Hermes Agent Self-Evolution 是 NousResearch 给自家 Hermes Agent 做的『进化式自我改进』工具：用 DSPy + GEPA（Genetic-Pareto Prompt Evolution，遗传-帕累托提示词进化）自动演化并优化 Hermes 的技能、工具描述、系统提示词乃至代码，通过反思式进化搜索产出可度量更好的版本。关键是无需 GPU 训练——全程靠 API 调用做文本变异、评估、选优，一次优化约 $2-10。GEPA 会读执行轨迹去理解『为什么失败』而非只知道失败了，再提出有针对性的改进。每个演化出的变体都要过测试/体积/语义/人工 PR 评审等护栏。Python，README 标 MIT（GitHub 识别 license 为空）。
来源：README 顶部/How It Works/Guardrails；GitHub desc，license NULL(README MIT) 查看 GitHub 仓库 →约 3.5k 星，热度有两层：一是 NousResearch + Hermes 的关注度；二是它代表了『agent 自我进化』里更工程化、有学术依据的一路——直接用 DSPy + GEPA（ICLR 2026 Oral）这套成熟的反思式提示词进化，而非自造概念，且强调无需 GPU、单次几美元、变体必须过测试与人工 PR 评审。对想自动优化自己 agent 的技能/提示词、又要可控可评测的人很有吸引力。
来源：GitHub 3,468 stars / 377 forks，created 2026-03-09；README How It Works用 DSPy + GEPA 读取执行轨迹理解失败原因，提出有针对性的变异，做遗传-帕累托式进化搜索选出更优变体；GEPA 是 ICLR 2026 Oral、MIT 许可的方法。
来源：README How It Works/Engines全程经 API 调用完成（变异文本、评估结果、选优），不需要 GPU 训练，单次优化运行约 $2-10。
来源：README 顶部说明（No GPU training required）Phase 1 优化技能文件 SKILL.md（已实现，DSPy+GEPA）；规划中：工具描述、系统提示词分节、用 Darwinian Evolver 优化工具实现代码、以及持续改进的自动化流水线。
来源：README What It Optimizes（5 阶段表）可用合成 eval 数据评估，也可用来自 Claude Code、Copilot、Hermes 的真实 session 历史（--eval-source sessiondb）作为评测来源，让优化贴近真实使用。
来源：README Quick Start（synthetic / sessiondb）每个演化变体必须过：全量测试套件 100% 通过、体积限制（技能≤15KB、工具描述≤500 字）、缓存兼容（不中途改）、语义保持（不偏离原意），且所有改动走人工 PR 评审、绝不直接提交。
来源：README Guardrails结构很小的 Python 工具（evolution/ 为主体 + datasets/ + tests/ + reports/ + generate_report.py + PLAN.md）。工作流是循环式进化：读取当前 skill/prompt/tool → 生成 eval 数据集 → GEPA 优化器（吃执行轨迹）→ 产出候选变体 → 评估 → 过约束门（测试、体积、benchmark）→ 选出最佳变体 → 对 hermes-agent 仓库发 PR。它把 HERMES_AGENT_REPO 指向你的 Hermes 仓库，对其中的技能文件等做优化。引擎用两套：DSPy + GEPA（MIT，做反思式提示词进化，是已实现的核心），以及 Darwinian Evolver（AGPL，仅作外部 CLI 调用，用于规划中的代码进化）。它本身不实现进化算法，而是编排成熟方法 + 评测数据 + 护栏，把『优化 Hermes 的可改部分』做成可复现、可评审的流程。
来源：README How It Works/Engines；tree（evolution/、datasets/、tests/、PLAN.md）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
DSPy (Stanford)GEPA (Genetic-Pareto Prompt Evolutio…Darwinian Evolver (AGPL，外部 CLI，代码进化)Hermes Agent（优化目标）session 历史（Claude Code/Copilot/Hermes）适合：①用 Hermes Agent、想自动优化其技能/提示词、又要可评测可评审的人；②对 DSPy/GEPA 这套反思式提示词进化感兴趣、想看其在真实 agent 上落地的研究者；③想用真实会话历史驱动优化、并以测试+人工 PR 把关的工程团队。不适合：不使用 Hermes Agent 的人（它专为 Hermes 优化，迁移需改造）；想要一键全自动、无人把关地改 agent 的人（它刻意走人工 PR 评审）；以及期望它优化代码/工具的人——目前只实现了技能优化，其余仍是 planned。
来源：README 顶部/What It Optimizes/Guardrails，结合定位推断仓库无正式 GitHub Release，以主分支维护，最近一次更新在 2026-03-29（创建于 2026-03-09）。功能上 Phase 1（技能优化）已实现，Phase 2-5（工具描述/系统提示/代码进化/持续改进流水线）仍在规划，处于早期、近期更新偏缓。
来源：GitHub 无 releases；pushed_at 2026-03-29；README What It Optimizes（状态）在『agent 自我进化』这个容易堆概念的方向上，NousResearch 这个项目走的是更靠谱的一路：直接用 DSPy + GEPA 这套有学术依据（ICLR 2026 Oral）、读执行轨迹理解失败原因的反思式提示词进化，去优化 Hermes 的技能/提示词，无需 GPU、单次几美元、还能用真实会话历史评测，并用测试 + 体积 + 语义 + 人工 PR 评审这套严格护栏防止跑偏。方法可信、工程务实。要清醒它的边界：专为 Hermes 而生、目前只实现了技能优化、其余仍 planned，且效果受评测数据与模型影响、需防过拟合，许可证标注也不一致、近期更新偏缓。对用 Hermes、想可控地自动优化 agent 的人，它是个方法扎实的起点；不用 Hermes 或想要全自动改 agent 的人则不对路。
来源：综合 README 方法/护栏/状态、tree 工程结构、许可证与更新状态的事实判断