@knoYee_: https://x.com/knoYee_/status/2052626513888203131
摘要
This article introduces 7 production-ready skills from the Hermes Skills Hub, covering the full lifecycle from tool integration and structured output to deployment, observability, and security.
查看缓存全文
缓存时间: 2026/05/08 10:44
Hermes Skills Hub 生产精选:这7个Skill直接帮你跑通生产
hermes的skill hub技能商场上线了🥳🥳
17个类别,672个技能,里面包罗万象,大概可以分为四类
我帮大家归类出了7个可落地,能接入生产的skill,它们连起来刚好是一条线:工具层 → 输出层 → 知识层 → 推理层 → 部署层 → 可观测层 →安全层。
一、fastmcp
路径:** optional/mcp/fastmcp**
Agent 用它来接触真实业务系统
fastmcp 做的事情很简单:把你内部的 API、DB、CLI 包装成 Agent 能调的工具。
它提供了一个脚手架,scaffold_fastmcp.py 一键生成模板。写工具用 @mcp.tool,命名用 verb-based,docstring 写清楚类型。本地开发跑 fastmcp run / inspect / call,上线转 HTTP endpoint。
他在实际生产中:
▎ auth 走环境变量,不硬走编码。会把错误全报出来
二、Instructor
路径:optional-skills/mlops/instructor
不夸张地说,很多 AI 项目翻车都是同一个问题:
模型能答,但答出来的东西不能落库,不能进 workflow。
Instructor 解决的就是这个问题。
它基于 Pydantic,做三件事:
结构化输出 自动重试 类型安全解析
用法很直接:
from openai import OpenAI
import instructor
client = instructor.from_openai(OpenAI())
result = client.chat.completions.create( model=“gpt-4o-mini”, response_model=MyModel, messages=[{“role”: “user”, “content”: “…”}], )
你不再只是让模型“回答一段话”, 而是让模型输出一个系统可以直接消费的对象。
有了 Instructor
▎模型就不只是在聊天,而是正在进入生产。
三、qdrant-vector-search
路径: optional/mlops/mlops-qdrant
FAISS 是玩具。Qdrant 是生产。
Docker 一键启动,Python client 操作。功能清单很简单:
-
hybrid search
-
多向量
-
metadata filter
-
量化
-
HNSW
-
Raft 分布式
-
on-disk payload
client.create_collection() upsert() search(query_filter=Filter(…))
换 Qdrant 之后最直观的感受:延迟可控了,扩展不慌了,filter 精准了。
四、serving-llms-vllm
路径: bundled/mlops/mlops-inference-vllm
不想被 API 供应商锁死的话,vLLM 是最成熟的自部署方案。
一行启动:
vllm serve model –quantization awq –tensor-parallel-size N
内置 PagedAttention、continuous batching、prefix-caching、Prometheus metrics。
也支持 OpenAI API 兼容和离线 batch。
自己控成本、控延迟、控合规。三控都在自己手里。
五、docker-management
路径: optional/devops/devops-docker-management
这个在实际生产比较常用,
覆盖 Docker / Compose 全生命周期:
-
容器起停、exec、logs
-
image prune
-
volume / network cleanup
-
Compose up / down / config
-
健康检查模板
Agent 自己能管容器 = 部署、运维、回滚全自动化。
六、Observability & Tracing
不是独立 Skill,是 Hermes 核心 + vLLM metrics 的组合。
生产里最痛苦的事是系统挂之后不知道哪挂了。
这套东西做的事:
-
vLLM 内置 Prometheus,暴露 TTFT、请求数、GPU cache
-
Docker logs
-
Skill 执行 trace
Agent 被训练成:先查 metrics,再关联日志。
跑通之后,出问题 10 秒内能定位是 MCP 挂了、RAG 慢了还是 inference 爆了。
七、Security & Auth
也是 Hermes 内置的,不是独立 Skill。
所有 Skill 安装时自动做三件事:
-
扫描:防 prompt injection
-
检查:防 credential 泄露
-
审计:防 destructive command
MCP 层强制 env var auth + command approval + container isolation。
开箱就有,不需要自己搭。
其实这 7 个东西排在一起,逻辑很清楚:
MCP 打底 → 模型能碰系统 Instructor → 输出能落库 Qdrant → 知识能检索 vLLM → 模型能自跑 Docker → 部署能自动化 可观测 → 挂了能定位 安全 → 暴露了能兜底
自己可以动手装一下,体验一下
hermes skills install fastmcp hermes skills install instructor hermes skills install qdrant-vector-search hermes skills install serving-llms-vllm hermes skills install docker-management
相似文章
@GitTrend0x: Hermes 今日最热项目 1. Romanescu11/hermes-skill-factory 元技能工厂!静默观察你的每一次工作流(Python 环境搭建、Git PR、调试循环……),自动检测模式并提议生成完整 SKILL.md …
Hermes 今日最热项目合集,介绍 hermes-skill-factory 等五个开源技能包,能让 Hermes Agent 自动观察工作流并生成 SKILL.md 技能,还有插件全家桶、多 Agent 编排、文学编程和知识圣经等。
@FareaNFts: https://x.com/FareaNFts/status/2091538403611533820
这是一份指南,介绍设置强大Hermes AI代理所需的17项必备技能,涵盖互联网访问、UI改进、多代理编排等工具,以增强功能性。
@GitTrend0x: Hermes 继续创时代! literate programming 技能,SRE 事件指挥官、Spotify 原生控制、自主技能市场、Obsidian 身份层……全网程序员把 Hermes 玩成了下一代 Agent 文档神器 + 运维军…
Hermes AI agent ecosystem expands with new open-source tools including literate programming support for Claude Code, autonomous SRE incident management, Spotify control, and a skill marketplace. These tools enable developers to turn codebases into executable narratives and automate运维 tasks.
@nyk_builderz: https://x.com/nyk_builderz/status/2074000009646014658
一份关于如何将Hermes Agent设置为自我改进的操作系统用于代理工作流的大师级指南,涵盖技能、工具、记忆和自动化循环,将代理转化为复合生产力系统。
@itsolelehmann: https://x.com/itsolelehmann/status/2056343273023688989
一份关于通过集成12种工具(如Firecrawl、Reddit和Stripe)将Hermes转变为超级代理的指南,涵盖研究、行动、工作空间和记忆功能。