1. 从“龙虾”到“爱马仕”为什么你的 Agent 需要一次自进化 Harness 改造如果你最近在折腾 AI Agent大概率听过 OpenClaw 这个名字。2025 年底它靠“连接一切”的插件生态冲上 30 万 Star很多人第一次感受到 Agent 能帮自己干活。但用久了你会发现一个尴尬的现实它每次任务都是“失忆”的。今天你教它用某个内部 API 查数据明天它照样从头问你一遍。除非你手动去写 AGENTS.md、SOUL.md、USER.md 那一堆配置文件否则它永远停在原地。Hermes 走的是另一条路。它的官方定位就一句话“The agent that grows with you.” 翻成大白话就是——你用得越久它越懂你。核心差异不在“它能做什么”而在“它做完之后会发生什么”。OpenClaw 做完就结束Hermes 做完会复盘、会提炼、会写技能、会改自己的技能文件。这篇文章不讲空泛的架构图我直接带你在本地跑通一次完整的自进化循环。你会拿到可复制的config.toml骨架、CC Switch 的配置片段以及验证“自进化触发链路”是否真的生效的操作步骤。适合已经用过 OpenClaw 或任意 Agent 框架、想升级到“进化型”工作流的开发者。读完你能自己判断我的场景到底该继续用连接型还是切到进化型。先说清楚一个概念。Harness 这个词在 Agent 语境里指的是模型之外那一整套“让模型能稳定干活”的工程结构约束层、记忆层、反馈层、编排层、工具层。手动 Harness 靠人写配置自动 Harness 靠系统自己进化。Hermes 把五大组件全部内置并自动运转这才是它接棒 OpenClaw 的真正原因。2. TaoToken 前置给 Hermes 接上稳定的模型调用底座Hermes 本身是个 Agent 框架它不生产模型只负责调度模型。所以你要跑通自进化循环第一步是给它一个稳定的模型调用入口。我实测下来用 TaoToken 做底座比较省心因为它同时兼容 OpenAI 和 Anthropic 两套协议Hermes 里切换模型不用改代码。你需要的三件套是Base URL、API Key、Model ID。这三个东西在 Hermes 的config.toml里对应base_url、api_key、model三个字段。很多人卡在第一步就是因为把 Base URL 写成了官网首页正确写法是 API 端点。先拿到 Key。打开 https://taotoken.net/api-keys 登录后创建一个新 Key复制出来。注意这个 Key 只在创建时显示一次丢了就得重建。然后确认你的 Base URL。TaoToken 的 API 端点是https://taotoken.net/api注意不要带任何多余路径。如果你用的是 OpenAI 兼容模式Hermes 会自动在末尾拼/v1/chat/completions如果你用 Anthropic 兼容模式它会拼/v1/messages。两种模式在 Hermes 里通过provider字段区分。Model ID 这块你可以先去 https://taotoken.net/models 看一眼当前可用的模型列表。选一个你预算和延迟都能接受的比如做自进化复盘这种任务用中等能力的模型就够了没必要上最贵的。因为自进化循环会频繁调用模型做“提炼技能”和“评估效果”token 消耗比普通对话高不少。这里有个坑要提前说Hermes 的自改进学习循环默认会在任务结束后触发一次“复盘调用”如果你的模型响应太慢整个循环会卡住。所以建议给复盘单独配一个快模型主任务用强模型。这个在后面的config.toml里我会给出双模型配置。如果你还没决定用哪个模型可以先到 https://taotoken.net/chat 里手动对话几次感受一下不同模型的风格再决定往 Hermes 里填哪个 Model ID。这一步花五分钟能省掉后面反复改配置的麻烦。3. 可复制配置config.toml 骨架 CC Switch 片段这一节是全文的核心你直接抄就行。Hermes 的配置文件默认在~/.hermes/config.toml如果你用 Docker 部署就是容器里的/root/.hermes/config.toml。下面这份骨架我按“能跑通自进化循环”的最小可用集来写每个字段都标了作用。# ~/.hermes/config.toml # Hermes 自进化 Harness 最小可用配置 [agent] name hermes-local workspace ~/.hermes/workspace log_level info # ---------- 模型调用底座 ---------- [model] provider openai # 或 anthropic base_url https://taotoken.net/api # 注意不要带 /v1 api_key sk-你的TaoToken密钥 model 你的主任务模型ID # 从 taotoken.net/models 选 # 复盘专用快模型自进化循环高频调用 [model.review] provider openai base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 model 你的快模型ID # ---------- 三层记忆 ---------- [memory.session] backend sqlite db_path ~/.hermes/session.db fts5_enabled true max_turns_per_session 50 [memory.persistent] backend chromadb path ~/.hermes/persistent embedding_model all-MiniLM-L6-v2 [memory.skill] path ~/.hermes/skills auto_learn_enabled true min_tool_calls_to_create_skill 5 version_control git # ---------- 自进化开关 ---------- [evolution] enabled