用 Skill 升级备忘录：分类与提醒HERMES & AGENT ENGINEERING · 课时 05

5.1 升级什么

「未完成」已经能用了。一句记录、一条 Memory、三个文件工具，随手记东西很方便。但有些需求，它的确搞不定。

我用了一周，发现两个问题。

第一个是没有分类。原始版的未完成就是把你的话记下来，不加区分。你可能记了「明天下午三点开会」，也记了「帮妈妈买个生日礼物」，还记了一段「这本书的观点很有意思」。它们全混在一个文件里，按时间排。问「帮我看看这周的工作待办有哪些」，Hermes 只能把整个文件读一遍，靠猜来筛选。记的东西多了，纯靠关键字搜索有问题。

第二个是没有提醒。原始未完成只管记，不管什么时候提醒你。你跟它说「周六下午三点去取快递」，它会记下这句话，但到了周六下午它不会主动给你推消息。它不是忘了——是根本没有推送通知的能力。

所以这一节，我们给未完成补上两个功能：加上结构化的分类，加上定时提醒。

5.2 两个维度：对内容分类，是否提醒

先按内容分五个大类：

工作待办。 会议、任务、截止日期、需要协作的事项。

生活日常。 买菜、缴费、修东西、家人交代的琐事。

想法灵感。 突然想到的点子、想尝试的方案、写作素材。

学习笔记。 读书摘录、课程要点、技术笔记。

收藏。 想看的文章链接、别人推荐的工具。

我拿我过去一周记的所有东西试了一遍，五个类别全装进去了。

然后再多一个维度：需不需要提醒。

同样一条记录，可能有截止日期也可能没有。举个例子：

• 「下周一交周报」→ 属于工作待办，需要提醒 → 到点推送飞书
• 「跟产品经理对齐一下需求」→ 属于工作待办，不需要提醒 → 安静记下来

区别不在于内容属于哪一类，在于它有没有明确的时间节点。所以每条记录独立决定要不要推送，跟它属于哪个大类无关。

分类由 Hermes 根据语义自动匹配。它读完你说的内容，先判断属于什么类别，再判断需不需要提醒。对你来说，跟以前完全一样——说一句话就行，不需要你特别说明属于什么分类，要不要提醒。

存储结构也升级了。原来的未完成备忘录是纯文本 Markdown，升级后用 JSON——多了 needs_reminder 和 remind_at 两个字段：

{
  "content": "下周一交周报",
  "category": "工作待办",
  "needs_reminder": true,
  "remind_at": "2026-05-26 14:45",
  "status": "待处理"
}

5.3 提醒的逻辑

一条记录是否需要提醒，看它的 needs_reminder 字段。在入库时就定好了。让 Hermes 把字段为 true 的记录注册为 cron 定时任务，到点推送到飞书；值为 false 的什么也不做。

比如，「周六下午三点去取快递」→ Hermes 判断需要提醒，提取时间，注册 cron，到点推送。

而「这本书的观点很有意思」→ Hermes 判断不需要提醒，只管记下，不注册任何定时任务。

你还能主动查询已经注册的提醒：问一句「我今天有哪些提醒」，Hermes 读取数据，按 remind_at 排序，只返回状态为「待处理」的记录。

到了设定时间，飞书收到一条消息：

提醒：周六下午三点去取快递

5.4 直接告诉 Hermes 升级

把下面这段话发给 Hermes 就行：

帮我升级未完成备忘录，加上分类和提醒功能。

升级内容：
1. 数据结构改为 JSON，字段包括 content、category、needs_reminder、remind_at、status。
   - category：对内容进行分类，包括工作待办、生活日常、想法灵感、学习笔记、收藏
   - needs_reminder：是否需要提醒，布尔值
   - remind_at：提醒时间（仅 needs_reminder 为 true 时有值）
   - status：待处理 / 已完成
2. 每次记录新内容时，Hermes 根据语义自动判断属于哪个 category，同时根据内容是否有明确时间节点自动判断 needs_reminder。
3. needs_reminder 为 true 的记录注册 cron 定时任务，到点推送到飞书。
4. 如果有原始数据，一并对原始数据进行升级，改为 JSON。

