Skip to main content

可选技能目录

官方可选技能随 hermes-agent 仓库一起提供,位于 optional-skills/,但默认未启用。需显式安装:

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

例如:

hermes skills install official/blockchain/solana
hermes skills install official/mlops/flash-attention

安装后,该技能将出现在代理的技能列表中,并在检测到相关任务时自动加载。

如需卸载:

hermes skills uninstall <skill-name>

自主 AI 代理

技能说明
blackbox将编码任务委派给 Blackbox AI CLI 代理。支持多模型的智能代理,内置评估机制,通过多个大语言模型运行任务并选择最优结果。
honcho配置并使用 Honcho 内存系统与 Hermes 集成 —— 实现跨会话用户建模、多角色独立隔离、观察配置以及辩证推理能力。

区块链

技能说明
base查询 Base(以太坊 L2)区块链数据并附带美元定价信息 —— 钱包余额、代币信息、交易详情、Gas 分析、合约检查、巨鲸检测及实时网络状态。无需 API 密钥。
solana查询 Solana 区块链数据并附带美元定价信息 —— 钱包余额、代币组合、交易详情、NFT 信息、巨鲸检测及实时网络状态。无需 API 密钥。

通信

技能说明
one-three-one-rule结构化沟通框架,适用于提案与决策制定。

创造力

技能说明
blender-mcp通过 socket 连接,直接由 Hermes 控制 Blender(需安装 blender-mcp 插件)。可创建 3D 模型、材质、动画,并执行任意 Blender Python(bpy)代码。
meme-generation使用 Pillow 从模板生成真实表情包图像,叠加文字内容,输出实际的 .png 表情包文件。

DevOps

技能说明
cli通过 inference.sh CLI(infsh)运行超过 150 个 AI 应用程序 —— 图像生成、视频创作、大语言模型、搜索、3D 建模及社交自动化。
docker-management管理 Docker 容器、镜像、卷、网络和 Compose 堆栈 —— 包括生命周期操作、调试、清理以及 Dockerfile 优化。

邮件

技能说明
agentmail通过 AgentMail 为代理配置专属邮箱收件箱,实现自主发送、接收和管理邮件,使用代理拥有的独立邮箱地址。

健康

技能说明
neuroskill-bci脑机接口(BCI)集成,用于神经科学研究工作流。

MCP

技能说明
fastmcp使用 Python 构建、测试、检查、安装和部署 MCP 服务器。涵盖将 API 或数据库封装为 MCP 工具、暴露资源或提示词,以及部署流程。

迁移

技能说明
openclaw-migration将用户的 OpenClaw 自定义配置迁移至 Hermes Agent。导入记忆、SOUL.md、命令允许列表、用户技能及选定的工作区资产。