true auto_skill_creation true auto_skill_evolution true [evolution.triggers] failure_rate_threshold 0.1 # 失败率 10% 触发 user_feedback_threshold 2 # 低分反馈 ≥2 次触发 [evolution.circuit_breaker] enabled true max_failed_improvements 3 cooldown_minutes 30 # ---------- 安全边界 ---------- [security.sandbox] enabled true type docker workspace_access ro max_commands_per_minute 10 timeout_seconds 30 [security.approval] require_user_approval true dangerous_patterns [ rm\\s-rf\\s, DROP\\s(TABLE|DATABASE), sudo, chmod\\s777, \\|\\s*sh, dd\\sif/dev/zero ] # AI 不可修改的区域 [evolution.immutable_configs] paths [ security.sandbox, security.approval.dangerous_patterns, evolution.immutable_configs ]这份配置里最关键的是[evolution]段和[model.review]段。前者决定自进化循环开不开后者决定循环跑得快不快。我踩过的坑是一开始只配了主模型结果每次任务结束后的复盘调用都走同一个慢模型一个循环要等两分钟。后来拆出review模型循环时间降到 20 秒以内。接下来是 CC Switch 的配置片段。CC Switch 是用来在多个模型供应商之间快速切换的工具Hermes 配合它用可以在“主任务用强模型、复盘用快模型”之间自动切换。配置文件在~/.cc-switch/config.json{ providers: [ { name: taotoken-main, base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: 你的主任务模型ID, protocol: openai }, { name: taotoken-review, base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: 你的快模型ID, protocol: openai } ], routing: { default: taotoken-main, review: taotoken-review } }注意base_url三处必须完全一致都是https://taotoken.net/api。我见过有人主配置写对了CC Switch 里手滑写成https://taotoken.net/api/v1结果 404。三件套Base URL Key Model ID在任何一处出现都要保证完整且一致。配置写完跑一次hermes init --check验证语法。如果输出config valid说明骨架没问题。如果报unknown field多半是你抄的时候多了空格或少了引号。4. 验证请求跑通一次完整的自进化循环配置就绪后我们要验证的不是“Agent 能不能对话”而是“自进化触发链路能不能跑通”。这一步很多人跳过结果用了两周发现技能目录一直是空的。先启动 Hermeshermes run --config ~/.hermes/config.toml启动后你会看到日志里出现memory layer initialized、evolution loop armed两行说明三层记忆和自进化循环都加载了。如果只看到第一行检查[evolution] enabled是不是true。接下来制造一个“值得被提炼”的任务。自进化的触发条件之一是“工具调用 ≥5 次”。所以我们给 Agent 一个需要多步操作的任务比如hermes task 帮我把 ~/data 目录下所有 csv 文件合并成一个并统计每列的空值率这个任务会触发文件遍历、读取、合并、统计等多个工具调用。任务执行时你盯着日志会看到tool_call计数往上走。当计数超过 5任务结束后日志里应该出现[evolution] task completed, tool_calls7 [evolution] skill candidate detected [evolution] writing skill to ~/.hermes/skills/csv-merge-nullrate.md看到这三行说明自进化循环真的触发了。去~/.hermes/skills/目录下看一眼应该多了一个 Markdown 文件。打开它里面是 Agent 自己总结的“合并 CSV 并统计空值率”的方法论包含步骤和注意事项。然后验证“跨会话召回”。新开一个会话问一个相关但不完全相同的问题hermes task 上次那个 csv 合并的脚本能改成处理 tsv 吗如果 Agent 直接引用了刚才那个 skill 文件的内容而不是从头问你“什么是 csv”说明 FTS5 全文检索和技能召回都生效了。日志里会出现skill recalled: csv-merge-nullrate。最后验证“技能自改进”。对刚才的任务给一个低分反馈hermes feedback --last --score 1 --comment 空值率统计应该排除全空列连续给两次低分user_feedback_threshold 2第三次任务结束后日志里应该出现skill evolution triggered然后~/.hermes/skills/csv-merge-nullrate.md的内容会被自动修改加入“排除全空列”的逻辑。你可以用git log在 skills 目录里看到这次自动提交。到这里一次完整的“执行 → 提炼 → 召回 → 改进”循环就跑通了。