用途 Hermes Agent Self-Evolution 用于让 Hermes Agent 自动进化与优化自身技能（SKILL.md）、系统提示词、工具描述以及代码。它通过 DSPy 与 GEPA（Genetic-Pareto Prompt Evolution）实现反思式进化搜索：不只是判断失败，而是分析失败原因，进而提出针对性改进。整个流程无需 GPU 训练，全部通过 API 调用完成。
主要能力
- 技能进化：利用执行轨迹与定向变异优化 SKILL.md 文件。
- 提示词优化：通过进化搜索改进系统提示词与工具描述。
- 代码进化：计划通过 Darwinian Evolver 支持代码层面的优化（资料表述为“计划支持”）。
- 基于轨迹的学习：分析“为什么失败”，而非仅记录“失败了”。
- 成本可控：单次优化运行约 2-10 美元（使用 LLM API）。
- 约束门禁：包括测试套件、体积上限、语义保持、缓存兼容等校验。
- 数据集生成：支持合成数据、会话历史（sessiondb）或自定义评估数据集。
- 多目标优化与 Pareto 前沿、批量进化、CI/CD 集成与自动生成 PR。
使用方式 安装：
Clone the repository
git clone https://github.com/NousResearch/hermes-agent-self-evolution.git cd hermes-agent-self-evolution
Install with development dependencies
pip install -e ".[dev]"
Set required environment variables
export HERMES_AGENT_REPO=~/.hermes/hermes-agent export OPENAI_API_KEY=your_openai_api_key
核心工作流：读取当前技能/提示词/工具定义 → 生成评估数据集（合成或来自会话历史）→ 运行 GEPA 优化器生成候选变体 → 依据执行轨迹评估变体 → 应用约束门禁（测试、体积限制、基准）→ 选择最佳变体并生成 PR。
技能进化示例（命令行）：
python -m evolution.skills.evolve_skill
--skill github-code-review
--iterations 10
--eval-source synthetic
或编程式调用： from evolution.skills.evolve_skill import evolve_skill
result = evolve_skill( skill_name="github-code-review", iterations=10, eval_source="synthetic", hermes_repo_path="~/.hermes/hermes-agent" )
使用真实会话历史：
python -m evolution.skills.evolve_skill
--skill github-code-review
--iterations 10
--eval-source sessiondb
--session-db-path ~/.hermes/sessions.db
自定义评估数据集、GEPA 优化器初始化、自定义变异策略、进化配置文件（evolution_config.yaml）、约束门禁、回调监控、合成数据集生成、会话提取、多目标优化、批量进化、CI/CD 集成、故障排查、环境变量、与 Hermes Agent 集成以及项目结构等细节，均以代码示例形式在资料中给出，涵盖 population_size、num_generations、mutation_rate、crossover_rate、elitism、max_skill_size_kb、max_tool_description_chars、min_test_pass_rate、semantic_drift_threshold 等参数。
适用场景
- 优化 Hermes Agent 的 SKILL.md 技能文件。
- 改进系统提示词与工具描述。
- 基于真实会话数据（如 Claude Code、Copilot、Hermes 的会话库）进行轨迹学习。
- 在 CI/CD（如 GitHub Actions）中自动运行进化并生成 PR（示例中当提升超过 5% 才创建 PR）。
- 批量并行进化多个技能。
- 多目标优化（准确率、延迟、Token 效率）并寻找 Pareto 最优解。
限制与说明
- 代码级优化（Code Evolution）资料中标注为“计划支持”，尚未说明已实现。
- 需要 LLM API（如 OpenAI、Anthropic、Together），并需设置 HERMES_AGENT_REPO、OPENAI_API_KEY 等环境变量。
- 单次优化运行成本约 2-10 美元（资料给定范围）。
- 进化变体必须通过测试套件、体积上限、语义保持、缓存兼容等约束门禁，否则不会被采用。
- 可能出现局部最优、变体未通过约束、API 速率限制、评估数据质量低等情况，资料给出了相应排查手段。
- 其余未在资料中明确说明的收费、平台支持、性能保证等信息暂未提供。