1、从 Harness 到 Hermes：当 AI 学会为自己套上缰绳，自改进智能体时代已来

从 Harness 到 Hermes：当 AI 学会为自己套上缰绳，自改进智能体时代已来

从 Prompt 到 Context 再到 Harness，深度拆解 Hermes Agent 如何将手动“驾驭工程”转化为全自动“自进化飞轮”

前言：一个 10 周增长 11 万 Star 的背后

2026 年 2 月 25 日，Nous Research 开源了 Hermes Agent。10 周后，它的 GitHub Star 突破 11 万，日均 Token 消耗量从 20 亿飙升至 3000 亿，登顶 OpenRouter 全球 AI Agent 调用量榜首。与此同时，一个更接地气的术语在开发者社群中流行开来——“养马”，与 OpenClaw 的“养龙虾”并肩成为圈内黑话。

11 万 Star 是表象，真正让开发者为之兴奋的，是 Hermes 喊出的那句口号：“运行时间越长，能力就越强。”Hermes Agent 并不是一个绑定在 IDE 中的编程 Copilot，也不是仅封装了单一 API 的聊天机器人外壳，它是一个部署在服务器上的自主智能体，能够记住所学内容，并且运行时间越长，能力就越强。

这句话之所以掷地有声，是因为它触及了一个行业痛点：大多数 AI Agent 每次会话结束就归零，像金鱼一样只有 7 秒记忆。而 Hermes 宣称要让 Agent 真正“学会学习”。

这一切，根植于 2026 年 AI 工程领域最核心的方法论——Harness Engineering（驾驭工程）。

一、从 Harness 到 Hermes：一条认知重构的线索

1.1 什么是 Harness Engineering？30 秒讲懂

Harness 一词的本意是“马具”——缰绳、马鞍、嚼子、马蹄铁。2026 年，这个概念被引入 AI 工程语境，完成了一个朴素但深刻的认知重构：

Agent（智能体） = Model（模型） + Harness（驾驭系统）

在这个等式中，模型是那匹强大的野马——它能跑、能跳、有无限潜能，但它自己不知道该往哪跑。Harness 是套在马身上的缰绳和马具，骑手（人类工程师）给出方向，Harness 把力量转化为可控行动。

Harness Engineering（驾驭工程）本质上是在回答一个问题：决定 Agent 能否上线的，不是你写了哪条 Prompt，甚至不只是你选了哪个模型，而是你给模型搭了什么样的运行系统。

它处理的是模型外面的那一整层工程问题——任务怎么拆解、上下文怎么管理、工具怎么编排、权限怎么设定、状态怎么交接、做完怎么验证、失败怎么恢复。这不是一条 Prompt 能解决的，而是完整的系统设计问题。

1.2 AI 工程的二次跃迁：从提示词到上下文再到 Harness

要真正理解 Harness Engineering 的分量，需要把视野拉长到更宏大的技术史维度。

Prompt Engineering 解决的是“怎么跟模型说话”，通过精心雕琢指令措辞、Few-shot、Chain-of-Thought 来诱导模型给出正确答案。Context Engineering 聚焦于“模型应该看到什么”，通过 RAG、知识库、动态上下文注入等方式，让模型拥有实时、准确的外部知识。

而 Harness Engineering 突破的是“让 AI 可靠落地”的瓶颈——把模型看作一个“不可控的引擎”，需要在外部构建复杂的 Harness 来驯服它。最有效的 Harness 不是纯粹依赖 AI，而是结合传统的静态代码分析工具、结构测试等确定性方法，与 LLM 的灵活推理能力。

1.3 Harness Engineering 的三个决定性瞬间

2025 年 11 月，Anthropic 发布《Effective Harnesses for Long-Running Agents》，率先在实践层面提出了 Harness 的概念。

2026 年 2 月 5 日，HashiCorp 联合创始人 Mitchell Hashimoto 在博客中写下了一段影响深远的定义：“Harness engineering is the idea that anytime you find an agent makes a mistake, you take the time to engineer a solution such that the agent will not make that mistake again in the future.”——每当发现 Agent 犯错，就工程化一个方案，让它未来不再重蹈覆辙。

