第四章讲了 Hermes 怎么记住用户、回顾历史、加载配置。但 Hermes 的能力不止于用文字对话——它还内置了 90 多个技能，覆盖编程、Git、AI 模型、创意、办公等各种场景。
这一节带你快速过一遍这些技能，看看装了 Hermes 之后，到底能拿它干哪些事儿。
1.1 技能是什么
技能是教 Hermes 处理特定任务的文档。
关于技能，我已经在不同的数字教材、纸质书、博客里写过很多次，所以我不打算在这本教材里再花篇幅来讲解这个知识，绝大多数的同学应该已经非常熟悉 Skill 了。
但可能少部分同学对 Skill 还比较陌生。没关系，我将《程序员的 AI 绿皮书》里的 Skill 内容免费开放出来，有需要的同学可以去阅读学习：
- 为什么需要 Skill 以及 Skill 是什么：https://www.logamee.com/course-learning/22/1263
- 在哪里获取 Skill：https://www.logamee.com/course-learning/22/1264
1.2 内置技能一览
Hermes 出厂就带了 90 多个内置技能，不用额外安装。它们在 ~/.hermes/skills/ 目录下，按场景分以下几类。下面提供一个速览列表，如果你对某个技能的具体用法感兴趣，可以直接和 Hermes 对话了解。我也会在下面推荐一些我经常用的技能：
软件开发
| 技能 | 你的提示词 | Hermes 会怎么做 |
|---|---|---|
plan |
"先做个计划再动手" | 只写计划文档存到指定目录，不碰任何代码和文件 |
test-driven-development |
"用 TDD 方式开发" | 先写测试看它失败→写最少代码让测试通过→优化结构→重复循环 |
systematic-debugging |
"帮我调试" | 四步排查：读报错信息→找根本原因→提出修复假设→验证修复，不瞎猜 |
requesting-code-review |
准备提交代码时 | 先安全扫描→跑基准测试→派独立审查员逐行审查→发现问题自动修复 |
subagent-driven-development |
有完整计划要执行时 | 每个任务分给全新助手独立实现，再安排两个审查员接力审核 |
spike |
"先验证一下可行性" | 搭临时实验环境快速试错，给出"可行"或"不可行"的明确结论 |
writing-plans |
"写一份实现计划" | 分析代码库，把功能拆成 2-5 分钟的小任务，每步配完整代码 |
python-debugpy |
需要调试 Python 代码时 | 在你指定的位置设断点，一步步执行，查看变量的变化 |
node-inspect-debugger |
需要调试 Node.js 代码时 | 在你指定的位置设断点，检查调用关系和内存状态 |
这些工具对我来说意义不大。当然这主要是因为我的编程工作通常不会在 Hermes 里进行，我常用的开发工具是 ChatGPT、Claude Code 或者 Qoder，它们本身是更专业的 AI Coding 工具。
这里要注意，这并不是说这些技能毫无意义，你必须要知道Hermes 在完成你的任务时（比如分析你的邮件内容），它自己也会生成一些代码，这些内置的技能可以辅助它管理代码。
GitHub 工作流
| 技能 | 什么时候触发 | Hermes 会怎么做 |
|---|---|---|
github-auth |
需要操作 GitHub 但还没授权时 | 配置好认证，让 Hermes 能访问你的代码仓库 |
github-pr-workflow |
"提个 PR" | 从创建分支开始→提交代码→发起合并请求→等检查通过后完成合并 |
github-code-review |
"审查一下这个 PR" | 逐行查看代码改动，给出专业意见，直接在 PR 上写批注 |
github-issues |
"帮我建个 Issue" | 创建、分类、打标签、指派负责人，管理整个 Issue 流程 |
github-repo-management |
"克隆/创建/复刻一个仓库" | 创建新仓库、克隆已有仓库、管理版本发布 |
codebase-inspection |
"看看这个项目有多大" | 分析代码库：总代码量、每种语言的占比、注释比例 |
