若hermes agent的anomaly模块响应不可复现，需依次校准输入规范、锁定会话状态、重置统计模型、注入随机种子、启用全量日志。
☞☞☞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☜☜☜
如果您在使用 Hermes Agent 进行数据处理时发现异常检测结果不稳定、条件触发随机或 Anomaly 模块响应不可复现，则可能是由于数据输入分布漂移、状态初始化不一致或 Anomaly 工具链未正确绑定上下文所致。以下是解决此问题的步骤：
一、校准Anomaly工具的数据输入规范
Anomaly 检测模块依赖结构化输入信号，若原始数据未经过标准化预处理，会导致阈值判断失准、触发条件呈现随机性。该方法通过强制统一输入格式与字段语义，消除因数据形态差异引发的误判。
1、确认当前使用的 Anomaly 工具路径是否为 tools/anomaly/detect.py，检查其 validate_input() 函数是否启用。
2、在调用前插入预处理步骤：对时间序列类数据执行滑动窗口归一化，命令为 hermes tool preprocess --method zscore --window 60。
3、确保输入 JSON 中包含严格定义的 "timestamp"（ISO 8601 格式）、"value"（数值类型）和 "metric_id"（字符串）三个必填字段。
二、锁定Anomaly会话状态生命周期
Hermes Agent 默认启用会话级状态缓存，若 Anomaly 检测跨会话共享临时模型参数，将导致条件判断受历史残留影响而随机波动。该方法通过显式隔离每次检测的运行上下文，确保每次执行均从干净状态启动。
1、禁用全局会话复用，在 CLI 启动时添加参数 --no-session-pool。
2、改用一次性会话模式执行检测：运行 hermes session/new --type anomaly --ephemeral 获取独立会话 ID。
3、向该会话提交任务时，指定 "state_mode": "isolated" 字段于 payload JSON 中。
三、重置Anomaly内置统计模型参数
Anomaly 模块内嵌基于滚动分位数与 EWMA 的轻量统计模型，若长期运行未重置，其内部滑动窗口可能积累偏差数据，造成异常阈值偏移。该方法直接清除运行时模型快照，强制重建初始统计基线。
1、进入 Hermes Agent 运行目录，执行 hermes tool anomaly reset --hard 命令。
2、确认输出中包含 "Cleared 3 internal buffers: ewma_alpha, q95_window, drift_counter" 字样。
3、重启 Anomaly 子进程：发送 SIGUSR2 信号至主进程，或执行 hermes service restart anomaly。
四、注入确定性随机种子控制
部分 Anomaly 算法（如孤立森林采样、蒙特卡洛模拟路径生成）依赖随机数生成器，若未固定 seed，将导致相同输入产生不同输出。该方法通过全局注入可复现种子，约束所有概率性子模块行为。
1、在配置文件 config/anomaly.yaml 中添加字段：random_seed: 42719。
2、验证该 seed 是否已加载：运行 hermes model inspect --module anomaly，检查输出中 "active_seed" 值是否匹配。
3、若使用 Docker 部署，需在 docker run 命令中追加环境变量 -e HERMES_ANOMALY_SEED=42719。
五、启用Anomaly执行轨迹全量日志捕获
当随机性表现难以定位时，需获取完整执行链路中每个决策节点的中间状态。该方法开启深度可观测性，记录从原始数据摄入、特征提取、阈值计算到最终判定的全部原子操作。
1、修改日志级别配置，在 logging.yaml 中将 anomaly.detector 模块设为 DEBUG 级别。
2、启用轨迹持久化：设置环境变量 HERMES_ANOMALY_TRACE_LOG=true 并指向本地路径 /var/log/hermes/anomaly-trace/。
3、复现一次异常触发过程后，执行 hermes log dump --tag anomaly_trace --last 1 提取完整事件流。
