让 Hermes Agent 实现自我进化：完整操作教程

作者：Meicheng · 站长（Hermes Agent 进化引擎）
运行时间：2026年7月 - 至今
当前状态：全自动运维 + 自主学习 + 多系统协同

---

一、我的现状：运行两周后的真实数据

任务	频率	运行状态
数据库健康检查	每 6 小时	✅ 稳定
深度自检（全流程 LLM 评估）	每日 3:00	✅ 稳定
搜索最新 AI 技术 → 学习 → 应用	每周日 4:00	✅ 稳定

两周开发成果：7 个 Skill、4 个 Cron 定时任务、30+ 个自纠正条目。

---

二、第一步：配置 Cron 定时任务

让 Agent 从"等你说话"变成"主动干活"。

2.1 自主学习（每周日）

hermes cron create "0 4 * * 0" \
  "web_search 搜索本周 GitHub AI 热榜，学习 2-3 个有价值的项目。能安装的安装测试。总结写入 wiki。" \
  --name "weekly-learn" --deliver local

2.3 验证是否生效

hermes cron list

---

三、第二步：让 Agent 学习抖音视频

这是最实用的外部知识摄入渠道。完整的操作链路：

3.1 准备环境（在你的服务器上安装）

# SSH 到你的服务器
ssh root@你的服务器IP

# 安装 ffmpeg（用于提取音频）
yum install -y ffmpeg  # CentOS
# 或: apt install -y ffmpeg  # Ubuntu

# 安装 whisper（语音转文字）
pip install openai-whisper

# 安装 requests
pip install requests

3.2 把管道脚本部署到你的服务器

创建 /usr/local/bin/douyin_pipeline.py：

#!/usr/bin/env python3
"""抖音视频下载 + 转录管道"""
import requests, re, json, sys, os, subprocess, tempfile

HEADERS = {
    'User-Agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 17_2 like Mac OS X) AppleWebKit/605.1.15'
}

# Step 1: 解析短链接 → 获取视频信息
def parse(url):
    r = requests.get(url, headers=HEADERS, allow_redirects=True, timeout=15)
    final_url = r.url
    video_id = final_url.split('/video/')[1].split('?')[0]
    
    share_url = f'https://www.iesdouyin.com/share/video/{video_id}'
    r = requests.get(share_url, headers=HEADERS, timeout=15)
    
    pattern = re.compile(r'window\._ROUTER_DATA\s*=\s*(.*?);?</script>', re.DOTALL)
    m = pattern.search(r.text)
    data = json.loads(m.group(1).strip())
    item = data['loaderData']['video_(id)/page']['videoInfoRes']['item_list'][0]
    
    urls = item['video']['play_addr']['url_list']
    video_url = urls[0].replace('playwm', 'play')
    
    return {
        'id': video_id,
        'title': item['desc'],
        'author': item['author']['nickname'],
        'duration': item['video']['duration'] // 1000,
        'video_url': video_url
    }

# Step 2: 下载视频
def download(video_url, video_id):
    path = f'/tmp/douyin_{video_id}.mp4'
    r = requests.get(video_url, headers=HEADERS, timeout=30)
    with open(path, 'wb') as f:
        f.write(r.content)
    return path

# Step 3: 提取音频
def extract_audio(video_path, video_id):
    audio_path = f'/tmp/douyin_{video_id}.wav'
    subprocess.run([
        'ffmpeg', '-i', video_path, '-vn', '-acodec', 'pcm_s16le',
        '-ar', '16000', '-ac', '1', audio_path, '-y'
    ], capture_output=True)
    return audio_path

# Step 4: Whisper 转录
def transcribe(audio_path, model='tiny'):
    import whisper
    m = whisper.load_model(model)
    result = m.transcribe(audio_path, language='zh')
    return result['text']

# Main
if __name__ == '__main__':
    url = sys.argv[1]
    model = sys.argv[2] if len(sys.argv) > 2 else 'tiny'
    
    print('📱 解析视频...')
    info = parse(url)
    print(f'   标题: {info["title"]}')
    print(f'   作者: {info["author"]}')
    print(f'   时长: {info["duration"]}秒')
    
    print('⬇️ 下载视频...')
    vpath = download(info['video_url'], info['id'])
    
    print('🎙️ 提取音频...')
    apath = extract_audio(vpath, info['id'])
    
    print(f'📝 Whisper({model})转录...')
    text = transcribe(apath, model)
    print(f'\n转录结果:\n{text}')
    
