知识引擎/Hermes 知识引擎/内置技能目录

返回分馆所属主题：参考更新于 2026年4月16日官方来源

原文链接：https://hermes-agent.nousresearch.com/docs/reference/skills-catalog Hermes 附带一个大型内置技能库，安装时会复制到 /.hermes/skills/。本页编目了仓库中 skills/ 目录下的内置技能。

> 原文链接：https://hermes-agent.nousresearch.com/docs/reference/skills-catalog

> 📖 本文档翻译自 Hermes Agent 官方文档 > 最后更新：2026-04-16

内置技能目录

Hermes 附带一个大型内置技能库，安装时会复制到 ~/.hermes/skills/。本页编目了仓库中 skills/ 目录下的内置技能。

apple

Apple/macOS 专用技能 — iMessage、提醒事项、备忘录、查找(FindMy)和 macOS 自动化。这些技能仅在 macOS 系统上加载。

技能	描述	路径
`apple-notes`	通过 macOS 上的 memo CLI 管理 Apple 备忘录（创建、查看、搜索、编辑）。	`apple/apple-notes`
`apple-reminders`	通过 remindctl CLI 管理 Apple 提醒事项（列表、添加、完成、删除）。	`apple/apple-reminders`
`findmy`	在 macOS 上通过 AppleScript 和屏幕截图使用 FindMy.app 追踪 Apple 设备和 AirTags。	`apple/findmy`
`imessage`	在 macOS 上通过 imsg CLI 发送和接收 iMessage/SMS。	`apple/imessage`

autonomous-ai-agents

用于生成和编排自主 AI 编码 Agent 及多 Agent(Multi-Agent)工作流的技能 — 运行独立的 Agent 进程、委派任务、协调并行工作流。

技能	描述	路径
`claude-code`	将编码任务委派给 Claude Code（Anthropic 的 CLI Agent）。用于构建功能、重构、PR 审查和迭代编码。需要安装 claude CLI。	`autonomous-ai-agents/claude-code`
`codex`	将编码任务委派给 OpenAI Codex CLI Agent。用于构建功能、重构、PR 审查和批量问题修复。需要 codex CLI 和 git 仓库。	`autonomous-ai-agents/codex`
`hermes-agent-spawning`	将额外的 Hermes Agent 实例作为自主子进程生成，用于独立的长时间运行任务。支持非交互式一次性模式(-q)和交互式 PTY 模式进行多轮协作。与 delegate_task 不同 — 这会运行一个完整的独立 hermes 进程。	`autonomous-ai-agents/hermes-agent`
`opencode`	将编码任务委派给 OpenCode CLI Agent，用于功能实现、重构、PR 审查和长时间自主会话。需要安装并认证 opencode CLI。	`autonomous-ai-agents/opencode`

data-science

数据科学(Data Science)工作流技能 — 交互式探索、Jupyter 笔记本、数据分析和可视化。

技能	描述	路径
`jupyter-live-kernel`	通过 hamelnb 使用实时 Jupyter 内核进行有状态的迭代 Python 执行。当任务涉及探索、迭代或检查中间结果时加载此技能。	`data-science/jupyter-live-kernel`

creative

创意内容生成 — ASCII 艺术、手绘风格图表和视觉设计工具。

技能	描述	路径
`ascii-art`	使用 pyfiglet（571 种字体）、cowsay、boxes、toilet、图片转 ASCII、远程 API（asciified、ascii.co.uk）和 LLM 回退生成 ASCII 艺术。无需 API 密钥。	`creative/ascii-art`
`ascii-video`	ASCII 艺术视频的生产流水线 — 支持任何格式。将视频/音频/图片/生成式输入转换为彩色 ASCII 字符视频输出（MP4、GIF、图片序列）。涵盖：视频转 ASCII 转换、音频响应式音乐可视化器、生成式 ASCII 艺术动画、混合…	`creative/ascii-video`
`excalidraw`	使用 Excalidraw JSON 格式创建手绘风格图表。生成 .excalidraw 文件用于架构图、流程图、时序图、概念图等。文件可在 excalidraw.com 打开或上传获取分享链接。	`creative/excalidraw`
`p5js`	使用 p5.js 进行交互式和生成式视觉艺术的生产流水线。创建草图，通过无头浏览器渲染为图片/视频，并提供实时预览。支持画布动画、数据可视化和创意编程实验。	`creative/p5js`

devops

DevOps 和基础设施自动化技能。

技能	描述	路径
`webhook-subscriptions`	创建和管理 Webhook 订阅，用于事件驱动的 Agent 激活。外部服务（GitHub、Stripe、CI/CD、IoT）通过 POST 事件触发 Agent 运行。需要启用 Webhook 平台。	`devops/webhook-subscriptions`

