Hermes Agent Self-Evolution

这是什么

Hermes Agent Self-Evolution 是 Nous Research 的官方项目，让 Hermes Agent 自己改进自己。它使用 DSPy + GEPA（Genetic-Pareto Prompt Evolution，ICLR 2026 Oral 论文）自动进化并优化 Agent 的技能、工具描述、系统提示和代码——通过反思式进化搜索，产出可量测的更优版本。

核心洞察：不再手工调提示词，而是让系统读取执行轨迹，理解为什么会失败（而不只是知道失败了），然后提出有针对性的改进，并自动评估。

不需要 GPU 训练。 全部通过 API 调用完成——变异文本、评估结果、挑选最优变体。一次典型优化运行的成本大约 2–10 美元。

工作原理

读取当前技能/提示/工具 ──► 生成评估数据集
                                  │
                                  ▼
                             GEPA 优化器 ◄── 执行轨迹
                                  │                    ▲
                                  ▼                    │
                             候选变体 ──► 评估
                                  │
                             约束门（测试、体积限制、基准）
                                  │
                                  ▼
                             最优变体 ──► 向 hermes-agent 提交 PR

优化什么

引擎：DSPy + GEPA 负责反思式提示进化；Darwinian Evolver 负责基于 Git 的代码进化。

安全护栏：完整测试套件（pytest tests/ -q）必须 100% 通过，并且强制体积限制（技能 ≤15KB、工具描述 ≤500 字符），确保进化出的变体不会质量回退。

快速上手

git clone https://github.com/NousResearch/hermes-agent-self-evolution.git
cd hermes-agent-self-evolution
pip install -r requirements.txt
# 配置 LLM API 后，对某个技能跑一轮进化
python evolve.py --target skill --name my-skill

为什么值得关注

Hermes Agent 本身就能从经验中写出并保存自己的技能。Self-Evolution 更进一层：它套上严格、自动化的优化循环——带约束门和测试套件——让技能、提示词乃至代码随时间的推移可量测地进步。这是“与你一同成长的 Agent”这一理念最直接的体现，而且完全跑在 API 调用上，任何 Hermes 用户没有 GPU 也能尝试。