Hermes Agent Self-Evolution 教程：先保护仓库和会话数据

Hermes Agent Self-Evolution 把 DSPy 与 GEPA 接到 Hermes Agent 的技能文件上。它读取当前 skill 和执行轨迹，生成候选，跑评测与约束门，再把最佳版本交给人工 PR 审查。

1. 当前只有 Phase 1 已实现

README 把技能文件优化标为 Implemented。工具描述、系统提示词、工具代码和持续改进循环仍是 Planned。首页概述提到的完整目标不能当作现成能力。

现有流程从 Hermes 仓库读取 skill，生成 synthetic 或 sessiondb 评测数据，用 GEPA 分析轨迹并产生变体。候选必须过测试、15KB 技能体积、缓存兼容和语义保持检查。最终结果走人工 PR，官方写明不直接 commit。

2. 依赖与安装

核心依赖是 DSPy 3.0+、OpenAI Python SDK、PyYAML、Click 和 Rich，开发环境另装 pytest。项目不需要 GPU，但候选生成、反思和评估都会访问模型 API。

git clone https://github.com/NousResearch/hermes-agent-self-evolution.git
cd hermes-agent-self-evolution
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

先把 HERMES_AGENT_REPO 指向可丢弃分支，不要指向唯一工作副本。确认 provider key 只通过环境变量提供，也不要把密钥写入评测数据或报告。

3. 先用合成评测跑小规模

export HERMES_AGENT_REPO=/path/to/disposable/hermes-agent
python -m evolution.skills.evolve_skill \
  --skill github-code-review \
  --iterations 2 \
  --eval-source synthetic

官方示例是 10 次迭代；第一次可先降到 2，目的是看清 API 请求、写入目录、报告和失败行为。记录使用模型、token、费用、评测集、随机性、基线分数和候选 diff。

4. sessiondb 的隐私边界

sessiondb 可导入 Claude Code、Copilot 与 Hermes 的真实会话。真实日志可能包含私有代码、用户输入、文件路径、凭据片段和个人信息，而反思与评估会调用外部模型。接入前先做脱敏、访问控制、保留期限和 provider 数据策略检查。

官方估算每次优化约 2 至 10 美元，这是用户选择的模型 API 成本，不是项目方售卖 credits。

5. 与 GEPA 官方库对比

GEPA官方库可以优化提示词、代码、Agent 架构和配置，调用者自己提供 evaluator。Hermes Agent Self-Evolution 在它之上限定了 Hermes skill、数据来源、约束门和 PR 交付方式。

要优化非 Hermes 系统，直接使用 GEPA 更合适；只维护 Hermes 技能并希望复用现成约束时，本项目更省接线工作。无论选择哪一个，评测集都决定优化方向。

常见问题