六天后，OpenAI 在官方博客中正式采用了这一术语；Martin Fowler 随后撰文深度解析。一个月内，Harness Engineering 成为了 2026 年 AI 工程领域最核心的新范式。

1.4 Harness 的六大核心组件

一套完整的 Harness 系统大致包含以下六个核心部分：

Google DeepMind 的 Staff Engineer Philipp Schmid 甚至给出了一个更尖锐的判断：“Harness is the Dataset.”——Harness 本身就是数据集。现在的竞争壁垒，在于你的 Harness 能捕获到怎样的执行轨迹。

1.5 Hermes 与 OpenClaw：两种 Harness 哲学的正面交锋

Hermes 和 OpenClaw 分别代表了两种截然不同的 Harness 设计哲学：

OpenClaw 诞生于 2025 年 11 月，累计斩获超过 34.6 万 GitHub Stars。它是一个中央 WebSocket 网关，设计哲学是“最大化覆盖面”——让 Agent 在尽可能多的平台上运行。其 Harness 核心是连接。

Hermes 则走了一条完全不同的路。它的设计哲学是“让 AI 从经验中学习”，而不是每次会话结束就归零。其 Harness 核心是进化。

在 2026 年 5 月的数据中，Hermes 以日均 2710 亿 Token 调用量正式超越 OpenClaw（2450 亿），位居 OpenRouter 全球调用量第一。这并非简单的“排名变化”，而是两种 Harness 哲学在市场竞争中的分野信号。

二、Hermes 的五大核心组件：一个手工 Harness 如何进化为全自动系统

如果我们把 Harness 的六大组件映射到 Hermes 身上，会发现 Hermes 把这套体系全部实现了，而且关键区别在于——它不是人类工程师在维护这套 Harness，而是 Agent 自己在维护和升级自己的 Harness。

2.1 组件一：指令（系统提示词 + Persona）

指令层定义 Agent 的身份、目标和行为边界。Hermes 通过 SOUL.md 文件定义 Agent 的人格，通过系统提示词约束 Agent 的角色定位和行为准则。

与传统 Harness 的区别在于：Hermes 的指令层会动态进化。当 Agent 发现某种表达方式更容易被用户理解、或者某种提示词结构更容易触发正确工具时，它会通过 GEPA（Generalized Evolutionary Prompt Adaptation）算法自行微调系统提示词的表达方式。

2.2 组件二：约束（护栏与安全边界）

约束层限定 Agent 的行动边界。Hermes 通过 forbidden_tools 白名单、Shell 执行沙箱（Docker/SSH 后端）和 config.yaml 中的安全开关来实现约束。

但 Hermes 不仅仅执行静态约束。当 Agent 在某个 Skill 的执行过程中发现某个操作会反复触发安全边界导致任务失败时，它会在 SKILL.md 中自动添加对应的“禁止操作”条目。也就是说，约束不是人类程序员一次性写死的，而是 Agent 在执行中自己学出来的。

2.3 组件三：反馈（验证与纠正信号）

反馈层是最能体现 Hermes 核心优势的地方。Hermes 的反馈回路包含：

• 显式反馈：用户直接给出的评分或修正指令
• 隐式信号：对话时长、任务完成率、用户修正指令发出的次数等行为数据
• 工具调用失败信号：当某个工具调用返回错误码时，Hermes 会将其记录为失败样本，供后续优化使用

传统 Harness 的反馈通常是人类给 Agent。而在 Hermes 架构中，反馈信号的一部分来自 Agent 自己的执行复盘。当 Agent 累计完成 15 次工具调用后，它会自动触发反思流程，从成功和失败的执行中提取经验。

什么是 15 次工具调用的触发逻辑？Hermes 内置了调用计数器，当某个工具的调用频次达到 15 次时，自动触发 GEPA 进化流程——对错误样本做 SHAP 归因分析，在参数空间内蒙特卡洛搜索，生成 3 组候选提示词变体，通过 A/B 测试选择最优组合。

