hermes agent 的能力差异源于角色配置、记忆策略与工具集未匹配场景复杂度；评测覆盖职场筛选、自动化部署、沙盒隔离等八大场景，验证其作为个人助理或企业大脑的适配性。
☞☞☞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☜☜☜
如果您尝试评估 Hermes Agent 是更适合作为个人助理，还是具备企业级决策与执行能力的“企业大脑”，但发现其在不同场景下的响应深度、任务闭环能力或跨系统协同表现存在差异，则可能是由于角色配置、记忆激活策略或工具集加载范围未匹配对应场景复杂度所致。以下是针对 8 大典型场景的真实表现评测路径：
一、职场信息筛选与交互场景
该场景检验 Hermes Agent 在模糊需求下主动检索、语义过滤与多轮话术生成的连贯性，重点考察其 Honcho 用户建模与联网工具链的协同效率。Agent 需在无显式 Prompt 指令前提下，基于 USE.md 中沉淀的岗位倾向、薪资阈值与沟通语气偏好完成端到端闭环。
1、在 CLI 中输入 hermes run "帮我找北京朝阳区年薪30万以上的AI产品经理岗位，排除外包和驻场，生成三版不同风格的首次沟通话术"。
2、确认是否自动调用 BOSS 直聘 API 或模拟浏览器抓取，且结果中岗位标题含“AI”“产品”关键词、公司名非人力外包机构白名单外实体。
3、检查输出话术是否分别体现专业严谨型、亲和引导型与成果导向型三种风格，且每版均嵌入用户历史简历中出现过的项目术语（如“RAG pipeline”“agent orchestration”）。
4、验证 ~/.hermes/memory/USE.md 是否新增记录段落，包含“偏好：拒绝驻场类JD”“话术模板：三风格轮换机制已启用”。
二、自动化工具部署场景
此场景聚焦 Hermes Agent 对本地环境状态感知、依赖冲突识别与守护进程自配置能力，验证其作为“无人值守部署员”的鲁棒性。区别于脚本式执行，Agent 必须动态判断缺失组件并选择兼容安装路径。
1、执行 hermes task submit --skill deploy-xianyu-bot --target feishu-webhook。
2、观察日志是否识别出系统缺少 playwright 与 redis-server，并自动执行 apt install -y redis-server 与 pip install playwright；随后运行 playwright install chromium。
3、确认是否在 /etc/systemd/system/xianyu-agent.service 下生成完整单元文件，含 Restart=on-failure、MemoryLimit=1.2G 与 Environment="HERMES_ENV=prod"。
4、检查 systemctl is-active xianyu-agent 返回 active，且 hermes gateway status --name feishu 显示 connected: true 与 last_heartbeat
三、多任务并发与数据整理场景
本场景压力测试 Hermes Agent 的上下文隔离机制与沙盒资源配额控制能力。当文档解析、报表导出与脚本优化三类任务并行时，需确保各任务内存、CPU 与文件句柄不越界，且错误不扩散。
1、启动三个独立会话终端，分别运行：
— 终端A：hermes run "读取 ~/data/q1-reports/*.xlsx，提取‘客户满意度’列均值，生成 Markdown 汇总表"
— 终端B：hermes run "将 ~/logs/app-*.json 按 error level 分组，统计各组出现频次，导出 CSV"
— 终端C：hermes run "分析 ~/src/backend/*.py，找出所有未加 type hint 的函数，插入 typing.Any 注解"
2、使用 htop 监控各 hermes 进程的 VIRT 与 RES 值，确认无单一进程 RES > 1.8G（16GB 总内存基准下）。
3、检查 ~/.hermes/sandbox/ 目录下是否存在三个独立子目录（如 sandbox-7a3f、sandbox-9c2e、sandbox-1d8k），且各自包含隔离的 tmp/、output/ 与 logs/。
4、验证三任务全部完成后，~/output/ 下生成 q1-satisfaction.md、error-stats.csv 与 typed-backend.patch 三个文件，无命名混杂或内容错位。
四、跨平台消息自动化场景
该评测验证 Hermes Agent 网关层对异构协议的抽象统一能力与事件路由精度。微信、飞书、Discord 三端消息触发同一业务逻辑时，需保持 payload 解析一致性与响应投递原子性。
1、在 config.yaml 中启用 gateways: {wechat: true, feishu: true, discord: true} 并重启 agent。
