为什么 Hermes 能”越用越好用”？秘密就在这个闭环里
2026年3月，一位开发者分享了他的使用体验：
“第一周，Hermes帮我做代码巡检，每次都要我手动指出哪些问题该关注、哪些该忽略。第二周，它开始自动过滤掉我之前标记为’不重要’的警告。第三周，它甚至主动建议了一个我之前没想到的检查维度。到了第四周，我几乎不需要再纠正它了——它已经’学会’了我的巡检偏好。”
这不是魔法，而是 Hermes 学习循环（Learning Loop） 的实际运作效果。
传统 AI Agent 做完任务就结束了——你纠正了它的错误，下次新对话它可能犯同样的错。Hermes 做完任务后，会自动复盘、自动沉淀经验、自动改进后续行为——你纠正一次，它永远记住。
学习循环可以概括为五个环节，形成一条连续链路：
记忆策划 → Skill创建 → Skill改进 → 检索召回 → 用户建模
↑ │
└──────────────────────────────────────────────┘
（闭环）
这五步不是并列功能，而是前后依赖的闭环。每一步的输出是下一步的输入，最后一步的输出又回到第一步——形成持续运转的飞轮。
假设你让 Hermes 帮你做”每日代码巡检”。
步骤1：记忆策划 Hermes 没有相关记忆，从零开始执行巡检任务。它检查了所有代码变更，生成了一个包含50个问题的报告。
步骤2：Skill 创建
你指出”其中30个问题是lint警告，我不关心lint”。Hermes 识别到这个反馈有复用价值，自动创建了一个 Skill 草稿：daily_code_review，其中包含规则”过滤lint警告”。
步骤3：Skill 改进 你进一步指出”还有5个问题是测试覆盖率下降，这个我关心”。Hermes 把这个偏好写入 Skill，更新规则为”过滤lint警告，但关注测试覆盖率变化”。
步骤4：检索召回
下次巡检时，Hermes 自动检索到 daily_code_review Skill，按规则过滤和排序问题。
步骤5：用户建模 Hermes 从多轮交互中提炼出你的偏好模型：“这个用户重视测试质量和安全性，不关心代码风格细节。”