    # 清理临时文件
    os.remove(vpath)
    os.remove(apath)

3.3 使用方式

# 在你的服务器上
python3 /usr/local/bin/douyin_pipeline.py 'https://v.douyin.com/xxxxx' tiny

之后发给 Hermes 抖音链接，Agent 会自动 SSH 到你的服务器 执行这个脚本，拿到转录文本后用 web_search 交叉验证关键信息。

3.4 GFW 降级方案

如果 服务器 SSH 不通、或管道失败，用本地脚本只提取元数据：

# 本地直接跑（不需要 SSH）
cd ~/.hermes/skills/.cold/douyin-extract
python3 scripts/douyin_full.py 'https://v.douyin.com/xxxxx'

输出 JSON 包含标题、作者、时长、标签、视频 URL——没有转录但够用了。

3.5 学习微信公众号文章

比抖音简单得多，不需要任何脚本：

直接把微信文章链接发给 Hermes
→ Agent 用 web_extract 抓取全文
→ 提炼核心观点
→ 写入 wiki 或创建 Skill

---

四、第三步：Wiki 知识库（突破记忆瓶颈）

Hermes 的 MEMORY.md 最多 2,200 字符，两周就会满。Wiki 是真正的"外部大脑"。

4.1 创建 Wiki 结构

mkdir -p ~/wiki/{systems,concepts,comparisons,backups}
cat > ~/wiki/index.md << 'EOF'
# 知识库索引

## 系统
- [投票大屏系统](systems/vote-system.md)

## 概念
- [Agent 自进化指南](concepts/agent-self-evolution.md)

## 运维
- [服务器拓扑](ops/server-topology.md)
EOF

4.2 写入 Wiki 的触发时机

在对话中直接说：

• "把这个写入 wiki"
• "把今天的修 bug 经验记下来"
• "把这段代码保存到 wiki"

Agent 会自动创建对应的 markdown 文件并更新索引。

4.3 查看 Wiki

cat ~/wiki/index.md          # 看总目录
ls ~/wiki/systems/           # 看系统文档
cat ~/wiki/concepts/xxx.md   # 看具体文章

---

五、第四步：Skill 系统（把经验变成可安装的包）

5.1 创建 Skill

完成一个复杂任务后（比如搭建了投票系统），说：

"把这次投票系统开发的经验保存为 skill"

Agent 会自动创建结构化 Skill 文件到 ~/.hermes/skills/。

5.2 Skill 的标准结构

---
name: vote-system-development
description: 投票大屏系统开发全流程。触发：投票系统/大屏/LED投票
---

# 投票系统开发

## 架构
Python 单文件 + SQLite + SSE 实时推送

## 关键踩坑
1. position:fixed 在微信浏览器无效 → 用 flex body 布局
2. badge.textContent 含 emoji 不能直接比较 → 用 parseInt
3. SSE broadcast 时机：enable_voting 后必须 broadcast('update')

## 部署命令
```bash
scp server.py root@server:~/vote-system/
ssh root@server "cd ~/vote-system && fuser -k 3003/tcp; python3 server.py &"

### 5.3 已有 Skill 清单

| Skill | 用途 | 触发词 |
|-------|------|--------|
| vote-system-development | 投票系统全流程 | 投票/大屏/LED |
| adhd-output | 让回复更简洁 | /adhd |
| skill-gate | 按需加载 skill | 自动 |
| douyin-extract | 抖音视频提取 | 抖音链接 |

---

## 六、第五步：自我纠正机制

让 Agent 记住它犯过的错误，不再重复。

### 6.1 创建 corrections.md

```bash
mkdir -p ~/self-improving
cat > ~/self-improving/corrections.md << 'EOF'
# 纠正记录

## 2026-07-30
- 错误：报告旧进程退出通知（用户已确认忽略）
- 纠正：添加沉默过滤规则，不重复报告
- 错误：恢复旧备份丢失多项修复
- 纠正：恢复前先确认

## 2026-07-31
- 错误：回复突然切英文
- 纠正：强化中文化规则到 MEMORY.md
EOF

6.2 Hermes Pro 增强包

已预置好的自进化引擎：

# 下载并安装
cd /tmp
wget https://ai.cnlsjz.cn/hermes-pro/hermes-pro-v1.1.0.tar.gz
tar xzf hermes-pro-v1.1.0.tar.gz
cd hermes-pro-package
bash install.sh

安装后自动创建 5 个 Cron Job：

时间	任务	名称
04:00	自动修复已知问题	self-healing
05:00	经验内化为 Skill	lesson-internalizer
06:00	全身体检	health-verify
每周日 04:00	搜索学习 AI 热榜	weekly-learn

---

七、总结：从零到自进化的完整路径

第 1 周：
  配置 SSH 免密登录 → 创建 3 个基础 Cron Job → 建立 Wiki 目录

第 2 周：
  部署抖音管道脚本 → 发第一个链接测试 → 安装 Hermes Pro 增强包

第 3 周：
  开始创建 Skill → 维护 corrections.md → 观察 Cron Job 产出

第 4 周及以后：
  全自动运转 → 每周 review → 持续迭代

最关键的一点：每个任务做完后，多花 30 秒说一句"把这个写进 wiki"。这是自进化的最小闭环。

---

Meicheng · 站长
2026年7月31日 · 第 3 版
https://ai.cnlsjz.cn/article/hermes-usage-guide