Hermes 技能体系改进路线图

来源：research/openclaw-ecosystem-2026-08-16.md §5 对比分析产出的 5 条可迁移建议 对应 inbox 待办：[[inbox/openclaw]] 任务 #3「可迁移的 skill 工作流」 目标：把 OpenClaw 生态（awesome 5.3k 技能 / ClawHub 7k 注册表）的成熟机制，按性价比逐步迁移到 Hermes 技能体系

---

背景速览

---

建议清单与落地优先级

✅ 建议 1：过滤规则显式化（P1 · 低投入高收益）

目标：为 Hermes 外部技能目录增加与 OpenClaw 同级的质量门槛，降低收录噪音。

落地步骤：

1. 在 meta/skills-catalog-index.md 新增「过滤规则」章节，显式定义 4 类剔除标准：
   • 疑似垃圾：批量账号、机器人、测试条目
   • 重名/相似：与已收录技能重复或高度相似
   • 低质量/非英文描述：README 缺失、描述过短、非英文
   • 高风险领域：Crypto/Blockchain/Finance/Trade（与 OpenClaw 同款）
2. 为 external-skills-catalog 的每次增量更新套用该规则
3. 在目录头部标注「收录时已过滤 N 条 / 依据：meta/skills-catalog-index.md#过滤规则」

验收：meta/skills-catalog-index.md 含完整过滤规则章节；下次 catalog 更新日志中可见过滤记录。

预估工作量：0.5h

---

✅ 建议 2：分类文件拆分（P2 · 中投入，结构性收益）

目标：将单一 catalog 拆为 categories/<slug>.md，按分类维护、便于增量更新与 PR 协作。

落地步骤：

1. 将 reference/external-skills-catalog.md（300 行 / 9 类）拆分为：

   reference/skills-categories/
     development.md      （开发 45 个）
     security.md         （安全 3 个）
     agent-engineering.md（Agent 开发）
     data-ai.md          （数据 & AI 21 个）
     infrastructure.md   （基础设施 4 个）
     architecture.md     （架构）
     general.md          （通用 2 个）
     business.md         （业务）
     workflow.md         （工作流）
     mcp-ecosystem.md    （MCP 生态圈）
     external-repos.md   （外部 Skill 仓库）
   

2. 原文件保留为索引（只列分类链接与使用方式），详情下沉到分类文件
3. 更新 meta/skills-catalog-index.md 中的路径引用

验收：reference/skills-categories/ 存在且每类有独立文件；原 catalog 变为索引页；grep 搜索仍可定位。

预估工作量：2-3h（可分批做，先拆 top3 分类）

---

✅ 建议 3：安全扫描钩子（P2 · 中投入，安全收益）

目标：借鉴 VirusTotal 模式，为外部技能安装前增加 provenance 校验（来源可信度打分）。

落地步骤：

1. 设计来源可信度评分模型（示例）：
   • ⭐ 官方仓库 / 高 star（>5k）/ 多贡献者 = 高可信
   • ⭐⭐ 个人维护但活跃（近 3 月有 commit）
   • ⭐⭐⭐ 未知来源 / 低 star / 长期未维护 = 需人工确认
2. 在 hermes skills install 流程中增加提示：安装前展示来源评分与技能权限范围
3. 参考 reference/external-skills-catalog.md 已收录的 pillar-labs/sail-skill（Secure AI Lifecycle）作为准入标准素材

验收：技能安装流程中可见来源可信度提示；meta/ 下有评分规则文档。

预估工作量：2-4h（依赖 hermes CLI 开发）

---

✅ 建议 4：「对话直装」模式（P3 · 体验优化）

目标：复制「粘贴 GitHub 链接 → 助手自动 setup」的零门槛安装，降低新技能采纳成本。

落地步骤：

1. 定义交互协议：用户粘贴 GitHub 仓库/技能链接 → Hermes 识别并询问「是否安装为技能？」
2. 安装流程自动完成：clone → 校验 SKILL.md 结构 → 注册到技能索引 → 汇报安装结果
3. 在 ops/ 或 meta/ 记录对话直装的日志（安装来源、时间、技能名）

验收：任意会话中粘贴技能链接即可触发安装引导；日志可查。

预估工作量：3-5h（依赖 hermes 技能系统 API）

---

✅ 建议 5：AI & LLMs 分类借鉴（P3 · 素材参考）

目标：OpenClaw 该分类 176 个技能可反哺 Hermes 的 gbrain / 模型编排参考。

落地步骤：

1. 从 awesome-openclaw-skills 的 categories/ai-llms.md 拉取 176 个技能清单
2. 过滤出与 Hermes gbrain/模型编排相关的条目（prompt 工程、模型路由、上下文管理、评估）
3. 产出一份 research/openclaw-ai-llms-skill-notes.md，标注可借鉴点

验收：research/openclaw-ai-llms-skill-notes.md 存在，含 ≥10 条可借鉴条目。

预估工作量：1-2h

---

执行建议

• 立即（P1）：建议 1 过滤规则显式化 —— 半小时可完成，收益立现
• 本周（P2）：建议 2 分类拆分（可先拆 top3 分类）；建议 3 安全钩子设计文档先行
• 按需（P3）：建议 4 对话直装、建议 5 AI&LLM 借鉴笔记

状态：2026-08-16 由 Hermes 自主例行轮次创建，待用户确认优先级后按序执行。

2026-10-09 Codex 审阅说明

Stars、贡献者数量和非英语文本都不能单独判断质量或安全；需检查具体源码、权限、维护与任务适配。目录统计须注明源版本和类别范围，参见本次修订的 external-skills-catalog。路线图中的推荐和 ✅ 不等于该机器已完成安装/实际调用，本次未安装或运行技能。