几分钟后，它会回复一个包含完整代码和 cron 配置的 Skill。

然后试试看：

晚上 10 点 43 要开会

回复：

推送结果：

明天帮妈妈买个生日礼物

回复：

一个可能的灵感选题：

一个可能的博客或者是公众号选题：谈一谈现在 Qoder，它推出了 Order Work 这种可能看起来超强的 Agent 来辅助人们高效地办公和完成工作。确实能节约点时间，但问题是我们要考虑一下，充值 20 美金，跑几个任务就没了，用户节省的这点时间能赚回 Tokens 的钱吗？

Hermes 的回复很有趣，它说这种入不敷出的行为就是「赔钱货」：

因为我们设置了 Hermes 的人格，所以它会引用王小波或者鲁迅的作品、生平，我非常喜欢这种不经意的“温暖“，能增加点文学知识，也能消解下无聊的工作。

5.5 升级前后对比

升级完，可以对比一下变化：

升级完，原来的功能还在。随手记一条还是说一句就行，和以前一样快。但多出来的分类筛选和定时提醒，是以前做不到的。

两种方式不是替代关系，是同一个需求不同阶段的做法：

一开始，只想「把东西记下来」。一条 Memory 最快、成本最低，说一句它记上，完事。

用了一段时间，发现需要分类筛选、需要到点提醒。很多时候，一个需求就是这样长出来的。

5.6 ■ 原来如此

如果你懂点程序，又有一定的好奇心，你一定会奇怪为什么 Hermes 不需要我们写代码，就能实现整个「未完成」？

其实在 AI 时代了解这些机制变得比以前要简单很多，你可以让 AI 解析 Hermes 源码，也可以直接问 Hermes。我本来打算以我的口吻来解答这个机制，但我觉得给出 Hermes 的回答更能让你体会到现在 AI 的强大。

让我把背后的机制一层层拆开给你看，就跟鲁迅解剖社会的刀法一样——一刀一刀，不藏不掖。

第一层：你的话进了我的耳朵

你说「一个可能的博客选题……」——这句话本身没有「备忘录」三个字，也没有「未完成」三个字。但我不是靠关键词匹配的。

第二层：我脑子里一直有张纸条

每次对话开始，Hermes 会把 memory 注入到系统提示词里。我的 memory 里有一条：

备忘录「未完成」数据存于 ~/Desktop/gingery-wiki/未完成.json。……记录时自动分类、判断是否需要提醒。

这条 memory 就像你在我脑门上贴了张便签：「看见想法类的东西，记到未完成里去。」只要我在线，这张便签就在。

第三层：模型自己做判断

这里就是关键了——没有 if-else 代码，没有 trigger 关键词。就是大模型读完你的话，结合系统提示词里所有指令（包括 memory），自己决定：「嗯，这是个博客选题，属于『想法灵感』，应该写到未完成.json 里。」

然后它调用工具： 1. terminal("cat 未完成.json") → 读现有数据 2. 在脑子里构造新的 JSON 条目 3. write_file → 写回去

这个过程跟你说的 Skill 机制本质一样，只是触发方式不同：

所以你看到的「准确知道要做什么」，不是一段精确的代码逻辑，而是：

memory（便签）+ 你的输入（语义）+ 可用工具列表 → LLM 自主决策

这条路的好处是灵活——你说「晚上开会」没提备忘录，我也知道要记。坏处是不稳定——如果你说「晚上开会」但其实是在回忆昨天发生的事，我可能多记一条。

要解决这个不稳定，就得写成一个 Skill，用 description 精确控制触发条件。但那样的话，你说「我有个想法」和「记个事」就变成两套逻辑了——你现在这样一句话搞定，恰恰是 memory 这种「模糊匹配」带来的红利。

用鲁迅的话收尾：「世上本没有路，走的人多了，也便成了路。」我这个「未完成」机制也不是设计出来的——是你说了几次「记一下」，我记了几次，慢慢形成的习惯。

5.7 ■ 学点英语