Hermes Agent 调教实录（零）：AI Agent 靠不靠谱？我用 200 次对照实验告诉你
Hermes Agent 调教实录 · 0/8 | 实验批次：HERMES-101~105 + 云端复现 基于 Hermes Agent v0.20.0 实测（2026-08，deepseek-v4-flash）
📖 摘要：同一个模型，有人配的 Agent 指哪打哪，有人配的却脱缰野马。本文用 200 多次对照实验研究 Agent 配置——约束文件、记忆、技能、交付包、多轮对话，每一层都有实测数据和可复现的方法。系列八篇，从「AGENTS.md 怎么写」到「怎么验收」，给你一套可验证的配置方法论。
为什么写这个系列
做 AI 应用交付的这段时间，我见过最多的场景不是「模型能力不行」，而是「同一个模型，换个人配就完全两个样」。
同一个 LLM，有人配出来的 Agent 指哪打哪：格式稳定、来源可查、写完自测；有人配出来的 Agent 像脱缰野马：答非所问、编造数据、反复返工。
差别在哪？大多数人归因于「提示词写得好不好」。但我们在交付实践中发现，答案远不止提示词——约束文件、记忆、技能、验收，每一层都在决定 Agent 的靠谱程度。
问题是：这些说法全是「经验之谈」。经验之谈最大的问题——你没法验证它，也没法反驳它。
所以我们决定换一种方式：用对照实验，把「Agent 配置」这件事变成可测量的数据。
我们做了什么
从 2026 年 8 月的一天开始，我们搭了一个实验体系：
- 实验载体：Hermes Agent v0.20.0（开源，官方文档可查），模型统一 deepseek-v4-flash
- 隔离环境：独立 profile（一个完全干净的 Agent 环境，不碰生产配置）
- 同一张考卷：4 个约束敏感型任务（格式转换 / 技能使用 / 报告写作 / 代码自测）——选这些任务是因为它们「无约束时 Agent 不会自觉做，有约束时 Agent 会遵守」，是配置效果的试金石
- 六维评估：一次成功率、达标率、自我修正次数、成本、稳定性、退化风险
- 对照组：每个实验都有「无配置」基线，跑完基线才开测变体
六个实验批次，累计 200+ 次 Agent 会话，覆盖：约束文件（AGENTS.md / SOUL / USER / MEMORY）、记忆管理、技能架构、交付包组装、多轮对话，最后在云端生产环境做了结论复现。
这套方法本身，你也能用
这个系列不只给结论，也给方法——怎么设计一个对照实验去验证「你的配置有没有用」。完整流程：
#mermaid-svg-sF10L2lHpY965MQA{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-sF10L2lHpY965MQA .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-sF10L2lHpY965MQA .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-sF10L2lHpY965MQA .error-icon{fill:#552222;}#mermaid-svg-sF10L2lHpY965MQA .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-sF10L2lHpY965MQA .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-sF10L2lHpY965MQA .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-sF10L2lHpY965MQA .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-sF10L2lHpY965MQA .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-sF10L2lHpY965MQA .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-sF10L2lHpY965MQA .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-sF10L2lHpY965MQA .marker{fill:#333333;stroke:#333333;}#mermaid-svg-sF10L2lHpY965MQA .marker.cross{stroke:#333333;}#mermaid-svg-sF10L2lHpY965MQA svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-sF10L2lHpY965MQA p{margin:0;}#mermaid-svg-sF10L2lHpY965MQA .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-sF10L2lHpY965MQA .cluster-label text{fill:#333;}#mermaid-svg-sF10L2lHpY965MQA .cluster-label span{color:#333;}#mermaid-svg-sF10L2lHpY965MQA .cluster-label span p{background-color:transparent;}#mermaid-svg-sF10L2lHpY965MQA .label text,#mermaid-svg-sF10L2lHpY965MQA span{fill:#333;color:#333;}#mermaid-svg-sF10L2lHpY965MQA .node rect,#mermaid-svg-sF10L2lHpY965MQA .node circle,#mermaid-svg-sF10L2lHpY965MQA .node ellipse,#mermaid-svg-sF10L2lHpY965MQA .node polygon,#mermaid-svg-sF10L2lHpY965MQA .