MLOps

最大型的可选类别,覆盖从数据整理到生产推理的完整机器学习流水线。

技能说明
accelerate最简化的分布式训练 API。仅需 4 行代码即可为任意 PyTorch 脚本添加分布式支持。统一接口兼容 DeepSpeed/FSDP/Megatron/DDP。
chroma开源嵌入向量数据库。存储嵌入向量与元数据,支持向量搜索与全文检索。提供简洁的四函数 API,适用于 RAG 和语义搜索。
faissFacebook 开发的高效密集向量相似性搜索与聚类库。支持数十亿级向量,具备 GPU 加速功能,支持多种索引类型(Flat、IVF、HNSW)。
flash-attention通过 Flash Attention 优化 Transformer 注意力机制,实现 2–4 倍加速与 10–20 倍内存降低。支持 PyTorch SDPA、flash-attn 库、H100 FP8 以及滑动窗口注意力。
hermes-atropos-environments为 Atropos 训练构建、测试和调试 Hermes Agent 强化学习环境。涵盖 HermesAgentBaseEnv 接口、奖励函数设计、代理循环集成与评估方法。
huggingface-tokenizers高性能 Rust 编写的分词器,适用于研究与生产环境。可在 20 秒内完成 1GB 文本分词。支持 BPE、WordPiece 和 Unigram 算法。
instructor从大语言模型输出中提取结构化数据,结合 Pydantic 验证、自动重试失败提取,并支持部分结果流式输出。
lambda-labsML 训练与推理专用的预留与按需 GPU 云实例。提供 SSH 访问、持久化文件系统及多节点集群支持。
llava大语言与视觉助手 —— 结合 CLIP 视觉模型与 LLaMA 语言模型,实现视觉指令微调与基于图像的对话交互。
nemo-curatorGPU 加速的数据清洗工具,专为大语言模型训练设计。支持模糊去重(速度提升 16 倍)、质量过滤(30+ 启发式规则)、语义去重与 PII 敏感信息脱敏。可随 RAPIDS 扩展。
pinecone生产级向量数据库服务。支持自动扩展、混合搜索(密集 + 稀疏)、元数据过滤,延迟极低(p95 < 100ms)。
pytorch-lightning高级 PyTorch 框架,包含 Trainer 类、自动分布式训练(DDP/FSDP/DeepSpeed)、回调机制,大幅减少样板代码。
qdrant高性能向量相似性搜索引擎。基于 Rust 构建,支持快速最近邻搜索、带过滤的混合搜索与可扩展向量存储。
saelens使用 SAELens 训练与分析稀疏自编码器(SAEs),将神经网络激活分解为可解释特征。
simpo简单偏好优化 —— 无需参考模型的 DPO 替代方案,在 AlpacaEval 2.0 上表现更优(+6.4 分)。
slime基于 Megatron+SGLang 框架的 LLM 后训练强化学习。支持自定义数据生成流程,与 Megatron-LM 紧密集成,实现 RL 扩展。
tensorrt-llm使用 NVIDIA TensorRT 优化大语言模型推理,实现最高吞吐量。在 A100/H100 上比 PyTorch 快 10–100 倍,支持 FP8/INT4 量化与飞行中批处理。
torchtitan原生 PyTorch 分布式大语言模型预训练框架,支持 4D 并行(FSDP2、TP、PP、CP)。可从 8 到 512+ GPU 扩展,支持 Float8 与 torch.compile。

生产力

技能说明
canvasCanvas LMS 集成 —— 使用 API Token 认证获取已注册课程与作业信息。
memento-flashcards基于间隔重复原理的闪卡系统,用于学习与知识留存。
siyuanSiYuan 笔记 API,用于在自托管知识库中搜索、读取、创建和管理区块与文档。
telephony为 Hermes 提供电话功能 —— 注册 Twilio 号码,发送/接收短信/MMS,拨打电话,以及通过 Bland.ai 或 Vapi 发起 AI 驱动的外呼。

研究| 技能 | 描述 |

|-------|-------------| | 生物信息学 | 通往 bioSkills 和 ClawBio 提供的 400 多项生物信息学技能的入口。涵盖基因组学、转录组学、单细胞分析、变异检测、药物基因组学、宏基因组学以及结构生物学。 | | 领域情报 | 使用 Python 标准库进行被动域名侦察。支持子域名发现、SSL 证书检查、WHOIS 查询、DNS 记录分析,以及批量多域名分析。无需 API 密钥。 | | DuckDuckGo 搜索 | 通过 DuckDuckGo 免费进行网页搜索——支持文本、新闻、图片和视频内容。无需 API 密钥。 | | gitnexus-explorer | 使用 GitNexus 索引代码库,并通过 Web UI 和 Cloudflare 隧道提供交互式知识图谱服务。 | | parallel-cli | Parallel CLI 的原生技能 —— 代理内建的网络搜索、信息提取、深度研究、数据增强与监控功能。 | | qmd | 使用 qmd(一种结合 BM25、向量搜索与 LLM 重排序的混合检索引擎)在本地搜索个人知识库、笔记、文档及会议记录。 | | scrapling | 使用 Scrapling 进行网页抓取 —— 支持 HTTP 请求获取、隐身浏览器自动化、绕过 Cloudflare 保护,以及通过命令行和 Python 实现的爬虫抓取。 |


安全

技能描述
1Password设置并使用 1Password CLI(op)。安装 CLI 工具,启用桌面应用集成,登录账户,并读取或注入命令所需的密钥信息。
开源软件取证开源软件取证 —— 分析软件包、依赖关系及供应链风险。
sherlock在 400 多个社交平台中进行 OSINT 用户名搜索。通过用户名追踪其在各社交网络上的账号。

贡献可选技能

如需向仓库添加新的可选技能,请按以下步骤操作:

  1. optional-skills/<category>/<skill-name>/ 目录下创建一个新目录
  2. 添加一个 SKILL.md 文件,包含标准的前置元数据(名称、描述、版本、作者)
  3. 将任何支持文件放入 references/templates/scripts/ 子目录中
  4. 提交一个拉取请求 —— 技能将在合并后显示在此目录中