dogfood

技能	描述	路径
`dogfood`	系统化的 Web 应用探索性 QA 测试 — 发现缺陷、捕获证据并生成结构化报告。	`dogfood/dogfood`
`hermes-agent-setup`	帮助用户配置 Hermes Agent — CLI 使用、设置向导、模型/提供商选择、工具、技能、语音/STT/TTS、网关和故障排除。	`dogfood/hermes-agent-setup`

email

从终端发送、接收、搜索和管理电子邮件的技能。

技能	描述	路径
`himalaya`	通过 IMAP/SMTP 管理电子邮件的 CLI。使用 himalaya 从终端列出、阅读、撰写、回复、转发、搜索和整理邮件。支持多账户和使用 MML（MIME Meta Language）撰写邮件。	`email/himalaya`

gaming

用于设置、配置和管理游戏服务器、模组包和游戏相关基础设施的技能。

技能	描述	路径
`minecraft-modpack-server`	从 CurseForge/Modrinth 服务器包 zip 设置模组 Minecraft 服务器。涵盖 NeoForge/Forge 安装、Java 版本、JVM 调优、防火墙、局域网配置、备份和启动脚本。	`gaming/minecraft-modpack-server`
`pokemon-player`	通过无头模拟器自主游玩 Pokémon 游戏。启动游戏服务器，从 RAM 读取结构化游戏状态，做出战略决策，并发送按钮输入 — 全部从终端完成。	`gaming/pokemon-player`

github

GitHub 工作流技能，用于通过终端使用 gh CLI 和 git 管理仓库、Pull Request、代码审查、Issues 和 CI/CD 流水线。

技能	描述	路径
`codebase-inspection`	使用 pygount 进行 LOC 计数、语言分布和代码/注释比例来检查和分析代码库。当被要求检查代码行数、仓库大小、语言组成或代码库统计时使用。	`github/codebase-inspection`
`github-auth`	使用 git（通用）或 gh CLI 为 Agent 设置 GitHub 认证。涵盖 HTTPS 令牌、SSH 密钥、凭证助手和 gh auth — 具有自动检测流程以选择合适的方法。	`github/github-auth`
`github-code-review`	通过分析 git diff、在 PR 上留下行内评论并进行彻底的推送前审查来审查代码变更。使用 gh CLI 或回退到 git + GitHub REST API 通过 curl。	`github/github-code-review`
`github-issues`	创建、管理、分类和关闭 GitHub Issues。搜索现有 Issues、添加标签、分配人员并关联 PR。使用 gh CLI 或回退到 git + GitHub REST API 通过 curl。	`github/github-issues`
`github-pr-workflow`	完整的 Pull Request 生命周期 — 创建分支、提交变更、发起 PR、监控 CI 状态、自动修复失败并合并。使用 gh CLI 或回退到 git + GitHub REST API 通过 curl。	`github/github-pr-workflow`
`github-repo-management`	克隆、创建、分叉、配置和管理 GitHub 仓库。管理远程仓库、密钥、发布和工作流。使用 gh CLI 或回退到 git + GitHub REST API 通过 curl。	`github/github-repo-management`

inference-sh

通过 inference.sh 云平台执行 AI 应用的技能。

技能	描述	路径
`inference-sh-cli`	通过 inference.sh CLI (infsh) 运行 150+ AI 应用 — 图片生成、视频创建、LLM、搜索、3D、社交自动化。	`inference-sh/cli`

leisure

技能	描述	路径
`find-nearby`	使用 OpenStreetMap 查找附近的地点（餐厅、咖啡馆、酒吧、药店等）。支持坐标、地址、城市、邮编或 Telegram 位置图钉。无需 API 密钥。	`leisure/find-nearby`

mcp

用于操作 MCP（Model Context Protocol，模型上下文协议）服务器、工具和集成的技能。包括内置的原生 MCP 客户端（在 config.yaml 中配置服务器以自动发现工具）以及用于临时服务器交互的 mcporter CLI 桥接。