超级有用。基本上现在没有人在自己敲git pull、git push这类命令来推送、拉取 Git 了，都是通过自然语言来操作 Git。这块不需要你特别学习，你有什么 git 需求，直接对 Hermes 讲，它会触发这些技能帮你管理 GitHub。
MLOps
| 技能 | 什么时候触发 | Hermes 会怎么做 |
|---|---|---|
dspy |
"帮我优化提示词" | 用声明式方法自动调优 AI 的输入输出，不用手写复杂的提示模板 |
axolotl |
"微调一个模型" | 根据你的需求调整 AI 模型参数，让它在特定任务上表现更好 |
unsloth |
"微调模型但内存不够" | 用更高效的方式微调，省内存省时间，普通电脑也能跑 |
llama-cpp |
"在本地跑一个模型" | 把 AI 模型下载到本地，直接在你自己电脑上运行推理 |
huggingface-hub |
"下载某个模型" | 从 AI 模型社区搜索、下载或上传模型和数据集 |
weights-and-biases |
"记录一下实验数据" | 自动记录每次训练的指标参数，可以随时对比和追踪效果 |
MLOps 主要是用来研究本地的大模型，比如我常用的 huggingface-hub，可以自己从 huggingface 上下载安装和管理各种模型。
但这块对于普通人意义不大，我们绝大多数人不会部署和研究本地模型。
创意生成
| 技能 | 什么时候触发 | Hermes 会怎么做 |
|---|---|---|
ascii-art |
"用字符拼个艺术字" | 拼出大字标题或把图片变成字符组成的图案 |
ascii-video |
"转成字符动画" | 把视频变成彩色字符组成的动画 |
p5js |
"做个动态可视化" | 写出可交互的动态视觉页面，在浏览器里直接打开 |
excalidraw |
"画个架构图/流程图" | 画好方框、箭头、文字，排好颜色和位置，存成文件可直接打开编辑 |
manim-video |
"做个原理讲解动画" | 生成数学或算法原理的讲解动画，每一步配上图形演示 |
comfyui |
"用 AI 生图/生视频" | 搭建好 AI 绘图环境，按你的描述生成图片或视频 |
pixel-art |
"转成复古像素风格" | 把图片变成像素画风，还能加动画效果，支持各种经典游戏机配色 |
humanizer |
"去一下 AI 味" | 检测并删除 AI 写作的痕迹（空洞排比、官腔套话等），让文字更像人写的 |
songwriting-and-ai-music |
"帮我写首歌" | 按歌曲结构写歌词，配上音乐描述，生成一段 AI 音乐 |
其中我经常使用 ascii-art，它可以生成各种 Ascii 文字组成的艺术图，比如：
humanizer 是一个非常好的去 AI 痕迹的技能
manim-video 是我超爱的一个技能，可以生成 3Blue1Brown 风格的科普视频动画（3Blue1Brown 是一个数学科普频道，YouTube 上快千万粉了，B 站也有他们的视频）。
下面是直接使用 Hermes 内置的 manim-video 制作的 向量点积空间几何意义 的演示动画视频。
该视频为课程站点内嵌片段，未收录于本地离线包；如需观看请回到线上课程对应课时。
其实这就是下面这段提示词生成的：
帮我使用 manim-video 制作一个科普视频，用来解释向量点积的空间几何意义。
[!Note] 当然，在没有 SKILL 约束的情况下，直接生成上面视频效果的几率不大。需要做进一步的提示词微调。
如果想要更精致，它还有很多打磨的空间。
办公效率
| 技能 | 什么时候触发 | Hermes 会怎么做 |
|---|---|---|
notion |
"帮我记到 Notion" | 在你的 Notion 里新建/查找/编辑页面和数据库 |
linear |
"帮我建个任务" | 在项目管理工具里创建任务、分配负责人、跟踪进度 |
google-workspace |
"帮我查邮件/建文档" | 操作你的邮箱、日历、云盘、文档和表格 |
airtable |
"查一下表格数据" | 在你的在线表格里增删改查数据 |
ocr-and-documents |
"帮我识别图片或 PDF 里的文字" | 从扫描件、图片和有文字的 PDF 里提取文字内容 |