2.4 组件四：记忆（上下文与状态持久化）

记忆层是 Harness 的核心支柱。Hermes 的三层记忆体系让“记忆”从功能变成了机制：

MEMORY.md（上限 2,200 字符）存储环境事实和项目约定；USER.md（上限 1,375 字符）存储用户偏好和沟通风格。两个文件容量设定极紧，倒逼 Agent 在有限空间内做信息压缩——超过上限时，memory_tool.py 的执行路径会直接失败并返回当前所有条目，由模型自己决定删除或替换哪些不重要的信息，而不是静默丢弃或无限膨胀。对比 OpenClaw 的纯追加模式，这种“信息蒸馏”式的设计让 Hermes 的记忆始终维持在高密度的可用状态。

2.5 组件五：编排（任务拆解与子 Agent 调度）

编排层解决的是“大型复杂任务如何处理”。Hermes 支持主 Agent 通过 delegate_task 工具派生子 Agent，每个子 Agent 拥有隔离的上下文和独立的工具集。Hermes 的受限资源限制最多支持 3 个并行子 Agent。

编排层同样具备“自学习”能力。当一个多步骤任务通过子 Agent 编排成功完成时，Hermes 会自动将这一整条执行链路（主 Agent 拆解 → 子 Agent 分工 → 结果聚合）封装为一个 SKILL.md 文件。下次遇到类似任务，Agent 直接调用该 Skill，无需重新规划编排策略。

这意味着，Hermes 不仅仅是一个执行 Harness 的 Agent，它还是一个自我迭代的 Harness——指令、约束、反馈、记忆、编排这五大组件，都不是静态配置，而是 Agent 在使用过程中不断自优化的动态系统。

三、Hermes 如何把手工 Harness 变成全自动系统

理解五大组件之后，现在需要回答一个更关键的问题：这一切是怎么自动发生的？

答案藏在 Hermes 的学习循环中。

3.1 学习循环：从经验到能力的转化引擎

Hermes 的学习循环贯穿 Agent 的每一次任务执行。当 Hermes 完成一个任务（调用工具较多、从错误中恢复、用户给了修正指令）后，它会自动执行三阶段处理：

这个闭环的本质是将“能力生产”的工作从开发者手中交给了 Agent 本身——Hermes 让 Agent 自己生长能力。

3.2 主动反思：Nudge Engine 的定期复盘

除了任务完成后的被动生成，Hermes 还有一个主动机制：Nudge Engine。它就像一个“定时闹钟”，定期提醒 Agent 回头看看有没有值得记忆的东西。通过配置 nudge_interval，Agent 会在指定时间间隔后主动复盘近期对话，提取值得长期保存的信息，写入 MEMORY.md 或 USER.md。

这种“被动触发 + 主动复盘”的双重设计，确保了经验的流失率降到最低。每次交互产生的结构化数据会被三阶段化处理，形成一个“执行 → 反思 → 进化 → 再执行”的持续飞轮。

3.3 GEPA 算法：离线的批量进化引擎

真正支撑 Hermes“越用越强”的底层技术是 GEPA（Generalized Evolutionary Prompt Adjustment） 算法。

实验数据显示，在代码生成场景中，经过 200 次任务迭代后，Hermes 的代码通过率从初始的 67% 提升至 92%，而传统智能体在相同任务量下性能仅提升 5%。

四、五步循环 vs 五大组件的映射：当 Harness 学会自己迭代

让我们用一个完整的视角来审视 Hermes 的架构——五步运行循环（学习循环）如何映射到五大组件（Harness 系统）上，构成一个双向约束、持续进化的自改进闭环。