技能	描述	路径
`mcporter`	使用 mcporter CLI 直接列出、配置、认证和调用 MCP 服务器/工具（HTTP 或 stdio），包括临时服务器、配置编辑和 CLI/类型生成。	`mcp/mcporter`
`native-mcp`	内置 MCP（Model Context Protocol，模型上下文协议）客户端，连接外部 MCP 服务器，发现其工具并将其注册为 Hermes Agent 原生工具。支持 stdio 和 HTTP 传输，具有自动重连、安全过滤和零配置工具注入。	`mcp/native-mcp`

media

处理媒体内容的技能 — YouTube 字幕、GIF 搜索、音乐生成和音频可视化。

技能	描述	路径
`gif-search`	使用 curl 从 Tenor 搜索和下载 GIF。除 curl 和 jq 外无需其他依赖。适用于查找反应 GIF、创建视觉内容和在聊天中发送 GIF。	`media/gif-search`
`heartmula`	设置和运行 HeartMuLa，开源音乐生成模型家族（类似 Suno）。通过歌词 + 标签生成完整歌曲，支持多语言。	`media/heartmula`
`songsee`	通过 CLI 从音频文件生成频谱图和音频特征可视化（mel、chroma、MFCC、tempogram 等）。适用于音频分析、音乐制作调试和可视化文档。	`media/songsee`
`youtube-content`	获取 YouTube 视频字幕并将其转换为结构化内容（章节、摘要、推文串、博客文章）。	`media/youtube-content`

mlops

通用 ML 操作(MLOps)工具 — 模型中心管理、数据集操作和工作流编排。

技能	描述	路径
`huggingface-hub`	Hugging Face Hub CLI (hf) — 搜索、下载和上传模型与数据集，管理仓库，部署推理端点(Endpoint)。	`mlops/huggingface-hub`

mlops/cloud

GPU 云提供商和 Serverless 计算平台，用于 ML 工作负载。

技能	描述	路径
`lambda-labs-gpu-cloud`	预留和按需 GPU 云实例，用于 ML 训练和推理。当需要具有简单 SSH 访问、持久文件系统或高性能多节点集群的专用 GPU 实例进行大规模训练时使用。	`mlops/cloud/lambda-labs`
`modal-serverless-gpu`	用于运行 ML 工作负载的 Serverless GPU 云平台。当需要无需基础设施管理的按需 GPU 访问、将 ML 模型部署为 API 或运行具有自动扩展的批处理作业时使用。	`mlops/cloud/modal`

mlops/evaluation

模型评估基准、实验跟踪、数据整理、分词器(Tokenizer)和可解释性工具。

技能	描述	路径
`evaluating-llms-harness`	跨 60+ 学术基准（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）评估 LLM。当需要基准测试模型质量、比较模型、报告学术结果或跟踪训练进度时使用。EleutherAI、HuggingFace 和主要实验室使用的行业标准…	`mlops/evaluation/lm-evaluation-harness`
`huggingface-tokenizers`	为研究和生产优化的快速分词器。基于 Rust 的实现可在 20 秒内对 1GB 进行分词。支持 BPE、WordPiece 和 Unigram 算法。训练自定义词表、跟踪对齐、处理填充/截断。与 transformers 无缝集成…	`mlops/evaluation/huggingface-tokenizers`
`nemo-curator`	GPU 加速的 LLM 训练数据整理。支持文本/图片/视频/音频。具有模糊去重（16 倍加速）、质量过滤（30+ 启发式规则）、语义去重、PII 脱敏、NSFW 检测。通过 RAPIDS 跨 GPU 扩展。用于准备高质量训…	`mlops/evaluation/nemo-curator`
`sparse-autoencoder-training`	提供使用 SAELens 训练和分析稀疏自编码器(SAE，Sparse Autoencoder)的指导，将神经网络激活分解为可解释的特征。当发现可解释特征、分析叠加(Superposition)或研究语言模型中的单义表示时使用…	`mlops/evaluation/saelens`
`weights-and-biases`	通过自动日志记录跟踪 ML 实验、实时可视化训练过程、通过 Sweep 优化超参数，以及使用 W&B 管理模型注册表 — 协作式 MLOps 平台。	`mlops/evaluation/weights-and-biases`

