摘要本文围绕 Hermes Regent 的/learn能力拆解 AI 终端智能体如何从 URL、目录与对话中自动提炼工作流并生成可复用 Skill。文章包含原理解析、Python 调用大模型示例、平台选型与避坑建议帮助开发者构建可复用的 AI 自动化开发流程。一、背景介绍在 AI Agent 开发中开发者经常遇到一个问题同一类任务需要反复编写提示词、重复解释项目结构、重复提供文档上下文。例如写技术博客、分析代码仓库、生成接口文档、补充业务功能都需要让模型重新理解背景。Hermes Regent 是一个运行在终端中的开源 AI Operator可连接 Telegram、Discord 等外部入口并支持接入多种大模型。它的核心能力之一是Skill开发者可以将某个稳定工作流封装为.skill文件使其自动加载并形成可直接调用的斜杠命令。视频素材中提到的新能力/learn进一步降低了 Skill 的创建门槛。过去 Skill 需要人工编写现在只需让 Hermes Regent 指向 URL、代码目录、笔记或当前对话智能体即可自动阅读内容、抽取流程、归纳规则并生成可复用技能。建议配图Hermes Regent/learn工作流示意图输入源 → 智能体分析 → Skill 文件 → 斜杠命令复用。二、核心原理2.1 Skill 的本质Skill 可以理解为面向 Agent 的“任务模板 上下文记忆 执行约束”。它不是普通提示词而是被结构化沉淀后的工作流描述通常包含以下信息任务适用场景何时触发该技能输入要求需要读取 URL、目录、文档还是用户指令执行步骤如何分析、生成、校验结果输出规范例如 Markdown、接口清单、代码补丁约束条件不要覆盖文件、不要虚构命令、优先基于真实代码。因此Skill 的价值在于把一次性提示词变成可复用能力减少重复上下文输入和 Token 消耗。2.2/learn的工作机制/learn的核心逻辑可以拆解为四步采集输入源读取网页、目录、对话或粘贴内容。抽取隐含规则识别写作风格、项目结构、API 路由、数据库模式等信息。生成技能文件将任务流程、约束和调用方式写入 Skill。注册斜杠命令后续通过命令直接调用无需重新解释背景。视频中展示了三个典型场景从博客页面学习作者写作风格从应用目录学习后端路由、SQLite Schema 与运行方式从当前会话继续学习并生成更高层级的组合 Skill。这说明/learn不仅能处理文本还能面向代码库构建领域化知识。三、实战演示3.1 环境准备在使用 Hermes Regent 前应先确认版本。如果本地版本较旧可执行更新命令hermes update更新后建议检查当前配置的模型 Profile确保模型具备较强的长上下文理解、代码分析与结构化生成能力。对于复杂推理、长文本处理、代码生成与纠错场景本文默认使用claude-opus-4-8该模型适合处理复杂工作流抽取与高质量技术内容生成。3.2 使用/learn学习博客风格假设希望让 Hermes Regent 学习某个技术博客的写作风格可以在终端中输入类似命令/learn https://example.com/blog focus on tutorial structure, writing style, section format, and reusable drafting workflow执行后Agent 会读取页面内容分析文章结构、标题规范、段落节奏、命令展示方式和常见约束并生成一个可复用 Skill。之后可直接调用该 Skill让模型按照相同风格生成新文章草稿。3.3 使用 Python 调用大模型辅助生成 Skill 草案下面示例使用薛定猫AIxuedingmao.com的/v1/messages接口调用claude-opus-4-8对输入材料进行工作流提炼。代码可作为 Hermes Skill 生成前的辅助分析脚本。# 导入 os 模块用于从环境变量读取 API Key避免在代码中硬编码敏感信息importos# 导入 requests 模块用于向大模型 API 发送 HTTP 请求importrequests# 配置薛定猫AI基础地址适配 /v1/messages 消息接口BASE_URLhttps://xuedingmao.com# 指定默认调用模型适合复杂推理、长文本分析、代码生成与纠错场景MODEL_NAMEclaude-opus-4-8# 从环境变量读取 API Key运行前需执行export XUEDINGMAO_API_KEY你的密钥API_KEYos.getenv(XUEDINGMAO_API_KEY)# 判断 API Key 是否存在避免请求时因鉴权缺失导致失败ifnotAPI_KEY:raiseRuntimeError(请先设置环境变量 XUEDINGMAO_API_KEY)# 定义待分析内容可替换为博客正文、项目说明、接口文档或对话记录source_material 这是一个 AI 技术博客素材内容包含 Hermes Regent、/learn、Skill、 代码目录分析、博客风格学习、可复用斜杠命令等信息。 # 构造提示词要求模型输出可沉淀为 Skill 的结构化工作流promptf 请基于以下材料提炼一个适合 Hermes Regent 使用的 Skill 草案。 要求包含适用场景、输入类型、执行步骤、输出格式、注意事项。 材料如下{source_material}# 构造请求头Content-Type 指定 JSONx-api-key 用于接口鉴权headers{Content-Type:application/json,x-api-key:API_KEY}# 构造请求体model 指定模型max_tokens 控制最大输出长度payload{model:MODEL_NAME,max_tokens:1200,messages:[{role:user,content:prompt}]}# 发送 POST 请求到 /v1/messages 接口完成大模型调用responserequests.post(f{BASE_URL}/v1/messages,headersheaders,jsonpayload,timeout60)# 如果接口返回非 2xx 状态码主动抛出异常便于定位问题response.raise_for_status()# 将响应结果解析为 JSON 数据resultresponse.json()# 读取模型输出内容不同网关可能返回多个 content 片段content_blocksresult.get(content,[])# 遍历输出片段仅打印文本类型内容forblockincontent_blocks:ifblock.get(type)text:print(block.get(text))该脚本适合在正式创建 Skill 前做结构化分析也可以作为自动化流水线的一部分先由模型生成 Skill 草案再由开发者审阅并放入 Hermes Regent 的技能目录。3.4 使用/learn学习代码目录对于已有项目可让 Hermes Regent 直接读取目录/learn ./my-fastapi-project create a reusable skillforroutes, database schema, startup commands, and feature development rules智能体会分析路由、数据库结构、前后端交互方式和运行命令。后续添加功能时只需调用生成的 SkillAgent 就能基于真实代码上下文回答而不是生成泛化建议。四、工具/技术资源选型在大模型接入层本文示例采用薛定猫AIxuedingmao.com。从开发视角看它的价值主要体现在统一接入与模型覆盖能力平台聚合 500 主流大模型涵盖 GPT-5.5、Claude 4.8、Gemini 3.1 Pro 等前沿模型新模型能力更新较快便于开发者第一时间验证 API 效果。对于多模型应用开发统一 OpenAI 兼容接口可以减少适配成本。开发者无需为不同模型维护多套调用逻辑只需切换模型名称与参数即可完成对比测试。其接口稳定性和响应速度也适合量产 AI 开发、自动化测试和 Agent 工作流验证场景。五、注意事项5.1 控制输入边界/learn并不意味着输入越多越好。对于大型代码库应优先选择核心目录、接口层、配置文件和数据库定义避免无关文件增加上下文噪声。5.2 避免虚构命令生成 Skill 时应明确要求“基于真实文件和真实文档不得编造命令”。对于安装、启动、迁移等命令建议由 Agent 读取README、package.json、pyproject.toml或脚本文件后再输出。5.3 注意 Token 成本复杂推理模型在分析长文档和大型项目时会消耗较多 Token。将稳定知识沉淀为 Skill 后后续调用可显著减少重复读取成本提升响应效率。5.4 保留人工审阅Skill 会长期影响 Agent 行为因此生成后应检查适用范围、输出格式和安全约束避免错误规则被反复复用。六、全文总结Hermes Regent 的/learn将 Skill 创建从手工编写升级为自动学习使终端智能体能够从网页、目录、笔记和对话中提炼稳定工作流。它的核心价值在于沉淀上下文、复用任务经验、降低提示词维护成本并提升代码库分析和内容生成的一致性。在实际开发中开发者可以用/learn构建博客写作助手、项目维护助手、接口分析助手和功能开发助手。配合具备长文本理解与代码推理能力的大模型Hermes Regent 能将一次性 AI 对话转化为可持续复用的工程能力。#AI #大模型 #Python #机器学习 #技术实战 #AIAgent #HermesRegent
【技术干货】Hermes Regent /learn 技能生成实战：用大模型自动沉淀终端智能体工作流