#mermaid-svg-lyBzHvma3TyLtCys{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-lyBzHvma3TyLtCys .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-lyBzHvma3TyLtCys .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-lyBzHvma3TyLtCys .error-icon{fill:#552222;}#mermaid-svg-lyBzHvma3TyLtCys .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-lyBzHvma3TyLtCys .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-lyBzHvma3TyLtCys .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-lyBzHvma3TyLtCys .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-lyBzHvma3TyLtCys .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-lyBzHvma3TyLtCys .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-lyBzHvma3TyLtCys .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-lyBzHvma3TyLtCys .marker{fill:#333333;stroke:#333333;}#mermaid-svg-lyBzHvma3TyLtCys .marker.cross{stroke:#333333;}#mermaid-svg-lyBzHvma3TyLtCys svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-lyBzHvma3TyLtCys p{margin:0;}#mermaid-svg-lyBzHvma3TyLtCys .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-lyBzHvma3TyLtCys .cluster-label text{fill:#333;}#mermaid-svg-lyBzHvma3TyLtCys .cluster-label span{color:#333;}#mermaid-svg-lyBzHvma3TyLtCys .cluster-label span p{background-color:transparent;}#mermaid-svg-lyBzHvma3TyLtCys .label text,#mermaid-svg-lyBzHvma3TyLtCys span{fill:#333;color:#333;}#mermaid-svg-lyBzHvma3TyLtCys .node rect,#mermaid-svg-lyBzHvma3TyLtCys .node circle,#mermaid-svg-lyBzHvma3TyLtCys .node ellipse,#mermaid-svg-lyBzHvma3TyLtCys .node polygon,#mermaid-svg-lyBzHvma3TyLtCys .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-lyBzHvma3TyLtCys .rough-node .label text,#mermaid-svg-lyBzHvma3TyLtCys .node .label text,#mermaid-svg-lyBzHvma3TyLtCys .image-shape .label,#mermaid-svg-lyBzHvma3TyLtCys .icon-shape .label{text-anchor:middle;}#mermaid-svg-lyBzHvma3TyLtCys .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-lyBzHvma3TyLtCys .rough-node .label,#mermaid-svg-lyBzHvma3TyLtCys .node .label,#mermaid-svg-lyBzHvma3TyLtCys .image-shape .label,#mermaid-svg-lyBzHvma3TyLtCys .icon-shape .label{text-align:center;}#mermaid-svg-lyBzHvma3TyLtCys .node.clickable{cursor:pointer;}#mermaid-svg-lyBzHvma3TyLtCys .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-lyBzHvma3TyLtCys .arrowheadPath{fill:#333333;}#mermaid-svg-lyBzHvma3TyLtCys .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-lyBzHvma3TyLtCys .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-lyBzHvma3TyLtCys .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-lyBzHvma3TyLtCys .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-lyBzHvma3TyLtCys .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-lyBzHvma3TyLtCys .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-lyBzHvma3TyLtCys .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-lyBzHvma3TyLtCys .cluster text{fill:#333;}#mermaid-svg-lyBzHvma3TyLtCys .cluster span{color:#333;}#mermaid-svg-lyBzHvma3TyLtCys div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-lyBzHvma3TyLtCys .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-lyBzHvma3TyLtCys rect.text{fill:none;stroke-width:0;}#mermaid-svg-lyBzHvma3TyLtCys .icon-shape,#mermaid-svg-lyBzHvma3TyLtCys .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-lyBzHvma3TyLtCys .icon-shape p,#mermaid-svg-lyBzHvma3TyLtCys .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-lyBzHvma3TyLtCys .icon-shape .label rect,#mermaid-svg-lyBzHvma3TyLtCys .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-lyBzHvma3TyLtCys .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-lyBzHvma3TyLtCys .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-lyBzHvma3TyLtCys :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

