全新Hermes Agent：智能协作与技能升级，引领目标驱动时代！

为什么这次更新值得认真看

过去一年，大多数 AI Agent 产品都在做同一件事：让单轮对话变得更快、更聪明。换句话说，它们本质上还是"回答问题"的工具——你问，它答，答完就结束。

但这个模式的瓶颈已经很明显了。

一个真实的办公场景是这样的：你想让 AI 帮你整理这周的产品反馈，提炼出三个核心问题，然后分别发给对应的负责人，最后跟踪每个人的处理进度。这个任务天然是多步骤、跨时间、需要上下文追踪的。用单轮 Agent 来做，要么上下文爆炸，要么中途断层，每一步都得从头解释背景。

行业里管这个叫 Agent 任务的持久化问题。谁能解决好这个，谁就能把 AI Agent 从"高级搜索"变成真正的"数字同事"。

Hermes 这次更新的核心逻辑，就是往这个方向走。

02 Goal：从"问一句答一句"到"盯准目标干活" 2.1 Goal 是什么

简单说，Goal 就是给 Agent 设定一个长期目标，然后让 Agent 自己拆解、规划、执行。

不再是：

用户："帮我写一份市场报告" → Agent："好的，这是报告" → 结束

而是：

用户："这季度我们的目标是用户留存率提升 15%，帮我制定一个行动方案" → Agent 理解目标 → 拆解成多个子任务 → 持续推进 → 过程中根据反馈调整

这个区别非常关键。前者是"响应式"，后者是"目标驱动式"。

2.2 为什么重要

目标驱动的价值在于上下文的一致性和任务的连贯性。

当一个 Agent 知道最终目标是什么，它就能：

• 在执行过程中自主判断哪些信息有用、哪些可以忽略
• 当某个子任务失败时，能够回滚并尝试替代方案，而不是直接卡住
• 在多轮对话中保持方向感，不会因为用户的临时提问就跑偏

这其实模拟的是人类"项目经理"的思维模式——不是执行单一指令，而是盯着一个目标，协调资源、调整路径、达成结果。

2.3 背后的技术逻辑

Goal 机制通常依赖子任务拆解（Task Decomposition）+ 自我反思（Self-Reflection） 两个能力。

子任务拆解：将大目标分解为可执行的小任务，比如"提升留存率"可以拆成"分析流失原因 → 设计激活策略 → 上线 A/B 测试 → 收集数据反馈"。

自我反思：每个子任务完成后，Agent 会评估结果是否符合预期，如果不符合就调整下一步计划。这个机制通常通过"检查点"（Checkpoint）来实现，即在关键节点停下来审视当前状态。

这和传统单轮问答的本质区别在于：单轮是"触发-响应"，目标驱动是"触发-规划-执行-反思-调整"。

03 Kanban：给 Agent 造一个持久化的工单系统

如果说 Goal 解决了"方向"的问题，Kanban 就是解决"执行力"的问题。

这是我认为这次更新里最值得深入研究的功能。

3.1 传统 Agent 的"任务丢失"问题

用过 AI Agent 的人大概都遇到过这个场景：你让 Agent 做一个多步骤任务，做到第二步的时候，你想去确认第一步的结果，发现 Agent 已经丢失了第一步的上下文。你不得不重新描述背景，效率大打折扣。

这是一个非常实际的问题：Agent 没有持久化的工作记忆。

每次新的对话，Agent 都从零开始。它不记得上次做了什么，不记得哪个任务卡住了，不记得已经尝试过的方案有哪些。

Kanban 要解决的就是这个。

3.2 Kanban 的设计思路

Hermes 的 Kanban 本质上是一个持久化的 Agent 工单系统。每个任务（Task）都作为一个独立的工单存在，有自己的状态、负责人、运行记录和上下文。

它的核心特性包括：

任务分配：任务可以分配给具体的 Hermes Profile 或者 Worker。这意味着你可以让"数据分析 Agent"负责数据处理任务，让"写作 Agent"负责文案任务，各司其职。

依赖关系：任务之间可以设置依赖。比如"整理数据"必须先完成，"分析数据"才能开始。这解决了多步骤任务的执行顺序问题。

运行记录和日志：每次任务执行都会留下日志，包括运行的模型、生成的输出、耗时等。你随时可以回溯"这个结论是怎么得出来的"。

上下文追踪：任务运行时保留完整的上下文，即使中断了，重新拾起时也能无缝衔接，不会丢失之前的进度。

3.3 实际场景举例

一个典型的使用场景：

你是一个产品经理，想让 AI 帮你梳理本月的用户反馈。 任务 A：收集反馈数据（分配给"数据 Worker"）任务 B：情绪分析（分配给"分析 Worker"，依赖任务 A 完成）任务 C：生成报告（分配给"写作 Worker"，依赖任务 B 完成）

你不需要每次都从头描述背景，Kanban 会帮你追踪每一步的状态和结果。如果某一步出错了，你直接定位到那个工单，看日志，定位问题，然后重新执行或调整。

这已经非常接近一个多 Agent 协作的工作流了。

3.4 对比传统单 Agent 方案

特性

单轮 Agent

Hermes Kanban

任务持久化

❌ 每次新建对话丢失

✅ 工单化，跨会话保留

任务分配

❌ 无法分配，只能单一 Agent

✅ 可分配给不同 Worker

依赖管理

❌ 无法设置执行顺序

✅ 支持任务依赖链

运行日志

❌ 无记录

✅ 完整日志追踪

并行执行

❌ 只能串行

✅ 支持并行任务分发

04 Skills：让技能库保持健康

这个功能看起来没有前两个那么"重"，但实际上对日常使用体验影响非常大。

4.1 问题是"技能膨胀"