发布时间：2026/6/27 1:05:38
摘要本文围绕 Hermes Regent 的/learn能力拆解 AI 终端智能体如何从 URL、目录与对话中自动提炼工作流并生成可复用 Skill。文章包含原理解析、Python 调用大模型示例、平台选型与避坑建议帮助开发者构建可复用的 AI 自动化开发流程。一、背景介绍在 AI Agent 开发中开发者经常遇到一个问题同一类任务需要反复编写提示词、重复解释项目结构、重复提供文档上下文。例如写技术博客、分析代码仓库、生成接口文档、补充业务功能都需要让模型重新理解背景。Hermes Regent 是一个运行在终端中的开源 AI Operator可连接 Telegram、Discord 等外部入口并支持接入多种大模型。它的核心能力之一是Skill开发者可以将某个稳定工作流封装为.skill文件使其自动加载并形成可直接调用的斜杠命令。视频素材中提到的新能力/learn进一步降低了 Skill 的创建门槛。过去 Skill 需要人工编写现在只需让 Hermes Regent 指向 URL、代码目录、笔记或当前对话智能体即可自动阅读内容、抽取流程、归纳规则并生成可复用技能。建议配图Hermes Regent/learn工作流示意图输入源 → 智能体分析 → Skill 文件 → 斜杠命令复用。二、核心原理2.1 Skill 的本质Skill 可以理解为面向 Agent 的“任务模板 上下文记忆 执行约束”。它不是普通提示词而是被结构化沉淀后的工作流描述通常包含以下信息任务适用场景何时触发该技能输入要求需要读取 URL、目录、文档还是用户指令执行步骤如何分析、生成、校验结果输出规范例如 Markdown、接口清单、代码补丁约束条件不要覆盖文件、不要虚构命令、优先基于真实代码。因此Skill 的价值在于把一次性提示词变成可复用能力减少重复上下文输入和 Token 消耗。2.2/learn的工作机制/learn的核心逻辑可以拆解为四步采集输入源读取网页、目录、对话或粘贴内容。抽取隐含规则识别写作风格、项目结构、API 路由、数据库模式等信息。生成技能文件将任务流程、约束和调用方式写入 Skill。注册斜杠命令后续通过命令直接调用无需重新解释背景。视频中展示了三个典型场景从博客页面学习作者写作风格从应用目录学习后端路由、SQLite Schema 与运行方式从当前会话继续学习并生成更高层级的组合 Skill。这说明/learn不仅能处理文本还能面向代码库构建领域化知识。三、实战演示3.1 环境准备在使用 Hermes Regent 前应先确认版本。如果本地版本较旧可执行更新命令hermes update更新后建议检查当前配置的模型 Profile确保模型具备较强的长上下文理解、代码分析与结构化生成能力。对于复杂推理、长文本处理、代码生成与纠错场景本文默认使用claude-opus-4-8该模型适合处理复杂工作流抽取与高质量技术内容生成。3.2 使用/learn学习博客风格假设希望让 Hermes Regent 学习某个技术博客的写作风格可以在终端中输入类似命令/learn https://example.com/blog focus on tutorial structure, writing style, section format, and reusable drafting workflow执行后Agent 会读取页面内容分析文章结构、标题规范、段落节奏、命令展示方式和常见约束并生成一个可复用 Skill。之后可直接调用该 Skill让模型按照相同风格生成新文章草稿。3.3 使用 Python 调用大模型辅助生成 Skill 草案下面示例使用薛定猫AIxuedingmao.com的/v1/messages接口调用claude-opus-4-8对输入材料进行工作流提炼。代码可作为 Hermes Skill 生成前的辅助分析脚本。# 导入 os 模块用于从环境变量读取 API Key避免在代码中硬编码敏感信息importos# 导入 requests 模块用于向大模型 API 发送 HTTP 请求importrequests# 配置薛定猫AI基础地址适配 /v1/messages 消息接口BASE_URLhttps://xuedingmao.com# 指定默认调用模型适合复杂推理、长文本分析、代码生成与纠错场景MODEL_NAMEclaude-opus-4-8# 从环境变量读取 API Key运行前需执行export XUEDINGMAO_API_KEY你的密钥API_KEYos.getenv(XUEDINGMAO_API_KEY)# 判断 API Key 是否存在避免请求时因鉴权缺失导致失败ifnotAPI_KEY:raiseRuntimeError(请先设置环境变量 XUEDINGMAO_API_KEY)# 定义待分析内容可替换为博客正文、项目说明、接口文档或对话记录source_material 这是一个 AI 技术博客素材内容包含 Hermes Regent、/learn、Skill、 代码目录分析、博客风格学习、可复用斜杠命令等信息。 # 构造提示词要求模型输出可沉淀为 Skill 的结构化工作流promptf 请基于以下材料提炼一个适合 Hermes Regent 使用的 Skill 草案。 要求包含适用场景、输入类型、执行步骤、输出格式、注意事项。 材料如下{source_material}# 构造请求头Content-Type 指定 JSONx-api-key 用于接口鉴权headers{Content-Type:application/json,x-api-key:API_KEY}# 构造请求体model 指定模型max_tokens 控制最大输出长度payload{model:MODEL_NAME,max_tokens:1200,messages:[{role:user,content:prompt}]}# 发送 POST 请求到 /v1/messages 接口完成大模型调用responserequests.post(f{BASE_URL}/v1/messages,headersheaders,jsonpayload,timeout60)# 如果接口返回非 2xx 状态码主动抛出异常便于定位问题response.raise_for_status()# 将响应结果解析为 JSON 数据resultresponse.json()# 读取模型输出内容不同网关可能返回多个 content 片段content_blocksresult.get(content,[])# 遍历输出片段仅打印文本类型内容forblockincontent_blocks:ifblock.get(type)text:print(block.get(text))该脚本适合在正式创建 Skill 前做结构化分析也可以作为自动化流水线的一部分先由模型生成 Skill 草案再由开发者审阅并放入 Hermes Regent 的技能目录。3.4 使用/learn学习代码目录对于已有项目可让 Hermes Regent 直接读取目录/learn ./my-fastapi-project create a reusable skillforroutes, database schema, startup commands, and feature development rules智能体会分析路由、数据库结构、前后端交互方式和运行命令。后续添加功能时只需调用生成的 SkillAgent 就能基于真实代码上下文回答而不是生成泛化建议。四、工具/技术资源选型在大模型接入层本文示例采用薛定猫AIxuedingmao.com。从开发视角看它的价值主要体现在统一接入与模型覆盖能力平台聚合 500 主流大模型涵盖 GPT-5.5、Claude 4.8、Gemini 3.1 Pro 等前沿模型新模型能力更新较快便于开发者第一时间验证 API 效果。对于多模型应用开发统一 OpenAI 兼容接口可以减少适配成本。开发者无需为不同模型维护多套调用逻辑只需切换模型名称与参数即可完成对比测试。其接口稳定性和响应速度也适合量产 AI 开发、自动化测试和 Agent 工作流验证场景。五、注意事项5.1 控制输入边界/learn并不意味着输入越多越好。对于大型代码库应优先选择核心目录、接口层、配置文件和数据库定义避免无关文件增加上下文噪声。5.2 避免虚构命令生成 Skill 时应明确要求“基于真实文件和真实文档不得编造命令”。对于安装、启动、迁移等命令建议由 Agent 读取README、package.json、pyproject.toml或脚本文件后再输出。5.3 注意 Token 成本复杂推理模型在分析长文档和大型项目时会消耗较多 Token。将稳定知识沉淀为 Skill 后后续调用可显著减少重复读取成本提升响应效率。5.4 保留人工审阅Skill 会长期影响 Agent 行为因此生成后应检查适用范围、输出格式和安全约束避免错误规则被反复复用。六、全文总结Hermes Regent 的/learn将 Skill 创建从手工编写升级为自动学习使终端智能体能够从网页、目录、笔记和对话中提炼稳定工作流。它的核心价值在于沉淀上下文、复用任务经验、降低提示词维护成本并提升代码库分析和内容生成的一致性。在实际开发中开发者可以用/learn构建博客写作助手、项目维护助手、接口分析助手和功能开发助手。配合具备长文本理解与代码推理能力的大模型Hermes Regent 能将一次性 AI 对话转化为可持续复用的工程能力。#AI #大模型 #Python #机器学习 #技术实战 #AIAgent #HermesRegent
