可选技能目录

官方可选技能随 hermes-agent 仓库一起提供，位于 optional-skills/ 目录下，但默认情况下未启用。需显式安装：

hermes skills install official/<category>/<skill>

例如：

hermes skills install official/blockchain/solana
hermes skills install official/mlops/flash-attention

安装后，该技能将出现在 Agent 的技能列表中，并在检测到相关任务时自动加载。

卸载方法如下：

hermes skills uninstall <skill-name>

---

自主 AI Agent

技能	描述
blackbox	将编码任务委派给 Blackbox AI CLI Agent。多模型 Agent，内置评判机制，通过多个大语言模型运行任务并选择最佳结果。
honcho	配置并使用 Honcho 记忆与 Hermes 集成 —— 跨会话用户建模、多配置文件同伴隔离、观测配置以及辩证推理。

区块链

技能	描述
base	查询 Base（以太坊 L2）区块链数据并附带美元定价 —— 钱包余额、代币信息、交易详情、Gas 分析、合约检查、巨鲸检测以及实时网络状态。无需 API 密钥。
solana	查询 Solana 区块链数据并附带美元定价 —— 钱包余额、代币组合、交易详情、NFT、巨鲸检测以及实时网络状态。无需 API 密钥。

通信

技能	描述
one-three-one-rule	用于提案和决策制定的结构化沟通框架。

创意

技能	描述
blender-mcp	通过 socket 连接，直接从 Hermes 控制 Blender，使用 blender-mcp 插件。创建 3D 对象、材质、动画，并运行任意 Blender Python（bpy）代码。
meme-generation	使用 Pillow 从模板中选取并叠加文字，生成真实的 meme 图像。输出实际的 .png meme 文件。

DevOps

技能	描述
cli	通过 inference.sh CLI（infsh）运行 150+ 个 AI 应用 —— 图像生成、视频创建、大语言模型、搜索、3D 和社交自动化。
docker-management	管理 Docker 容器、镜像、卷、网络以及 Compose 堆栈 —— 生命周期操作、调试、清理以及 Dockerfile 优化。

邮件

技能	描述
agentmail	通过 AgentMail 为 Agent 配置专属邮箱收件箱。使用 Agent 拥有的邮箱地址自主发送、接收和管理邮件。

健康

技能	描述
neuroskill-bci	用于神经科学研究工作流的脑机接口（BCI）集成。

MCP

技能	描述
fastmcp	使用 Python 的 FastMCP 构建、测试、检查、安装和部署 MCP 服务器。涵盖将 API 或数据库包装为 MCP 工具、暴露资源或提示，以及部署。

迁移

技能	描述
openclaw-migration	将用户的 OpenClaw 自定义足迹迁移至 Hermes Agent。导入记忆、SOUL.md、命令允许列表、用户技能以及选定的工作区资产。