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-sF10L2lHpY965MQA .rough-node .label text,#mermaid-svg-sF10L2lHpY965MQA .node .label text,#mermaid-svg-sF10L2lHpY965MQA .image-shape .label,#mermaid-svg-sF10L2lHpY965MQA .icon-shape .label{text-anchor:middle;}#mermaid-svg-sF10L2lHpY965MQA .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-sF10L2lHpY965MQA .rough-node .label,#mermaid-svg-sF10L2lHpY965MQA .node .label,#mermaid-svg-sF10L2lHpY965MQA .image-shape .label,#mermaid-svg-sF10L2lHpY965MQA .icon-shape .label{text-align:center;}#mermaid-svg-sF10L2lHpY965MQA .node.clickable{cursor:pointer;}#mermaid-svg-sF10L2lHpY965MQA .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-sF10L2lHpY965MQA .arrowheadPath{fill:#333333;}#mermaid-svg-sF10L2lHpY965MQA .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-sF10L2lHpY965MQA .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-sF10L2lHpY965MQA .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-sF10L2lHpY965MQA .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-sF10L2lHpY965MQA .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-sF10L2lHpY965MQA .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-sF10L2lHpY965MQA .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-sF10L2lHpY965MQA .cluster text{fill:#333;}#mermaid-svg-sF10L2lHpY965MQA .cluster span{color:#333;}#mermaid-svg-sF10L2lHpY965MQA 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-sF10L2lHpY965MQA .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-sF10L2lHpY965MQA rect.text{fill:none;stroke-width:0;}#mermaid-svg-sF10L2lHpY965MQA .icon-shape,#mermaid-svg-sF10L2lHpY965MQA .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-sF10L2lHpY965MQA .icon-shape p,#mermaid-svg-sF10L2lHpY965MQA .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-sF10L2lHpY965MQA .icon-shape .label rect,#mermaid-svg-sF10L2lHpY965MQA .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-sF10L2lHpY965MQA .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-sF10L2lHpY965MQA .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-sF10L2lHpY965MQA :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
立考卷（4 个约束敏感型任务）
定基线（无配置先跑，自检通过）
跑对照（每变体 N 任务 × 3 轮）
控制变量（同任务/同模型，只改一个变量）
六维评估（成功率/达标率/修正/成本/稳定/退化）
结论沉淀（带环境版本，可追溯）
系列地图
| 零 | 系列总览与方法 | 为什么用对照实验研究 Agent 配置（本篇） |
| 一 | AGENTS.md 怎么写 | 约束文件怎么写，Agent 才真的听话？ |
| 二 | 记忆怎么管 | 给 Agent 写记忆有什么学问？ |
| 三 | 技能怎么写 | 技能怎么写，才不会被 Agent 无视？ |
| 四 | 交付包怎么配 | 约束叠加到什么程度会翻车？ |
| 五 | 多轮对话 | 和 Agent 聊 8 轮，怎么不跑偏？ |
| 六 | 怎么验收 | 怎么证明一个 Agent 真的靠谱？ |
| 七 | 七条铁律 | 200 次实验的结论汇总 |
先说三个最重要的发现
这个系列有 7 个结论，但如果你只记三条，记住这些：
这些结论全部来自实测数据，每一篇都有完整的实验设计和数据表，你可以自己复现。
源码与实验记录
本系列的实验记录、数据、模板全部可查：约束文件模板、记忆模板、技能架构判据、验收考卷——散落在各篇文章里，可直接复制使用。
系列第一篇，我们从最基础也最重要的开始：AGENTS.md 到底怎么写，Agent 才真的听话？
💬 你给 Agent 写过约束文件吗？效果怎么样？欢迎评论区聊聊你的配置翻车经历。
下一篇：Hermes Agent 调教实录（一）：AGENTS.md 怎么写，AI Agent 才真的听话？
