hermes agent深度分析能力由三层上下文注入、session_search跨会话召回、skill.md结构化流程、子agent委派及gepa离线优化五路径协同实现。
☞☞☞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☜☜☜
如果您希望 Hermes Agent 对输入内容执行结构化理解、因果推断或跨文档关联等深度处理，则其分析能力并非来自单一模型调用，而是由多层上下文注入、工具协同与记忆驱动的分析链共同完成。以下是实现该能力的具体路径：
一、注入三层上下文以支撑分析深度
Hermes Agent 的智能分析依赖于身份、记忆、技能三类上下文的叠加生效，避免仅靠 prompt engineering 进行浅层响应。SOUL.md 定义分析立场（如“严谨审计师”或“快速原型设计师”），USER.md 提供用户偏好约束（如“所有分析必须标注数据来源”），MEMORY.md 持有项目事实（如“当前系统使用 PostgreSQL 15.4，不支持 JSONB 索引下推”）。这三类文件在每次推理前被拼接注入模型上下文，使分析具备事实锚点与角色一致性。
1、确认 SOUL.md 文件存在且格式合法，其中包含 role、tone、constraints 三个必填字段。
2、检查 USER.md 是否已写入至少一条长期偏好，例如 “所有安全建议需引用 CWE 编号”。
3、验证 MEMORY.md 中是否记录了与当前分析目标直接相关的环境事实，例如 “API 响应延迟超过 800ms 时触发熔断”。
二、调用 session_search 实现跨会话证据召回
当用户提问涉及历史结论、过往错误模式或重复出现的异常现象时，Hermes Agent 不依赖模型凭空回忆，而是主动调用 session_search 工具检索匹配的历史对话片段。该工具基于语义相似度与时间衰减加权排序，返回带时间戳和上下文窗口的原始对话块，作为本次分析的佐证材料。
1、模型在 system prompt 中识别到 MEMORY_GUIDANCE 提示后，判断当前问题具有跨会话分析意图。
2、生成符合 tool schema 的 session_search 调用参数，指定 query 字段为当前问题的核心关键词组合。
3、接收返回结果后，将 top-3 匹配片段以引用块形式嵌入当前 prompt，标记为 [Evidence from 2026-04-22]。
三、激活 SKILL.md 驱动的结构化分析流程
对于高频、高复杂度分析任务（如日志根因定位、SQL 性能瓶颈识别、API 兼容性矩阵生成），Hermes Agent 会加载对应 SKILL.md 文件中定义的分步操作序列。每个步骤绑定特定工具调用、输入模板与校验规则，形成可复用、可审计的分析剧本，而非依赖模型自由发挥。
1、解析用户输入，匹配已注册 SKILL.md 文件名关键词，例如输入含“慢查询”，则加载 slow_sql_analysis.md。
2、按 skill 文件中 defined_steps 顺序执行：第一步调用 database_inspect 工具获取执行计划；第二步调用 text_analyze 工具比对索引使用率；第三步调用 code_gen 工具输出优化建议。
3、每步执行后检查 output_validation 规则是否满足，任一环节失败即中断流程并返回具体失败点，例如 “第2步未检测到缺失索引警告，跳过建议生成”。
四、启用子Agent委派处理多维度并行分析
面对需同时兼顾技术可行性、安全合规性与业务影响的复合型分析请求，Hermes Agent 启动 Kanban 机制，将主任务拆解为多个子任务，并委派给身份隔离的子Agent。各子Agent独立运行，使用专属 profile 和 memory 分区，最终汇总结果形成交叉验证报告。
1、主Agent识别出请求含 multiple_dimensions 标签，例如“评估迁移至 Rust 的可行性”，隐含技术、安全、运维三维度。
2、创建 Kanban 看板，生成三个子任务卡片：技术维度交由 rust_engineer profile 处理；安全维度交由 security_auditor profile 处理；运维维度交由 infra_ops profile 处理。
3、各子Agent分别调用自身 memory 和 skill，输出带签名的结果文件，主Agent聚合时检测冲突项，例如 “rust_engineer 建议零拷贝优化，security_auditor 标记其违反内存安全边界”。
五、通过 GEPA 引擎离线优化分析逻辑
当某次分析结果被人工标记为“低质量”或“遗漏关键路径”，Hermes Agent 不立即修改 skill，而是将完整执行轨迹（包括输入、工具调用序列、中间输出、人工反馈）提交至 GEPA 引擎。该引擎在离线状态下进行进化搜索，通过变异、交叉与回溯验证，生成更鲁棒的分析策略变体，并自动注册为新版本 skill。
1、用户在结果后追加反馈：“缺少对 legacy API 版本兼容性的检查”。
2、系统捕获该反馈与完整执行 trace，打包发送至 GEPA 服务端。
3、GEPA 在模拟环境中遍历新增检查点组合，筛选出通过全部历史测试用例的新流程，例如 “在第4步插入 api_version_scan 工具调用”。
