后第二次跑：token 降到 20万左右，因为跳过了解释环节 省下来的钱是真金白银。

五、避坑点

1. **技能冲突**：两个技能描述相似时，Hermes 可能调错。解决办法是用 `hermes skills describe ` 看每个技能的触发条件，不用的删掉。 2. **学习循环卡死**：极少数情况下自动学习会陷入循环（反复修改同一个技能）。遇到就 `hermes skills reset ` 重置那个技能。 3. **模型选错**：配置时选了 `deepseek-v3` 而不是 `deepseek-v4-pro`，代码能力会差一截。v4-pro 是默认推荐，别手滑选低配版。 4. **上下文溢出**：处理超大型代码库时，128K 上下文可能不够。在模型选择里切到 `deepseek-v4-pro-256k`，或者把任务拆小。

下期预告

下一篇讲 Hermes 的多模型切换和团队协作——怎么在一个工作台里同时管 DeepSeek 和 Claude，以及多人共享技能库的方法。 --- 参考：Hermes Agent v0.3.2 技能系统文档 + 个人两周使用记录