Hermes Agent 这次不只更聪明，它开始自己证明做完了

大多数 AI Agent 的痛点不是“不会做”，而是“做完之后你不知道它是不是真的做完了”。它可能自信地告诉你任务结束，但漏了一个文件；可能跑完一段代码，却没有检查输出是否正确；也可能在某个步骤失败后继续下一步，仿佛什么都没发生。

Hermes Agent v0.18.0 —— 代号 “The Judgment Release” —— 的核心主题就是解决这个问题：让 Agent 自己证明它做完了。

查看 v0.18.0 完整发版说明 了解所有变更。

从“感觉做完了”到“证据上确实做完了”

在传统的工作流里，模型什么时候停止，很大程度上取决于模型自己的判断。它觉得自己回答完了，就停下了。但“觉得”不等于“符合预期”。

Hermes v0.18.0 引入了两种互相配合的机制，把“完成”从一个主观状态变成一个可验证的对象：

  • Standing Goals（持续目标）：你给 Agent 一个长期的完成条件，它会持续对照这个条件判断当前状态。
  • Completion Contracts（完成契约）：你把“做完”定义为一份可检查的契约，列出具体标准和需要验证的证据。

简单说，过去是你让它做，它自己说做完了；现在是你告诉它“什么叫做完”，它拿证据来交卷。

为什么“自我验证”是关键一步

Hermes 之前已经能调用工具、写代码、跑测试、管理文件。但这些能力加起来，仍然无法避免一个问题：Agent 不会主动回头检查自己的工作。

v0.18.0 的改变在于，Agent 在行动后会尝试验证结果是否满足预设条件。这听起来像是一个小改动，实际上它把 Agent 从“执行者”推向了“负责任的执行者”：

  • 它会在完成文件修改后检查文件是否存在、内容是否符合预期。
  • 它会在跑完命令后查看退出码、输出日志和副作用。
  • 它会在告诉用户“已完成”之前，先对照契约中的完成标准过一遍。

这不是完美无缺的保证，但它显著降低了“看起来做完了，实际上差一步”的概率。

Standing Goals：把完成条件写成长期契约

Standing Goals 允许用户声明一个长期目标，并让 Agent 反复检查当前进度与目标之间的差距。它的典型用法包括：

  • “把 src/utils.py 里所有硬编码路径改成环境变量配置。”
  • “把仓库里所有 TODO 注释处理掉。”
  • “确保所有 API 调用都带有重试逻辑。”

这类任务往往不是一次性动作，而是需要多次检查、多次修改。Standing Goals 让 Agent 在每次动作后问自己：“我现在离目标更近了吗？目标是否已经达成？”

用户只需要定义目标，Agent 会自己计划步骤、执行、验证、再迭代，直到目标达成或遇到需要人类介入的障碍。

Completion Contracts：把“完成”变成可检查项

如果说 Standing Goals 回答的是“目标是什么”，Completion Contracts 回答的就是“怎样才算完成”。

一个 Completion Contract 可以包含：

  1. 完成标准：需要满足哪些条件，例如文件存在、代码可运行、测试通过、输出符合格式。
  2. 验证方法：用什么工具或命令来验证，例如 pytest、curl、grep、diff。
  3. 失败处理：如果验证不通过，是重试、回滚，还是暂停等待用户。

这种结构让 Agent 的行为更透明。你可以看到它依据什么判定“完成”，也可以事后审计它的判断是否合理。

使用示例：让 Agent 自己验证修复

假设你想让 Hermes 修复一个 bug，并要求它在报告完成前跑通测试。一个典型的 Completion Contract 可以这样写：

目标：修复 utils/parser.py 中的空值解析异常
完成条件：
  1. 异常用例不再抛出 TypeError
  2. pytest tests/test_parser.py 全部通过
  3. 新增至少一个回归测试覆盖该异常
验证方式：
  - 运行 pytest tests/test_parser.py
  - 检查 Git diff 包含 parser.py 和 test_parser.py 的修改
失败处理：
  - 如果测试失败，先分析失败日志，再修改代码，最多重试 3 次
  - 如果仍失败，暂停并报告给用户

Hermes 会按照这个契约执行，修改代码、跑测试、检查 diff，最后只有在三条条件都满足时才会报告完成。这比“改完代码就结束”可靠得多。

配合 Mixture-of-Agents：让验证更审慎

v0.18.0 还强化了 Mixture-of-Agents（MoA）：把多个模型组成一个“评审团”，每个模型独立给出推理，最终由聚合模型综合答案。

在自我验证场景下，MoA 的价值在于：

  • 多个模型可以独立检查同一份证据。
  • 用户能看到每个参考模型的推理过程。
  • 聚合答案不是“最有信心的那个”，而是“经过交叉验证后的结论”。

这相当于给 Agent 的完成判断加了一层同行评审。

用户能观察到的变化

对于实际使用者来说，v0.18.0 带来三个最直观的改进：

  1. 更少的“假完成”：Agent 会自己检查，而不是匆匆收尾。
  2. 更透明的判断过程：你可以看到它依据什么标准、检查了哪些证据。
  3. 更稳定的自动化任务：长时间运行的任务有了持续目标和完成契约，不容易中途走偏。

这些变化不体现在某个单一的炫酷功能上，而是体现在 Agent 的“做事方式”上。

局限与建议

自我验证不是万能的。它仍然受限于：

  • 你定义的完成条件是否完整。
  • 验证工具本身是否能覆盖真实的使用场景。
  • 模型对验证结果的理解是否准确。

因此，建议在使用时：

  • 把完成标准写得尽量具体、可检查。
  • 优先选择有明确输出和退出码的验证方式。
  • 对关键任务保留人工复核步骤，而不是完全交给 Agent 自己判断。

干货提炼

  • Hermes Agent v0.18.0 “The Judgment Release” 的核心主题是 自我验证与完成证明。
  • Standing Goals 让 Agent 持续对照长期目标检查进度。
  • Completion Contracts 把“完成”拆成可检查的标准、验证方法和失败处理策略。
  • Agent 不再仅凭“感觉”结束任务，而是需要对照证据做出判断。
  • 配合 Mixture-of-Agents 的交叉验证，完成判断更审慎、更透明。
  • 用户应写出具体、可检查的完成条件，并对关键任务保留人工复核。

参考：