Hermes Agent Self-Evolution 快速入门

这是什么？适合谁？

Hermes Agent Self-Evolution（NousResearch/hermes-agent-self-evolution，5,085 Stars）是 Nous Research 开源的Agent 自我进化框架：用 DSPy + GEPA（Genetic-Pareto Prompt Evolution，ICLR 2026 Oral）自动进化 Agent 的 skill 文件、工具描述、系统提示词和代码，产出”经过评测证明更好”的新版本。

核心卖点：无 GPU 训练—全部通过 API 调用完成（变异文本 -> 评测结果 -> 选择最优变体），单次优化运行成本约 $2-10。GEPA 的独特之处是读取执行轨迹来理解为什么失败（而不只是失败与否），再提出针对性改进。

适合人群：

• Agent skill/prompt 维护者：手调 prompt 到瓶颈，想要数据驱动优化的人
• Agent 平台工程师：搭建”持续改进”管线，让 skill 版本随使用自动演进
• DSPy/GEPA 研究者：一个生产级参考实现（Phase 1 已实现，Phase 2-5 规划中）
• 独立开发者：用 $2-10 的预算把一个平庸 skill 调成顺手 skill

不适合：想”全自动永续进化”的人—当前 Phase 1 只覆盖 skill 文件（SKILL.md）优化，且每个变体必须过全量测试+人工 PR 审查，不存在无人值守自我修改；也没有对非 Hermes 体系 Agent 的现成适配。

使用前提：Python 环境（pip install -e ".[dev]"）；一个本地 hermes-agent 仓库（export HERMES_AGENT_REPO=~/.hermes/hermes-agent）；LLM API key；被优化的 skill 最好有真实使用记录（sessiondb 评测源）或允许合成评测数据。

准备工作

• 环境：Python 3.10+；git
• 依赖：DSPy + GEPA（MIT）、Darwinian Evolver（AGPL v3，仅外部 CLI 调用，Phase 4 才用到）
• 评测数据：二选一—--eval-source synthetic（合成数据，冷启动）或 --eval-source sessiondb（Claude Code/Copilot/Hermes 的真实会话历史，质量更高）
• 时间预算：安装 10 分钟；一次 10 轮迭代优化视任务复杂度分钟到小时级
• 成本：MIT 开源；单次优化运行 $2-10（官方口径，取决于迭代数与评测集大小）

快速上手（3 步）

第一步：安装并指向目标仓库

git clone https://github.com/NousResearch/hermes-agent-self-evolution.git
cd hermes-agent-self-evolution
pip install -e ".[dev]"

# 指向你的 hermes-agent 仓库
export HERMES_AGENT_REPO=~/.hermes/hermes-agent

第二步：进化一个 skill

# 合成评测数据（冷启动）
python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source synthetic

# 或用真实会话历史（Claude Code / Copilot / Hermes）
python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source sessiondb

流程：读取当前 skill -> 生成评测数据集 -> GEPA 优化器结合执行轨迹生成候选变体 -> 约束门禁（测试全过/大小限制/缓存兼容/语义保持）-> 最优变体胜出。

第三步：走 PR 流程合入

进化产物不会直接提交：最优变体生成一个针对 hermes-agent 仓库的 PR，人工审查后合入。这是框架的第一条护栏（Guardrail 5）。

成功判定：PR 里的 SKILL.md 变体在评测集上的分数显著优于原版（框架输出对比报告），且 pytest tests/ -q 100% 通过、skill 体积 ≤15KB。

初级用法

• 单 skill 进化：evolve_skill --skill <name> --iterations N，最常用入口
• 冷启动 vs 真实数据：新 skill 用 synthetic 快速验证方向；上线后接 sessiondb 用真实失败案例驱动
• 迭代预算控制：--iterations 10 起步，观察边际收益再决定是否加轮数
• 报告阅读：reports/ 目录产出优化前后的对比与轨迹分析，是调参的主要依据

高级玩法

1. 轨迹诊断：GEPA 读执行轨迹找”为什么失败”，把 reports 里的失败模式归类，反哺 skill 的结构设计（不是只改措辞）
2. 约束门禁定制：五条护栏（全量测试/大小限制/缓存兼容/语义保持/PR 审查）中，大小限制（skill ≤15KB、工具描述 ≤500 字符）可按自己仓库标准收紧
3. Phase 2-5 路线跟踪：工具描述（Phase 2）-> 系统提示词分节（Phase 3）-> 工具实现代码（Phase 4，Darwinian Evolver/AGPL）-> 持续改进环（Phase 5），规划见 PLAN.md，可按同样模式提前自实现
4. 评测集版本化：把 sessiondb 导出的评测数据集固化进 datasets/，做成回归基准，防止 skill 进化出现”按下葫芦浮起瓢”
5. 多 skill 并行进化：独立 skill 间无共享状态，可并行跑多个 evolve_skill 进程摊薄时间成本