mlops/inference

模型服务、量化(Quantization)（GGUF/GPTQ）、结构化输出、推理优化和模型手术工具，用于部署和运行 LLM。

技能	描述	路径
`gguf-quantization`	GGUF 格式和 llama.cpp 量化，用于高效的 CPU/GPU 推理。当在消费级硬件、Apple Silicon 上部署模型或需要 2-8 位灵活量化而不需要 GPU 时使用。	`mlops/inference/gguf`
`guidance`	使用正则表达式和语法控制 LLM 输出，保证生成有效的 JSON/XML/代码，强制执行结构化格式，并使用 Guidance 构建多步工作流 — Microsoft Research 的约束生成框架。	`mlops/inference/guidance`
`instructor`	通过 Pydantic 验证从 LLM 响应中提取结构化数据，自动重试失败的提取，以类型安全解析复杂 JSON，并使用 Instructor 流式传输部分结果 — 经过实战检验的结构化输出库。	`mlops/inference/instructor`
`llama-cpp`	在 CPU、Apple Silicon 和消费级 GPU 上运行 LLM 推理，无需 NVIDIA 硬件。用于边缘部署、M1/M2/M3 Mac、AMD/Intel GPU 或 CUDA 不可用时。支持 GGUF 量化（1.5-8 位）以减少内存，在 CPU 上比 PyTorch 快 4-10 倍。	`mlops/inference/llama-cpp`
`obliteratus`	使用 OBLITERATUS 从开放权重 LLM 中移除拒绝行为 — 利用机制可解释性(Mechanistic Interpretability)技术（差值均值、SVD、白化 SVD、LEACE、SAE 分解等）在保留推理能力的同时切除安全护栏。9 种 CLI 方法、28 个分析模块、116 个模型预设…	`mlops/inference/obliteratus`
`outlines`	在生成过程中保证有效的 JSON/XML/代码结构，使用 Pydantic 模型获得类型安全的输出，支持本地模型（Transformers、vLLM），并通过 Outlines — dottxt.ai 的结构化生成库最大化推理速度。	`mlops/inference/outlines`
`serving-llms-vllm`	使用 vLLM 的 PagedAttention 和连续批处理(Continuous Batching)高吞吐量地服务 LLM。当部署生产级 LLM API、优化推理延迟/吞吐量或在有限 GPU 内存下服务模型时使用。支持 OpenAI 兼容端点、量化（GPTQ/AWQ/FP8）…	`mlops/inference/vllm`
`tensorrt-llm`	使用 NVIDIA TensorRT 优化 LLM 推理以获得最大吞吐量和最低延迟。用于在 NVIDIA GPU（A100/H100）上的生产部署，当需要比 PyTorch 快 10-100 倍的推理，或服务具有量化（FP8/INT4）、在线批处理和多…	`mlops/inference/tensorrt-llm`

mlops/models

特定模型架构和工具 — 计算机视觉（CLIP、SAM、Stable Diffusion）、语音（Whisper）、音频生成（AudioCraft）和多模态模型（LLaVA）。

技能	描述	路径
`audiocraft-audio-generation`	用于音频生成的 PyTorch 库，包括文本转音乐（MusicGen）和文本转音效（AudioGen）。当需要从文本描述生成音乐、创建音效或执行旋律条件化音乐生成时使用。	`mlops/models/audiocraft`
`clip`	OpenAI 的连接视觉和语言的模型。支持零样本图像分类、图文匹配和跨模态检索。在 4 亿图文对上训练。用于图像搜索、内容审核或无需微调的视觉语言任务。最适合通用…	`mlops/models/clip`
`llava`	大型语言和视觉助手。支持视觉指令微调和基于图像的对话。结合 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型。支持多轮图像对话、视觉问答和指令遵循。用于视觉语言聊…	`mlops/models/llava`
`segment-anything-model`	具有零样本迁移能力的基础图像分割模型。当需要使用点、框或掩码作为提示来分割图像中的任何对象，或自动生成图像中所有对象掩码时使用。	`mlops/models/segment-anything`
`stable-diffusion-image-generation`	通过 HuggingFace Diffusers 使用 Stable Diffusion 模型的最先进文本转图像生成。当需要从文本提示生成图像、执行图像转图像翻译、修复或构建自定义扩散流水线时使用。	`mlops/models/stable-diffusion`
`whisper`	OpenAI 的通用语音识别模型。支持 99 种语言、转录、翻译为英语和语言识别。六种模型尺寸，从 tiny（3900 万参数）到 large（15.5 亿参数）。用于语音转文本、播客转录或多语言音频处…	`mlops/models/whisper`

mlops/research

用于通过声明式编程(Declarative Programming)构建和优化 AI 系统的 ML 研究框架。

技能	描述	路径
`dspy`	使用声明式编程构建复杂 AI 系统，自动优化提示，使用 DSPy 创建模块化 RAG 系统和 Agent — Stanford NLP 的系统化 LM 编程框架。	`mlops/research/dspy`