当你的 Agent 积累了大量的 Skills（技能），时间一长就会出现一个问题：有用的技能被淹没在噪音里。

你可能真正每天在用的就那么五六个，但 Skills 列表里有三四十个，找起来费劲，每次加载还吃上下文。

传统的解决方案是手动整理——归档、删除、重新分类。但这个工作枯燥且容易遗忘。

4.2 Hermes 的自动整理逻辑

Hermes 的 Skills 管理引入了一个使用频率驱动的自动整理机制：

• 高频 Skills：保持在主列表，优先展示，随时可用
• 低频 Skills：自动被归到"归档"或"收起"区域，减少主界面的噪音
• 新的 Skills：加入时有观察期，不会一上来就占主空间

这个逻辑很简单，就是让工具去适应人的使用习惯，而不是让人去适应工具的组织方式。

4.3 对 Agent 性能的实际影响

这里有一个很多人忽略的细节：上下文长度是有限制的。

如果你的 Skills 列表很长，每次启动 Agent 都要加载一遍，消耗大量的上下文空间，实际可用于处理任务的有效长度就变短了。

Skills 自动整理本质上是帮 Agent 做了一次上下文减肥，把不常用的东西移出去，保证真正重要的 Skills 和对话内容有足够的空间。

这不只是用户体验的优化，也是性能优化。

05 这三个方向意味着什么 5.1 AI Agent 的发展趋势

从 Hermes 这次更新，可以清晰地看到 2026 年 AI Agent 领域的三个主流方向：

方向一：从工具到助手
单轮回答是工具，能长期跟随目标行动才是助手。Goal 机制代表了从"你说我做"到"你定目标我做规划"的转变。

方向二：从单 Agent 到多 Agent 协作
Kanban 的任务分配和依赖管理，说明 Hermes 正在往多 Agent 协作的方向走。不同的 Agent 负责不同的专业领域，通过工单系统协调，这比一个万能 Agent 什么都会要更现实。

方向三：从手动管理到自动优化
Skills 自动整理是一个缩影。未来的 Agent 会越来越懂得"自我管理"——自动适应用户习惯，自动优化资源分配，主动减少不必要的负载。

5.2 对实际工作的影响

如果你是一个 AI Agent 的深度用户，这些更新会带来几个具体的变化：

• 多步骤项目不再需要反复重新描述背景——Kanban 的上下文追踪让中途切换变得无缝
• 大型任务可以被合理拆解分配——专业的事交给专业的 Agent 来做
• 技能库会越来越"懂你"——不需要手动整理，常用的功能自然浮现
• 目标驱动的任务执行更符合真实工作场景——你定义目标，Agent 负责规划路径

当然，每个新功能都有它的另一面：

Goal 的目标是"正确的"吗？ 目标驱动的核心风险在于目标设定本身就有偏差。如果人类给的目标描述不够清晰，Agent 可能会很有"效率"地执行一个错误的方向。这个问题在短期内很难完全解决，需要更好的目标校验机制。

Kanban 的状态管理复杂度上升。当任务有依赖、有分配、有状态流转，出现死锁或循环等待的可能性就会增加。多 Agent 协作系统的调度复杂度远高于单 Agent，这是工程层面的真实挑战。

Skills 自动归档后如何召回？ 归档的技能如果需要重新启用，体验是否顺畅？这个细节会影响用户对系统的信任度。

06 避坑清单

1. Goal 设定要具体，不要模糊：比如"提升用户留存"和"分析流失原因并提出可落地的方案"，后者更能让 Agent 准确理解你的意图。
2. Kanban 任务不要拆得太细：依赖关系越多，维护成本越高。如果一个任务可以在一个工单里完成，就不要拆成五个。
3. 定期检查归档 Skills：自动归档不等于永久删除，定期看看归档区，防止重要但低频的技能被遗忘。
4. 多 Agent 协作时明确职责边界：如果两个 Worker 处理同一个任务，容易出现重复工作或者结果冲突。一开始就定义好职责分工。
5. 运行日志是资产：出现问题时先查日志，不要直接重置。Hermes 的日志保留机制就是用来做这个的。
6. 目标驱动不是自动驾驶：Agent 会自主规划，但这不意味着可以完全放手。关键节点的结果检查必不可少。

• Day 1：了解 Goal 的基本用法，尝试设定一个简单的长期目标，看 Agent 如何拆解
• Day 2：体验 Kanban，创建一个包含 2-3 个任务的工作流，测试依赖关系
• Day 3：为不同任务分配不同的 Worker，体验任务分配和状态追踪
• Day 4：观察 Skills 的变化，哪些被自动收起，哪些保持在主列表
• Day 5：做一个小型的多步骤项目，比如"本周工作总结"，完整走一遍 Goal → Kanban → Skills 的流程
• Day 6：检查运行日志，理解每个任务的执行路径，评估是否有优化空间
• Day 7：复盘整个体验，写下你的使用感受和调整策略，形成自己的最佳实践

Hermes 这次的三个更新——Goal、Kanban、Skills——看起来是三个独立的功能放在一起，但它们的底层逻辑是一致的：让 AI Agent 从"你叫我做什么我就做什么"，变成"你告诉我目标，我来规划、执行、追踪结果"。

这个转变不是 Hermes 一家的选择，而是整个行业在 2026 年的共同方向。目标驱动让 Agent 有方向，多 Agent 协作让它有执行力，Skills 自动整理让它保持健康。

剩下的，是持续打磨细节和真实场景验证的问题。