五步学习循环

Hermes Harness 五大组件

反馈到组件自动优化配置

更新约束边界

丰富反馈模式

扩充记忆库

优化编排策略

自改进成果

📁 Skill库持续增长

⚡ 工具调用次数下降

🎯 用户干预减少

🧠 组件一：指令SOUL.md + 系统提示词

🛡️ 组件二：约束forbidden_tools + 沙箱

🔄 组件三：反馈工具返回码 + 用户修正

📚 组件四：记忆MEMORY.md/USER.md + 技能库

🎯 组件五：编排delegate_task + 子Agent

1️⃣ 执行任务调用5+次工具

2️⃣ 自动识别可复用操作序列

3️⃣ 生成Skill结构化SKILL.md文件

4️⃣ 持续优化Nudge Engine主动复盘

5️⃣ 批量进化GEPA算法离线迭代

这张图揭示了一个关键事实：Hermes 不仅实现了 Harness 的全部组件，还让这些组件具备了自我优化的能力。 Harness 的五大组件不是静态配置文件，而是随着 Agent 的学习循环不断迭代的动态系统：

• 指令层在进化：通过 GEPA 算法，提示词结构和表达方式会持续优化。系统提示词不再是人类一次性写定的“宪法”，而是运行中不断修撰的“活文档”。

• 约束层在完善：当 Agent 在执行某个 Skill 时发现某个操作反复触发安全边界或工具调用失败，它会自动在 Skill 文件中添加对应的约束说明。安全护栏不是静态的规则表，而是由 Agent 自己的执行经验打磨出来的“行为边界”。

• 反馈层在扩展：每一轮执行生成的轨迹数据（成功与否、工具调用序列）都会进入经验缓冲区，作为 GEPA 下一轮进化的训练材料。feedback 不是单向的，而是闭环的。

• 记忆层在蒸馏：MEMORY.md 和 USER.md 的容量上限迫使 Agent 只保留高密度信息，而过时的内容会被自动挤出。冷记忆（SQLite + FTS5）承担全量归档，温记忆维持高密度的可用状态。

• 编排层在固化：成功的多子 Agent 协作链路会被自动封装为 Skill，下次遇到同类任务直接复用编排策略。复杂的编排逻辑不必人工维护，而是从实践中“长出来”的。

一句话总结：Hermes = 一个会自己优化自己 Harness 的 Agent。

五、思考：当 Harness 自己学会迭代，意味着什么？

5.1 AI 工程化的终极方向？

Harness Engineering 的兴起标志着 AI 竞争的焦点正在从“模型能力”转移到“系统能力”。能够跑通这条闭环的 Agent，不再是一个被动等待指令的工具，而是一个能够主动进化的“数字同事”。

Google DeepMind 工程师 Philipp Schmid 的论断“Harness is the Dataset”向行业传达了更深层的信息：Harness 的价值不仅在于保障 Agent 的稳定运行，更在于它持续产生的高质量执行轨迹。这些轨迹是下一代模型训练的最优质数据——用真实环境中的大量执行数据为未来更强的基础模型做燃料。

5.2 Agent = Model + Harness 的终极形态

在手工 Harness 时代，Agent = Model +（手动配置的指令、约束、反馈、记忆、编排）。Agent 的优化依赖人类工程师不断地配置、调试、迭代。

在 Hermes 的进化型 Harness 架构中，这个等式变成：

Agent = Model +（Agent 自己维护的 Harness）

Agent 通过学习循环不断从执行反馈中提取经验，自我优化自己的 Harness 组件。指令是 Agent 自己调优的，约束是 Agent 自己发现的，反馈是 Agent 自己利用的，记忆是 Agent 自己蒸馏的，编排是 Agent 自己固化的。

这是 Harness Engineering 的终点：人类不再调教 Agent，而是训练 Agent 自己调教自己。模型仍然是那匹野马，但缰绳不再握在骑手手中——马学会了给自己套缰绳。

📌 延伸阅读

• Hermes Agent GitHub 官方仓库
• 深度解析 Hermes Agent：Prompt / Context / Harness 的设计实践
• Harness is the New Dataset：模型智能提升的下一个关键方向
• 2026 AI智能体框架双雄争霸：自我进化型与企业级架构的巅峰对决

💬 你如何看待“Harness Engineering”这个新范式？Hermes 的自我进化能力让 AI 真正变强了吗？欢迎在评论区分享你的观点和实际体验！

原创不易，欢迎点赞、收藏、转发