Skill Auto-Creation¶

AI Agent从工作经验中自动提炼和创建可复用技能的机制

核心概念¶

Skill Auto-Creation是AI Agent的核心能力，指系统能够在执行任务过程中，自动将有价值的经验教训提炼为可复用的技能，实现"干完活就变强"的闭环学习。

基本原理¶

经验转化：将单次任务执行的成功经验转化为标准化技能
增量学习：通过局部修补持续优化现有技能
模式识别：从重复任务中发现可复用的工作流
质量保证：安全扫描确保自动创建技能的可靠性

触发机制¶

创建触发条件¶

频率触发：同一类工具调用超过5次
问题修复：成功解决复杂问题后
用户纠正：用户修正Agent错误后的经验
新场景覆盖：遇到前所未见的问题并解决

自我修补触发¶

执行时发现遗漏：运行时识别技能文档缺陷
使用反馈：从执行结果中发现问题
用户反馈：用户指出的不足之处
系统审计：后台审查发现的改进空间

实现架构¶

目录结构¶

~/.hermes/skills/
├── <category>/           # 技能分类
│   ├── <name>/          # 技能名称
│   │   ├── SKILL.md     # 技能定义
│   │   ├── USAGE.md     # 使用统计
│   │   └── META.md      # 元数据
│   └── ...
└── index.json           # 技能索引

技能定义格式¶

# 技能名称

## 触发条件
[技能被激活的场景描述]

## 执行步骤
1. 步骤一
2. 步骤二
...

## Pitfalls（踩坑经验）
- 常见错误1：描述+解决方案
- 常见错误2：描述+解决方案

## 关联技能
- [相关技能1](#相关技能1)
- [相关技能2](#相关技能2)

关键特性¶

渐进式加载¶

索引模式：系统提示词只放技能索引，节省token
按需加载：实际使用时才加载完整技能内容
缓存机制：常用技能保持预加载状态
智能调度：根据使用频率优化加载策略

安全保障¶

内容扫描：防prompt injection，检查安全风险
自动回滚：技能执行失败时自动回退到安全版本
权限控制：关键操作需要用户确认
审计日志：所有技能创建和修改都有记录

自我修复¶

fuzzy_find_and_replace：精确的文本替换技术
渐进式修补：保留已验证的部分，只修改有问题部分
版本管理：技能版本控制，支持回退历史版本
A/B测试：新技能版本通过小范围验证后再推广

性能优化¶

工具调用减少¶

K8s部署案例：从12次调用降到6次
错误率下降：从16.7%降到0%
效率提升：Skill复用减少75%的重复操作

响应速度¶

并行加载：多个技能可同时加载
预加载策略：预测性加载可能需要的技能
缓存优先：缓存命中时直接使用，无需重新解析

对比分析¶

设计模式	优势	劣势
Hermes自动创建	从工作中学习，持续进化	实现复杂度高
OpenClaw手写	精准控制，质量可控	扩展性差，手动维护成本高
混合模式	兼顾控制力和效率	需要平衡自动和手动

应用场景¶

开发运维¶

部署脚本：常见的部署流程标准化
故障排查：常见问题的排查步骤自动化
代码审查：标准化的代码检查流程
文档生成：项目文档的自动生成模板

业务运营¶

客户服务：常见问题的标准回复模板
数据分析：常规分析流程的标准化
报告生成：定期报告的自动化生成
质量检查：质量控制的标准化流程

关联概念¶

AI Agent Self-Improving - 自改进系统的技能机制
Memory Management - 技能创建的记忆基础
Real-world AI Applications - 实际应用中的技能价值

创建时间：2026-04-23
数据来源：Hermes Agent源码分析
技术参考：自动化技能工程