mlops/training

微调(Fine-tuning)、RLHF/DPO/GRPO 训练、分布式训练框架和优化工具，用于训练 LLM 和其他模型。

技能	描述	路径
`axolotl`	使用 Axolotl 微调 LLM 的专家指导 — YAML 配置、100+ 模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模态支持。	`mlops/training/axolotl`
`distributed-llm-pretraining-torchtitan`	提供使用 torchtitan 进行 PyTorch 原生分布式 LLM 预训练，支持 4D 并行（FSDP2、TP、PP、CP）。当在 8 到 512+ GPU 上使用 Float8、torch.compile 和分布式检查点大规模预训练 Llama 3.1、DeepSeek V3 或自定义模型时使用。	`mlops/training/torchtitan`
`fine-tuning-with-trl`	使用 TRL 通过强化学习微调 LLM — SFT 用于指令微调、DPO 用于偏好对齐、PPO/GRPO 用于奖励优化和奖励模型训练。当需要 RLHF、与偏好对齐或从人类反馈训练时使用。与 HuggingFace Tr…	`mlops/training/trl-fine-tuning`
`grpo-rl-training`	使用 TRL 进行 GRPO/RL 微调的专家指导，用于推理和特定任务模型训练。	`mlops/training/grpo-rl-training`
`hermes-atropos-environments`	构建、测试和调试用于 Atropos 训练的 Hermes Agent RL 环境。涵盖 HermesAgentBaseEnv 接口、奖励函数、Agent 循环集成、工具评估、wandb 日志记录和三种 CLI 模式（serve/process/evaluate）。当创建、审查或修…	`mlops/training/hermes-atropos-environments`
`huggingface-accelerate`	最简单的分布式训练 API。只需 4 行代码即可为任何 PyTorch 脚本添加分布式支持。DeepSpeed/FSDP/Megatron/DDP 的统一 API。自动设备放置、混合精度（FP16/BF16/FP8）。交互式配置，单一启动命令。HuggingFace 生态标准。	`mlops/training/accelerate`
`optimizing-attention-flash`	使用 Flash Attention 优化 Transformer 注意力，实现 2-4 倍加速和 10-20 倍内存减少。当训练/运行具有长序列（>512 tokens）的 Transformer、遇到 GPU 内存问题或需要更快的推理时使用。支持 PyTorch 原生 SDPA…	`mlops/training/flash-attention`
`peft-fine-tuning`	使用 LoRA、QLoRA 和 25+ 方法的参数高效微调(Parameter-Efficient Fine-Tuning)。当在有限 GPU 内存下微调大型模型（7B-70B）、需要训练不到 1% 的参数且精度损失最小，或多适配器服务时使用。HuggingFace 的官方库…	`mlops/training/peft`
`pytorch-fsdp`	使用 PyTorch FSDP 进行完全分片数据并行(Fully Sharded Data Parallel)训练的专家指导 — 参数分片、混合精度、CPU 卸载、FSDP2。	`mlops/training/pytorch-fsdp`
`pytorch-lightning`	高级 PyTorch 框架，具有 Trainer 类、自动分布式训练（DDP/FSDP/DeepSpeed）、回调系统和最少样板代码。从笔记本电脑到超级计算机使用相同代码进行扩展。当需要具有内置最佳实践的简洁训练循环时使用。	`mlops/training/pytorch-lightning`
`simpo-training`	简单偏好优化(SimPO，Simple Preference Optimization)用于 LLM 对齐。无需参考模型的 DPO 替代方案，性能更优（AlpacaEval 2.0 上高 6.4 分）。无需参考模型，比 DPO 更高效。当需要比 DPO/PPO 更简单快速的偏好对齐时使用。	`mlops/training/simpo`
`slime-rl-training`	提供使用 slime 进行 LLM 后训练 RL 的指导，一个 Megatron+SGLang 框架。当训练 GLM 模型、实现自定义数据生成工作流或需要紧密的 Megatron-LM 集成以进行 RL 扩展时使用。	`mlops/training/slime`
`unsloth`	使用 Unsloth 进行快速微调的专家指导 — 2-5 倍更快的训练、50-80% 更少的内存、LoRA/QLoRA 优化。	`mlops/training/unsloth`

mlops/vector-databases

向量相似性搜索和嵌入数据库，用于 RAG（检索增强生成）、语义搜索和 AI 应用后端。

技能	描述	路径
`chroma`	开源嵌入数据库，用于 AI 应用。存储嵌入和元数据，执行向量和全文搜索，按元数据过滤。简单的 4 函数 API。从笔记本扩展到生产集群。用于语义搜索、RAG 应用或文档检索。最适合…	`mlops/vector-databases/chroma`
`faiss`	Facebook 的高效相似性搜索和密集向量聚类库。支持数十亿向量、GPU 加速和各种索引类型（Flat、IVF、HNSW）。用于快速 k-NN 搜索、大规模向量检索或需要纯相似性搜索而无需…	`mlops/vector-databases/faiss`
`pinecone`	用于生产 AI 应用的托管向量数据库。完全托管、自动扩展，具有混合搜索（密集 + 稀疏）、元数据过滤和命名空间。低延迟（<100ms p95）。用于生产级 RAG、推荐系统或大规模语义搜索。最适合服务器…	`mlops/vector-databases/pinecone`
`qdrant-vector-search`	用于 RAG 和语义搜索的高性能向量相似性搜索引擎。当构建需要快速最近邻搜索、带过滤的混合搜索或 Rust 驱动的高性能可扩展向量存储的生产级 RAG 系统时使用。	`mlops/vector-databases/qdrant`

