用途：该框架用于自动优化 Hermes Agent 的技能文件、工具描述、系统提示和代码，通过进化搜索而非 GPU 训练来提升智能体表现，所有操作都通过 API 调用与执行轨迹分析完成。
主要能力：采用 DSPy + GEPA（遗传-帕累托提示进化）。进化流水线会读取当前产物（技能文件、提示、工具描述），生成评估数据集（合成或来自真实会话），进行 GEPA 优化循环（变异生成候选、在评估集上执行、分析失败模式、提出改进），应用约束门（测试、大小限制、基准），按多目标标准选择最佳变体，并向 hermes-agent 仓库创建 PR。评估源支持 synthetic、sessiondb、benchmark 三类，并提供 Python API，可自定义评估指标、约束门、多目标优化与 A/B 测试。
使用方式：先克隆仓库并安装依赖： git clone https://github.com/NousResearch/hermes-agent-self-evolution.git cd hermes-agent-self-evolution pip install -e ".[dev]" 设置环境变量 HERMES_AGENT_REPO 与 OPENAI_API_KEY。主要命令如： python -m evolution.skills.evolve_skill --skill github-code-review --iterations 10 --eval-source synthetic 也可用 evolution.eval.generate_eval_data 生成合成评估数据，或 evolution.eval.extract_sessions 提取真实会话数据。
适用场景：需要系统性改进智能体技能质量、希望在真实会话或合成数据上优化提示与工具描述的开发场景。
限制：依赖 API 调用，官方给出典型成本估算（技能优化 10 迭代 30 示例约 $2-5 等）；部分功能与配置细节需参考项目仓库；本资料未说明更多平台支持或收费模式。