nano-pdf |
"帮我改一下 PDF" | 直接用自然语言说想改什么，就能修改 PDF 里的文字 |
powerpoint |
"帮我做个 PPT" | 创建、读取、编辑幻灯片，包括排版、备注和模板 |
teams-meeting-pipeline |
"总结一下 Teams 会议" | 获取会议记录和摘要、提取待办事项、查看处理进度 |
这些技能里可能只有 nano-pdf 我用得比较多。以前我们要想在 PDF 里改一个文字，大概率你需要先用 WPS 转成 Word，然后编辑后再转回 PDF。但是 Nano-PDF 可以直接帮你修改 PDF 里的文字。其实现在 Hermes 这种超级 Agent 对 WPS、Office 这些传统办公软件的冲击挺大的。
自从我用了 Hermes，我基本没再开过 WPS 和 Office，无论是 PDF 转 Word、制作 PPT、Word 转 MarkDown，这些都丢给 Hermes 就完成了，根本不需要自己去开 WPS 干这些事儿。
其他实用
| 技能 | 什么时候触发 | Hermes 会怎么做 |
|---|---|---|
youtube-content |
"帮我总结这个视频" | 下载视频并提取音频里的文字，整理成摘要或文章 |
spotify |
"帮我放首歌" | 播放、暂停、搜索、收藏音乐，管理播放列表 |
obsidian |
"查一下 Obsidian 笔记" | 在你的笔记库中搜索、创建、编辑笔记 |
himalaya |
"查一下邮件" | 在终端里管理邮件：收件箱、发件、搜索 |
maps |
"查一下这个地方在哪" | 查地址坐标、找附近地点、规划路线和查看时区 |
youtube-content、obsidian 和 himalaya，我用得最多。
以 youtube-content 为例：丢给 Hermes 一个 YouTube 链接，它会自动提取视频中的语音内容，整理成摘要或文章。这是个我非常喜欢的功能。
过去我们在微信公众号上看到值得收藏的内容，可以轻松保存下来供日后检索。公众号的内容是文字，便于提取。但如今是短视频时代，大量优质内容以视频形式首发。视频最大的问题是无法深度留存，也不方便后续检索。如果能把视频内容提取成文字，再纳入自己的知识库统一管理，就是一个极有价值的能力。youtube-content 正是做这件事的。
obsidian 是我个人在用的知识库工具。大部分情况下，我会把它和其他内容抓取类的技能搭配使用。比如和 youtube-content 配合，提取出的视频文字可以直接存入 Obsidian 统一管理。
每个技能就是一个 SKILL.md 文件。装好 Hermes 后直接说需求就行，不需要手动加载。
1.3 技能的真正意义（重要）
很多人对技能有一个误解：以为没有某个技能，Hermes 就没法完成对应的任务。
答案是否定的。你说"帮我用 ASCII 拼个大字标题"，就算没有 ascii-art 技能，大模型也会自己琢磨怎么搞，自己推演步骤，大概率也能出结果。
那为什么还要技能？
因为大模型自己推演是"边想边干"，每一步都要靠推理来决策，既慢又贵（每一步推理都需要大量的 Token 支持）。而且每次都是现场发挥，效果看运气。
技能相当于一份操作说明书。大模型拿到它，不用自己从头想步骤，照着说明书一步步执行就行。省掉了大量无效推理，省 Token，同时保证了每次输出的质量稳定。
这就是技能的本质：不是教会 AI 新能力，而是把"即兴发挥"变成"按图索骥"。
1.4 ■ 学点英语
| 中文 | English | 音标 | 说明 |
|---|---|---|---|
| 内置技能 | Built-in Skill | /bɪlt ɪn skɪl/ | 系统默认提供、不需要额外安装的技能 |
| 技能元数据 | Skill Metadata | /skɪl ˈmetədeɪtə/ | 描述 skill 名称、触发条件和用途的信息 |
| 激活规则 | Activation Rule | /ˌæktɪˈveɪʃən ruːl/ | 决定 skill 是否应该被加载的规则 |
| 技能发现 | Skill Discovery | /skɪl dɪˈskʌvəri/ | 系统识别可用 skill 并选择使用的过程 |