常见踩坑（5 条）

踩坑 1：期待全自动无人值守

• 现象：想让它在生产环境自己改自己
• 原因：Guardrails 明确要求所有变更走人工 PR 审查，且约束”不得在对话中途变更”（缓存兼容）
• 解决：把它定位成”优化建议生成器”，合入决策留给人

踩坑 2：合成数据过拟合

• 现象：synthetic 模式下分数涨很多，实际使用没变化
• 原因：合成评测分布与真实任务分布有偏差
• 解决：冷启动用 synthetic 定方向，正式优化切 --eval-source sessiondb

踩坑 3：忽略大小限制

• 现象：进化出的 skill 超过 15KB 被门禁拦下
• 原因：GEPA 倾向增加解释性文本来提升评测分
• 解决：接受护栏的取舍；或把长内容拆到 skill 的 references/ 附文件

踩坑 4：HERMES_AGENT_REPO 指错

• 现象：运行报找不到 skill
• 原因：环境变量指向了错误仓库或非 hermes-agent 结构的目录
• 解决：确认路径下存在目标 skill；evolution/ 模块按 hermes-agent 目录约定解析

踩坑 5：成本失控

• 现象：一轮优化账单远超 $10
• 原因：迭代数 × 评测集大小的乘积失控，或评测数据里混入超长上下文样本
• 解决：先用 10 轮小评测集试跑，估算单轮成本后再放大

小技巧（5 条）

1. 先读 PLAN.md 再动手：五阶段架构与评测数据策略写得清楚，避免在未实现阶段（Phase 2-5）浪费时间
2. 用 generate_report.py：仓库自带报告生成器，把原始轨迹转成可读的失败模式归纳
3. 锁定 GEPA 版本：GEPA 本身迭代快，pyproject 里锁版本保证进化结果可复现
4. 建 A/B 双轨：进化版与原版 skill 并行挂载，真实会话里对比一周再决定合入
5. 关注 ICLR 2026 论文：GEPA 的 Oral 论文里有反射式进化的消融实验，理解它能更好调 iteration 数

常见问题 FAQ

Q1：这个框架免费吗？

A：MIT 开源（© 2026 Nous Research），5,085 Stars（2026-08-20 采集）。成本只有 LLM API 调用，官方口径单次优化 $2-10。

Q2：必须配合 Hermes Agent 使用吗？

A：Phase 1 的 skill 进化针对 hermes-agent 的 skill 文件结构（SKILL.md 格式），但 SKILL.md 是跨 Agent 通用约定，改目录解析逻辑即可迁移到其他体系；框架本身是独立 Python 包。

Q3：和手动调 prompt 有什么区别？

A：手动调依赖直觉且不可复现；这里每个变体都过同一评测集+同一门禁，“更好”有数据背书，GEPA 还会从执行轨迹里归因失败原因。

Q4：会修改我的生产文件吗？

A：不会。产出永远是 PR，且护栏禁止对话中途变更（缓存兼容约束）；最终合入由你决定。

Q5：无 GPU 真的可行吗？

A：可行。它做的是提示词/文本层面的进化搜索（变异->评测->选择），全部是 API 调用，不涉及权重训练。

Q6：安全吗？会不会进化出越界行为？

A：五条护栏兜底：全量测试 100% 通过、大小限制、缓存兼容、语义保持（不得偏离原始用途）、强制人工 PR 审查。语义保持门禁专门防”进化偏航”。

进阶学习建议

• 精读 PLAN.md 的五阶段路线与评测数据策略，特别是”真实会话历史如何变成评测集”的 sessiondb 设计
• 学习 GEPA（ICLR 2026 Oral）的反射式进化算法本身：与普通遗传算法的差异在”读轨迹归因”而非盲目变异
• 研究 Darwinian Evolver（AGPL v3）的 Git-based organisms 设计，理解 Phase 4 代码进化的边界
• 把五条 Guardrails 抄进自己的 Agent 改造流程：任何”AI 改 AI”的系统都需要同级别的门禁设计
• 读 evolution/skills/ 源码理解 skill 文件的解析与变异策略，迁移到自己的 skill 仓库

参考链接

• hermes-agent-self-evolution 仓库
• DSPy
• GEPA
• Hermes Agent

本文基于公开资料于 2026-08-20 整理，社区指标来自 GitHub 公开数据。独立实测未进行，成本数据引用自官方 README，功能与配置可能随版本更新变化，请以官方仓库为准。