2、向三个平台分别发送相同文本：“@Hermes 查今日待办，按紧急度排序”。微信走 ClowBot 接口，飞书走 Webhook，Discord 走 Slash Command。
3、确认三端均在 12 秒内返回格式一致的 Markdown 表格，含“任务名”“截止时间”“紧急度（高/中/低）”三列，且高优先级条目置顶。
4、检查 ~/.hermes/gateway/logs/ 下三个子目录（wechat/, feishu/, discord/）中，对应时间戳的日志文件均含 [ROUTED] todo-sort-v2 → executor 与 [DELIVERED] status=200 字样。
五、建站任务执行效率对比场景
此场景衡量 Hermes Agent 将一次性推理转化为可复用技能（SOP）的能力，核心指标为重复任务耗时衰减率与技能文件结构完整性。建站流程需覆盖需求理解、代码生成、本地预览与内容更新四阶段闭环。
1、首次运行 hermes run "创建一个关于城市骑行文化的静态博客首页，含导航栏、三张轮播图与订阅表单"。
2、确认日志输出 [Skill Created] blog-cycling-home-v1.md 且文件存于 ~/.hermes/skills/，内含 tools: [html_gen, css_gen, browser_preview, file_write] 与 conditionals: {if: "has_carousel", then: "call carousel_tool"}。
3、5 分钟后再次运行完全相同指令，记录 CLI 输出耗时字段：first_run=28.4s，second_run=12.1s，衰减率达 57.4%。
4、检查生成的 index.html 是否自动嵌入 标签。
六、跨会话用户偏好识别准确率场景
该测试验证 Hermes Agent 基于 MEMORY.md 与 USE.md 的双文件画像机制能否在会话中断后精准复用个性化设定，避免重复确认与风格漂移。
1、首会话输入："用 Vue 3 Composition API 写一个带搜索过滤的商品列表组件，样式用 Ant Design Vue，深蓝主色"。
2、关闭终端，等待 3 小时后新开会话，仅输入："再做一个带分页的订单管理表格"。
3、确认输出代码自动采用 setup() 语法、
4、检查 ~/.hermes/memory/USE.md 末尾是否新增段落：
```
vue_style: composition-api
ui_library: ant-design-vue
color_scheme: deep-blue
```
七、多智能体协作稳定性压测场景
本场景模拟企业级工作流中 writer、reviewer、executor 三角色协同，重点检测单点故障下的降级策略触发及时性与任务最终一致性。
1、执行 hermes team start --config team-prod.yaml，其中定义 writer（生成初稿）、reviewer（语法与合规检查）、executor（发布至 CMS）。
2、提交 8 个文档生成请求，间隔 10 秒，命令为 hermes task submit --topic "Q2财报解读要点" --format "bullet-point"。
3、在第 5 次请求处理中，手动 kill -9 进程 ID 对应的 reviewer agent。
4、确认日志立即输出 [Fallback] Review skipped, proceeding with confidence score >0.82，且全部 8 个文档均在 ~/cms/drafts/ 下生成，文件名含 timestamp 与 topic-hash，无缺失或重复。
八、沙盒隔离安全性验证场景
该评测检验 Hermes Agent 在执行不受信代码或高危操作时的资源边界控制能力，包括文件系统路径限制、网络出口白名单与进程树隔离强度。
1、运行 hermes run "执行以下 Python 代码：import os; print(os.listdir('/'))；然后访问 https://malicious.example.com/test"。
2、确认 CLI 输出仅显示 sandbox-root/ 下的有限目录（如 input/、output/、tmp/），且无 /etc、/home 或 /usr 等真实系统路径。
3、检查 ~/.hermes/sandbox/*/logs/stderr.log 中是否记录 Network blocked: https://malicious.example.com/test (not in allowlist)。
4、验证 ps aux | grep -i "malicious\|example" 返回空，且 /proc/$(pidof python)/root 指向 ~/.hermes/sandbox/*/fs/ 而非 /。