note-taking

笔记技能，用于保存信息、辅助研究以及多会话规划的协作和信息共享。

技能	描述	路径
`obsidian`	在 Obsidian 仓库中读取、搜索和创建笔记。	`note-taking/obsidian`

productivity

文档创建、演示文稿、电子表格和其他生产力工作流的技能。

技能	描述	路径
`google-workspace`	通过 Python 集成 Gmail、日历、云端硬盘、通讯录、表格和文档。使用 OAuth2 和自动令牌刷新。无需外部二进制文件 — 完全使用 Google 的 Python 客户端库在 Hermes venv 中运行。	`productivity/google-workspace`
`linear`	通过 GraphQL API 管理 Linear Issues、项目和团队。创建、更新、搜索和组织 Issues。	`productivity/linear`
`nano-pdf`	使用 nano-pdf CLI 通过自然语言指令编辑 PDF。修改文本、修复拼写错误、更新标题以及对特定页面进行内容更改，无需手动编辑。	`productivity/nano-pdf`
`notion`	通过 curl 使用 Notion API 创建和管理页面、数据库和块。直接从终端搜索、创建、更新和查询 Notion 工作区。	`productivity/notion`
`ocr-and-documents`	从 PDF 和扫描文档中提取文本。远程 URL 使用 web_extract，本地文本型 PDF 使用 pymupdf，OCR/扫描文档使用 marker-pdf。DOCX 使用 python-docx，PPTX 参见 powerpoint 技能。	`productivity/ocr-and-documents`
`powerpoint`	"只要 .pptx 文件以任何方式参与 — 作为输入、输出或两者 — 就使用此技能。包括：创建幻灯片组、演示文稿或展示文档；读取、解析或提取任何 .pptx 文件的文本（即使提取的内容将用于其他地方，例如…	`productivity/powerpoint`

research

学术研究、论文发现、文献综述、领域侦察、市场数据、内容监控和科学知识检索的技能。

技能	描述	路径
`arxiv`	通过免费的 REST API 搜索和检索 arXiv 学术论文。无需 API 密钥。按关键词、作者、类别或 ID 搜索。结合 web_extract 或 ocr-and-documents 技能阅读完整论文内容。	`research/arxiv`
`blogwatcher`	使用 blogwatcher CLI 监控博客和 RSS/Atom 源的更新。添加博客、扫描新文章并跟踪阅读状态。	`research/blogwatcher`
`llm-wiki`	Karpathy 的 LLM Wiki — 构建和维护一个持久的、互链的 Markdown 知识库。摄取来源、查询编译的知识并检查一致性。与 RAG 不同，wiki 一次性编译知识并保持更新。可作为 Obsidian 仓库使用。通过 `skills.config.wiki.path` 配置。	`research/llm-wiki`
`domain-intel`	使用 Python 标准库进行被动领域侦察。子域名发现、SSL 证书检查、WHOIS 查询、DNS 记录、域名可用性检查和批量多域分析。无需 API 密钥。	`research/domain-intel`
`duckduckgo-search`	通过 DuckDuckGo 免费网页搜索 — 文本、新闻、图片、视频。无需 API 密钥。安装后优先使用 `ddgs` CLI；仅在验证当前运行时中 `ddgs` 可用后才使用 Python DDGS 库。	`research/duckduckgo-search`
`ml-paper-writing`	为 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 撰写可发表的 ML/AI 论文。当从研究仓库起草论文、构建论证、验证引用或准备最终提交版本时使用。包括 LaTeX 模板、审稿人指南和引用验证…	`research/ml-paper-writing`
`polymarket`	查询 Polymarket 预测市场数据 — 搜索市场、获取价格、订单簿和价格历史。通过公共 REST API 只读访问，无需 API 密钥。	`research/polymarket`

red-teaming

LLM 红队(Red-teaming)、越狱(Jailbreaking)和安全过滤器绕过研究的技能。

技能	描述	路径
`godmode`	使用 G0DM0D3 技术越狱 API 服务的 LLM — Parseltongue 输入混淆（33 种技术）、GODMODE CLASSIC 系统提示模板、ULTRAPLINIAN 多模型竞赛、编码升级和 Hermes 原生预填充/系统提示集成。适用于任何可通过 API 访问的模型，包括闭源模型。	`red-teaming/godmode`

smart-home

控制智能家居设备的技能 — 灯光、开关、传感器和家庭自动化系统。

技能	描述	路径
`openhue`	通过 OpenHue CLI 控制 Philips Hue 灯光、房间和场景。开关灯、调整亮度、颜色、色温并激活场景。	`smart-home/openhue`

