需依层级启用对应采集机制：一、启用内置prometheus端点；二、配置opentelemetry扩展指标；三、调用trajectorymetrics压缩统计；四、集成cadvisor容器指标；五、手动注入cprofile分析函数耗时。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您正在运行Hermes Agent并希望获取其运行时的性能表现数据，则需依据不同层级和用途启用对应的数据采集机制。以下是收集Hermes Agent性能指标的具体方法：
一、启用内置Prometheus指标端点
该方法通过Hermes Agent原生支持的指标暴露功能，快速获取标准化、可集成的实时性能数据。它依赖vLLM等底层模块提供的/metrics接口，适用于大多数生产监控场景。
1、在启动Hermes Agent服务时，向命令行添加--enable-metrics --metrics-port 9090参数；
2、确保服务成功启动后，执行curl http://localhost:9090/metrics验证端点可用性；
3、确认返回内容中包含hermes_request_count、vllm_gpu_cache_hit_ratio、hermes_task_completion_time_seconds等关键指标条目；
4、将该地址配置为Prometheus的target，完成自动拉取与持久化存储。
二、配置OpenTelemetry指标收集
该方式提供更灵活的指标扩展能力，支持自定义业务维度埋点，并兼容多种后端监控系统（如Grafana Cloud、Datadog），适合需要深度追踪任务链路或跨服务关联分析的场景。
1、编辑Hermes Agent的主配置文件，在telemetry节区下添加以下YAML配置：
use_otel_metrics: true
otel_metrics_host: 0.0.0.0
otel_metrics_port: 8000
2、确保opentelemetry-exporter-prometheus或对应Exporter已安装并启用；
3、重启服务后，访问http://localhost:8000/metrics确认OpenTelemetry指标已就绪；
4、在配置中新增自定义字段，例如business_workflow_success_rate，通过meter.create_gauge()注册并周期性更新。
三、调用TrajectoryMetrics聚合轨迹压缩指标
该方法专用于评估对话上下文管理效能，直接读取trajectory_compressor.py中定义的结构化压缩统计，适用于关注内存优化与长程交互质量的调试阶段。
1、确认agent/trajectory_compressor.py中TrajectoryMetrics类已启用；
2、在轨迹处理流程末尾调用add_trajectory_metrics(original_tokens=..., compressed_tokens=...)；
3、通过get_compression_summary()方法提取compression_ratio、tokens_saved等字段；
4、将返回的字典对象序列化为JSON，写入本地日志或转发至日志收集服务。
四、集成cAdvisor与容器运行时指标
该方式从基础设施层捕获资源使用真实值，规避应用内指标可能存在的采样偏差，特别适用于Kubernetes或Docker部署环境下的容量规划与异常定位。
1、在运行Hermes Agent的容器宿主机上部署cAdvisor，监听默认端口8080；
2、验证http://<strong><font color="green">宿主机IP</font></strong>:8080/metrics可返回容器级CPU、内存、网络I/O原始数据；
3、在Prometheus配置中添加cAdvisor为独立job，设置metrics_path: '/metrics'；
4、使用标签匹配（如container_label_io_kubernetes_container_name=~"hermes-agent"）筛选目标容器指标。
五、手动注入profiling工具采集函数级耗时
该方法用于深度诊断性能瓶颈，生成调用栈火焰图与热点函数列表，适用于开发阶段的定向优化或疑难延迟问题复现。
1、在入口脚本顶部插入import cProfile与import pstats；
2、在主事件循环前启动profiler：pr = cProfile.Profile(); pr.enable()；
3、在服务退出前停止并保存：pr.disable(); pr.dump_stats("hermes_profile.prof")；
4、使用pstats加载分析：python -m pstats hermes_profile.prof，执行sort cumulative与top 20定位耗时最长函数。
