程序性记忆

概述

AI Agent 记住"怎么做"的能力，与陈述性记忆（记住事实）相对，通过结构化技能文档实现可修改、可增长的工作流知识库。

关键内容

与陈述性记忆的对比：MEMORY.md 存储事实、偏好、环境信息（陈述性），始终在 System Prompt 中固定消耗；Skills 存储工作流、步骤、方法（程序性），通过渐进式加载按需消耗
外化设计：把"怎么做"从模型的参数（无法修改）变成文件系统上的文档（可以修改、可以增长），实现程序性记忆的可编辑性
生成方式：Agent 从成功经验中主动创建，成功完成 4 步以上工作流、感知到任务会重复、工作流中有易出错步骤、或用户说"把这个记下来"时触发
存储位置：Agent 创建的技能默认存入 ~/.hermes/skills/personal/ 子目录，与社区技能和系统技能分开管理
自我改进：Agent 发现步骤有误时自动更新技能，版本号递增（1.0.0 → 1.1.0），用户也可显式编辑
完整生命周期：创建 → 首次使用 → 自我改进 → 共享/迁移 → 弃用删除，Agent 可从经验中自动创建形成闭环
技能自我改进机制：技能在使用过程中持续改进——步骤出错时修复并添加 Pitfalls，发现更好方法时简化流程，用户纠正时记录正确做法；版本号遵循语义化版本（小修正 1.0.1、功能改进 1.1.0、重大重构 2.0.0）
description 字段的关键性：Level 0 目录中 Agent 看到的唯一信息，决定下次是否会调用该技能；好的 description 应精确描述触发条件和使用场景，而非泛泛的"Docker 部署配置"
核心价值主张：技能是程序性记忆的外化——把"怎么做"从模型参数（不可修改）迁移到文件系统（可修改、可版本化、可共享），是 Agent 持续改进的正确路径

来源

NousResearch/hermes-agent — 2026 年 4 月版本，Hermes Agent 深度解析第四篇
06_hermes_learning_loop.md — Hermes Agent 深度解析第六篇：闭环学习引擎，技能自我改进、description 字段关键性

程序性记忆

概述

关键内容

来源

相关