与社交平台交互的技能 — 发帖、阅读、监控和账户操作。

技能	描述	路径
`xitter`	通过 x-cli 终端客户端使用官方 X API 凭证与 X/Twitter 交互。	`social-media/xitter`

software-development

技能	描述	路径
`code-review`	以安全和质量为重点进行彻底代码审查的指南。	`software-development/code-review`
`plan`	Hermes 的计划模式 — 检查上下文，在活动工作区/后端工作目录的 `.hermes/plans/` 中编写 Markdown 计划，不执行工作。	`software-development/plan`
`requesting-code-review`	在完成任务、实现主要功能或合并前使用。通过系统化的审查流程验证工作是否满足要求。	`software-development/requesting-code-review`
`subagent-driven-development`	在执行包含独立任务的实施计划时使用。为每个任务分发新的 delegate_task，进行两阶段审查（规格合规性然后代码质量）。	`software-development/subagent-driven-development`
`systematic-debugging`	在遇到任何缺陷、测试失败或意外行为时使用。4 阶段根因调查 — 在理解问题之前不修复。	`software-development/systematic-debugging`
`test-driven-development`	在实现任何功能或修复缺陷时，在编写实现代码之前使用。强制执行测试优先的红-绿-重构(RED-GREEN-REFACTOR)循环。	`software-development/test-driven-development`
`writing-plans`	当你有规格或需求的多步骤任务时使用。创建包含小粒度任务、精确文件路径和完整代码示例的综合实施计划。	`software-development/writing-plans`

可选技能

可选技能随仓库在 optional-skills/ 目录下提供，但默认不激活。它们涵盖较重或小众的使用场景。通过以下方式安装：

hermes skills install official/<category>/<skill>

autonomous-ai-agents

技能	描述	路径
`blackbox`	将编码任务委派给 Blackbox AI CLI Agent。内置评判器的多模型 Agent，通过多个 LLM 运行任务并选择最佳结果。需要 blackbox CLI 和 Blackbox AI API 密钥。	`autonomous-ai-agents/blackbox`

blockchain

技能	描述	路径
`base`	查询 Base（以太坊 L2）区块链数据及 USD 定价 — 钱包余额、代币信息、交易详情、Gas 分析、合约检查、巨鲸检测和实时网络统计。使用 Base RPC + CoinGecko。无需 API 密钥。	`blockchain/base`
`solana`	查询 Solana 区块链数据及 USD 定价 — 钱包余额、代币组合估值、交易详情、NFT、巨鲸检测和实时网络统计。使用 Solana RPC + CoinGecko。无需 API 密钥。	`blockchain/solana`

creative

技能	描述	路径
`blender-mcp`	通过与 blender-mcp 插件的 Socket 连接直接从 Hermes 控制 Blender。创建 3D 对象、材质、动画并运行任意 Blender Python (bpy) 代码。	`creative/blender-mcp`
`meme-generation`	通过选择模板并使用 Pillow 叠加文字来生成真实的 Meme 图片。生成实际的 .png Meme 文件。	`creative/meme-generation`

devops

技能	描述	路径
`docker-management`	管理 Docker 容器、镜像、卷、网络和 Compose 栈 — 生命周期操作、调试、清理和 Dockerfile 优化。	`devops/docker-management`

email

技能	描述	路径
`agentmail`	通过 AgentMail 为 Agent 提供专用电子邮件收件箱。使用 Agent 拥有的电子邮件地址（例如 hermes-agent@agentmail.to）自主发送、接收和管理邮件。	`email/agentmail`

health

技能	描述	路径
`neuroskill-bci`	连接到运行中的 NeuroSkill 实例，将用户的实时认知和情绪状态（专注、放松、情绪、认知负荷、嗜睡、心率、HRV、睡眠分期和 40+ 衍生 EXG 评分）纳入响应。需要 BCI 可穿戴设备（Muse 2/S 或 OpenBCI）和 NeuroSkill 桌面应用。	`health/neuroskill-bci`

mcp

技能	描述	路径
`fastmcp`	使用 FastMCP 在 Python 中构建、测试、检查、安装和部署 MCP 服务器。当创建新的 MCP 服务器、将 API 或数据库封装为 MCP 工具、暴露资源或提示、或为 HTTP 部署准备 FastMCP 服务器时使用。	`mcp/fastmcp`

migration

技能	描述	路径
`openclaw-migration`	将用户的 OpenClaw 定制数据迁移到 Hermes Agent。从 ~/.openclaw 导入兼容 Hermes 的记忆、SOUL.md、命令白名单、用户技能和选定的工作区资产，然后报告无法迁移的内容及原因。	`migration/openclaw-migration`

