集成 NousResearch Hermes Agent CLI，支持自进化技能系统、持久化记忆、子代理委派与 MCP 扩展，适合构建自动化 AI 工作流。
说明：
## 核心用法
Hermes Agent Skill 通过调用本地 `hermes` CLI 实现与 NousResearch 开源代理框架的交互。主要能力包括：
**快速问答**：`hermes run “问题” –non-interactive –no-stream` 适合脚本化调用，返回结构化结果。
**上下文增强**：通过 `–context-file` 注入外部文档，支持复杂任务的多轮推理。
**子代理委派**：内置 `delegate_task` 机制，可将研究、代码生成等任务自动分配给子代理并行执行。
**持久化记忆**：基于 SQLite FTS5 实现全文检索记忆，配合 LLM 自动摘要，支持跨会话上下文保持。提供 `memory search/list/add` 等命令管理笔记。
**技能系统**：运行时创建和管理自定义技能（`skills create`），支持版本化与自进化。
**MCP 与浏览器**：集成 Model Context Protocol 扩展能力，支持浏览器自动化和代码执行沙箱。
## 显著优点
– **开源可信**：NousResearch 背书，代码全开源可审计
– **模块化架构**：技能、记忆、代理三层解耦，易于扩展
– **本地优先**：数据默认存储于 `~/.hermes/`，隐私可控
– **多提供商支持**：通过 `.env` 灵活配置 OpenAI、Anthropic 等后端
## 潜在局限
– **依赖本地 CLI**：需预先安装 hermes 二进制，Windows 支持待验证
– **无原生 UI**：纯命令行交互，对非技术用户门槛较高
– **记忆容量限制**：FTS5 虽高效，但长期大规模记忆需定期归档
## 适合人群
开发者、AI 研究员、自动化工程师，尤其是需要构建可扩展、可审计的本地化 Agent 系统的技术团队。
## 常规风险
– API 密钥存储于本地 `.env`，需做好文件权限管理
– 子代理委派可能产生不可预期的工具调用链，建议沙箱运行
– `–non-interactive` 模式跳过确认，需确保提示词注入防护
