Hermes Agent实现自学习闭环的工作机制

这就是 Hermes Agent 自学习循环（Self-learning LOOP）的工作方式：
有用的工作流 → Agent 技能经验 → Gbrain 页面中的关键决策 → 可检索的记忆
重复该循环 → 实现自动化
随后，Hermes curator 清理过时的技能，使该循环持续复利增长。

@compileandpush
Hermes 通过在边界处让技能循环保持保守来处理边缘情况，而不是假装 Agent 具备完美判断力。主要模式是：允许 LLM 判断提出结构，但对不可逆操作施加约束。

@JamesClawn
主要是内容判断，叠加使用情况/来源信息，而非仅靠重复次数。Curator 被提示提问：这是一个人类维护者会保留的、类级别的工作流，还是仅限某次会话的窄域产物？重复出现的窄域技能应合并至一个上位技能，或归档。

@SaranshSaboo
谢谢！

@petergyang
主要任务是担任 Awesome LLM Apps 仓库中各项目目标的协调者，并协助我构建酷炫的东西。其余一切——从研究到头脑风暴——Gbrain 都非常有用，尤其擅长串联各个要点。

@skar_connect
是的，完全正确！

@itsthedonhashim
默认情况下，这是一项每周执行的清理任务，聚焦于检查 Hermes 的 prompt。