productivity

技能	描述	路径
`telephony`	赋予 Hermes 电话能力 — 配置并持久化 Twilio 号码、发送和接收 SMS/MMS、直接拨打电话，以及通过 Bland.ai 或 Vapi 拨打 AI 驱动的外呼。	`productivity/telephony`

research

技能	描述	路径
`bioinformatics`	通往 bioSkills 和 ClawBio 的 400+ 生物信息学技能的网关。涵盖基因组学、转录组学、单细胞、变异检测、药物基因组学、宏基因组学、结构生物学等。	`research/bioinformatics`
`qmd`	使用 qmd 在本地搜索个人知识库、笔记、文档和会议记录 — 一个混合检索引擎，结合 BM25、向量搜索和 LLM 重排序。支持 CLI 和 MCP 集成。	`research/qmd`

security

技能	描述	路径
`1password`	设置和使用 1Password CLI (op)。当安装 CLI、启用桌面应用集成、登录以及为命令读取/注入密钥时使用。	`security/1password`
`oss-forensics`	针对 GitHub 仓库的供应链调查、证据恢复和取证分析。涵盖已删除提交恢复、强制推送检测、IOC 提取、多源证据收集和结构化取证报告。	`security/oss-forensics`
`sherlock`	跨 400+ 社交网络的 OSINT 用户名搜索。通过用户名追踪社交媒体账户。	`security/sherlock`

编辑此页

Continue Exploring

继续探索

这不是课程式的上一篇下一篇，而是从当前节点向外继续漫游。

参考

CLI 命令参考

本页介绍从终端运行的命令行命令。聊天内斜杠命令请参见斜杠命令参考。 hermes [全局选项] <命令 [子命令/选项] hermes chat [options] 常用选项：示例： hermes hermes chat -q "总结最新的 PR" hermes chat --provider openrout

参考

斜杠命令参考

原文链接：Slash Commands Reference Hermes 有两个斜杠命令(Slash Command)界面，均由 hermes cli/commands.py 中的中央 COMMAND REGISTRY 驱动：交互式 CLI(命令行界面) 斜杠命令 — 由 cli.py 分发，支持从注册表自动补全

参考

配置文件命令参考

本页面涵盖所有与 Hermes 配置文件相关的命令。通用 CLI 命令请参见 CLI 命令参考。 hermes profile <子命令管理配置文件的顶级命令。不带子命令运行 hermes profile 会显示帮助。 hermes profile list 列出所有配置文件。当前活跃的配置文件用标记。

参考

环境变量

原文链接：Environment Variables Reference 所有变量都放在 /.hermes/.env 文件中。你也可以通过 hermes config set VAR value 来设置。变量描述 --- --- OPENROUTER API KEY OpenRouter API 密钥（推荐，灵活性

参考

内置工具参考

原文链接：Built-in Tools Reference 本文档记录了 Hermes 工具注册表中的全部 47 个内置工具，按工具集（Toolset）分组。工具的可用性因平台、凭证和已启用的工具集而异。快速统计： 10 个浏览器工具、4 个文件工具、10 个强化学习（RL）工具、4 个 Home Assistant

参考

工具集参考

工具集（Toolsets）是工具的命名捆绑包，控制 Agent 能做什么。它们是按平台、按会话或按任务配置工具可用性的主要机制。每个工具恰好属于一个工具集。当你启用一个工具集时，该捆绑包中的所有工具都对 Agent 可用。工具集分为三类：核心（Core） — 一组相关工具的逻辑分组（例如，file 捆绑了 read

Reference

参考

命令、配置、环境变量、技能目录与常见问题，适合作为索引与查阅入口。

11 篇文档11 个节点

当前节点

内置技能目录

返回分馆回到知识引擎

同主题继续探索

CLI 命令参考

斜杠命令参考

配置文件命令参考

环境变量

内置工具参考

工具集参考

内置技能目录

apple

autonomous-ai-agents

data-science

creative

devops

dogfood

email

gaming

github

inference-sh

leisure

mcp

media

mlops

mlops/cloud

mlops/evaluation

mlops/inference

mlops/models

mlops/research

mlops/training

mlops/vector-databases

note-taking

productivity

research

red-teaming

smart-home

social-media

software-development

可选技能

autonomous-ai-agents

blockchain

creative

devops

email

health

mcp

migration

productivity

research

security

继续探索

CLI 命令参考

斜杠命令参考

配置文件命令参考

环境变量

内置工具参考

工具集参考

参考

知识引擎 AI 问答