整个过程不需要你手动写任何 skill 文件这就是自动 Harness 和手动 Harness 的本质区别。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth自进化循环跑不通九成问题出在模型调用层而不是 Hermes 本身。下面这几个报错我都在真实环境里遇到过按顺序排查基本能解决。报错一401 UnauthorizedError: model request failed: 401 Unauthorized这是 Key 的问题。先确认config.toml里api_key字段没有多余空格然后确认这个 Key 在 https://taotoken.net/api-keys 里还是 active 状态。如果 Key 没问题检查base_url是不是写成了https://taotoken.net/api/末尾多了斜杠有些 HTTP 客户端会把双斜杠当成路径错误导致鉴权头没带上。正确写法就是https://taotoken.net/api不带末尾斜杠。报错二local proxy failedError: local proxy failed: connection refused这个报错通常出现在你本地配了某个转发工具但工具没启动。Hermes 本身不需要任何本地转发它直接请求base_url。如果你看到这个错先检查环境变量里有没有HTTP_PROXY、HTTPS_PROXY之类的设置有的话临时 unset 掉再启动 Hermes。另外 Docker 部署时容器内的localhost指向容器自己不是宿主机如果你在配置里写了localhost相关的地址改成实际可达的地址。报错三reading choicesError: reading choices: unexpected end of JSON input这个报错说明模型返回了空响应或非 JSON 格式。常见原因是 Model ID 写错了请求打到了一个不存在的模型上服务端返回了错误页而不是 JSON。去 https://taotoken.net/models 核对一下你填的 Model ID 是否在列表里。另一个原因是provider字段和实际协议不匹配比如你填了anthropic但 Base URL 走的是 OpenAI 兼容端点返回格式对不上。把provider改成openai再试。报错四OAuth 相关错误Error: oauth token expiredHermes 某些版本会尝试用 OAuth 方式鉴权但 TaoToken 用的是 API Key 模式。如果你看到 OAuth 报错说明配置里混入了 OAuth 相关的字段。检查config.toml里有没有oauth_token、refresh_token之类的键全部删掉只保留api_key。然后在 CC Switch 的config.json里也确认protocol是openai或anthropic不是oauth。报错五自进化循环不触发日志里没有任何[evolution]开头的行。先确认[evolution] enabled true再确认min_tool_calls_to_create_skill没有被你调得过高默认 5。如果任务确实调用了 5 次以上工具但没触发检查[evolution.circuit_breaker]是不是处于熔断状态——连续 3 次改进失败后会冷却 30 分钟日志里会有circuit breaker open。等冷却结束或把max_failed_improvements临时调大。排查顺序建议先看 401再看 base_url再看 Model ID最后看 evolution 开关。这四步能覆盖 95% 的问题。6. 长期编码与 Agent 工作流把自进化 Harness 用起来跑通一次循环只是开始真正有价值的是把它变成日常。如果你打算长期用 Hermes 做编码或 Agent 任务有几个实践建议。第一给不同任务类型配不同的模型路由。写代码用强模型复盘和技能提炼用快模型这个在[model.review]里已经配好了。如果你任务量大可以考虑上 Coding Plan把模型调用成本压下来具体可以看 https://taotoken.net/coding-plan 。第二定期检查~/.hermes/skills/目录。自进化会不断往里写文件时间长了可能积累一些低质量技能。建议每周用git log看一眼自动提交记录把明显没用的 skill 删掉。Hermes 不会自动删除技能只会新增和修改所以人工清理是必要的。第三安全边界不要动。[evolution.immutable_configs]里列的那些路径是防止 AI 自己改自己的安全规则。我见过有人为了“让 Agent 更自由”把security.sandbox从 immutable 列表里删掉结果 Agent 在一次任务里尝试执行rm -rf被沙箱拦了但因为它能改沙箱配置第二次就绕过去了。这个口子绝对不能开。第四如果你想在 Claude Code 或类似工具里复用这套 Harness 思路可以参考 https://taotoken.net/doc 里的接入文档把 Base URL 和 Key 填进去Model ID 选一个支持长上下文的。Claude Code 的配置文件和 Hermes 不通用但三件套的逻辑是一样的。第五自进化循环的 token 消耗比普通对话高因为每次任务结束都要额外调一次复盘模型。如果你发现账单涨得快先把auto_skill_evolution关掉只保留auto_skill_creation等技能库稳定了再开进化。或者把复盘模型的max_tokens调小复盘不需要长篇大论。最后说一个我自己的用法我把 Hermes 挂在服务器上用 cron 每天凌晨跑一次“技能库整理”任务让它自己回顾过去 24 小时的技能文件合并重复的、删除过时的。这个任务本身也会触发自进化相当于 Agent 在“睡觉时”整理自己的记忆。跑了一周后技能库从 40 多个文件精简到 18 个召回准确率反而提升了。如果你还没开始现在就可以按第 3 节的配置抄一份跑第 4 节的验证流程。第一次看到 Agent 自己写出 skill 文件的时候你会明白“进化型”和“连接型”的差距到底在哪。
完整对比与选型指南)
