Hermes 的循环很小,外围极重,读它要先切开这两层。
run_conversation驱动一次用户轮:模型调用 → 工具分发 → 重试/降级 → 压缩 → 后置钩子。IterationBudget兜住轮次上限,防死循环与费用失控。- 自沉淀靠
background_review.py每轮 fork 一个复盘 agent,不是运行时自动写技能。
问题
agent/ 目录有数百个模块,主循环与外围耦合在同一个文件中,容易被外围体量误导。
候选
主循环
text
run_conversation(agent, messages) // agent/conversation_loop.py
while budget.remaining():
resp = call_model()
if resp.tool_calls: dispatch → 回填 → continue
break
后置:压缩、memory 同步、后台复盘
工具面
| 类别 | 内容 |
|---|---|
| 执行 | bash 与文件编辑类工具 |
| 浏览 | CDP、lightpanda、camofox 三套浏览器后端 |
| 审批 | approval*.py 一组模块,按风险分层拦截 |
| 异步 | async_delegation:把长任务转后台 |
| 外部 | MCP client、ACP adapter、gateway(Telegram 等) |
| 技能 | skills/ 下按领域分 12 组:apple、devops、email、research、social-media、software-development 等 |
压缩
| 模块 | 作用 |
|---|---|
agent/conversation_compression.py | 会话级压缩,多段循环处理溢出与分块 |
trajectory_compressor.py | 轨迹压缩,给复盘与记忆用 |
agent/moa_loop.py | MoA:每次迭代前收集参考模型上下文,主循环仍管工具调用 |
当前判断
- 它的重心不在编程而在常驻代理:多平台入口、审批分层、按领域的技能库。
- MoA 与压缩都是循环外的装饰,主循环本身与 2023 年的 tool-calling 没差别——真正的增量在
background_review这条自我复盘支线。
下一步
- 未跑真实会话,压缩与复盘的触发条件需实测。