MLOps

最大的可选类别 —— 覆盖从数据整理到生产推理的完整机器学习流程。

技能	描述
accelerate	最简单的分布式训练 API。仅需 4 行代码即可为任意 PyTorch 脚本添加分布式支持。统一的 API 支持 DeepSpeed/FSDP/Megatron/DDP。
chroma	开源嵌入数据库。存储嵌入向量和元数据，支持向量搜索与全文搜索。为 RAG 和语义搜索提供简单的 4 函数 API。
faiss	Facebook 开发的高效密集向量相似性搜索与聚类库。支持数十亿向量，具备 GPU 加速功能，支持多种索引类型（Flat、IVF、HNSW）。
flash-attention	通过 Flash Attention 优化 Transformer 注意力机制，实现 2-4 倍加速与 10-20 倍内存减少。支持 PyTorch SDPA、flash-attn 库、H100 FP8 以及滑动窗口。
hermes-atropos-environments	构建、测试与调试用于 Atropos 训练的 Hermes Agent 强化学习环境。涵盖 HermesAgentBaseEnv 接口、奖励函数、Agent 循环集成与评估。
huggingface-tokenizers	基于 Rust 的快速分词器，适用于研究与生产环境。1GB 文本分词耗时低于 20 秒。支持 BPE、WordPiece 和 Unigram 算法。
instructor	从 LLM 响应中提取结构化数据，支持 Pydantic 验证，自动重试失败的提取任务，并支持流式输出部分结果。
lambda-labs	用于机器学习训练与推理的预留与按需 GPU 云实例。支持 SSH 访问、持久化文件系统以及多节点集群。
llava	大型语言与视觉助手 —— 视觉指令微调与基于图像的对话，结合 CLIP 视觉模型与 LLaMA 语言模型。
nemo-curator	面向 LLM 训练的 GPU 加速数据清洗工具。支持模糊去重（快 16 倍）、质量过滤（30+ 启发式规则）、语义去重与 PII 信息脱敏。可与 RAPIDS 无缝扩展。
pinecone	用于生产级 AI 的托管向量数据库。支持自动扩展、混合搜索（密集 + 稀疏）、元数据过滤与低延迟（p95 低于 100ms）。
pytorch-lightning	高级 PyTorch 框架，提供 Trainer 类、自动分布式训练（DDP/FSDP/DeepSpeed）、回调机制与极简样板代码。
qdrant	高性能向量相似性搜索引擎。基于 Rust 构建，支持快速最近邻搜索、带过滤的混合搜索以及可扩展的向量存储。
saelens	使用 SAELens 训练与分析稀疏自编码器（SAEs），将神经网络激活分解为可解释的特征。
simpo	简单偏好优化 —— 无需参考模型的 DPO 替代方案，性能更优（AlpacaEval 2.0 上提升 +6.4 分）。无需参考模型。
slime	使用 Megatron+SGLang 框架对 LLM 进行强化学习后训练。支持自定义数据生成工作流，并与 Megatron-LM 紧密集成以实现强化学习的可扩展性。
tensorrt-llm	使用 NVIDIA TensorRT 优化 LLM 推理以实现最大吞吐量。在 A100/H100 上，结合量化（FP8/INT4）与飞行中批处理，速度比 PyTorch 快 10-100 倍。
torchtitan	原生 PyTorch 分布式 LLM 预训练框架，支持 4D 并行（FSDP2、TP、PP、CP）。支持从 8 到 512+ GPU 的扩展，兼容 Float8 与 torch.compile。

生产力

技能	描述
canvas	Canvas LMS 集成 —— 使用 API Token 认证获取注册课程与作业信息。
memento-flashcards	基于间隔重复的闪卡系统，用于学习与知识留存。
siyuan	SiYuan 笔记 API，用于在自托管知识库中搜索、读取、创建与管理块与文档。
telephony	为 Hermes 提供电话功能 —— 配置 Twilio 号码，发送/接收短信/MMS，拨打电话，并通过 Bland.ai 或 Vapi 实现 AI 驱动的外呼。

研究

技能	描述
bioinformatics	通往 400+ 生物信息学技能的入口，涵盖 bioSkills 与 ClawBio 提供的内容。包括基因组学、转录组学、单细胞分析、变异检测、药物基因组学、宏基因组学与结构生物学。
domain-intel	使用 Python 标准库进行被动域名侦察。支持子域名发现、SSL 证书检查、WHOIS 查询、DNS 记录分析与批量多域名分析。无需 API 密钥。
duckduckgo-search	通过 DuckDuckGo 免费进行网络搜索 —— 支持文本、新闻、图片与视频。无需 API 密钥。
gitnexus-explorer	使用 GitNexus 索引代码库，并通过 Web UI 与 Cloudflare 隧道提供交互式知识图谱服务。
parallel-cli	Parallel CLI 的供应商技能 —— 原生 Agent 的网络搜索、信息提取、深度研究、数据增强与监控。
qmd	使用 qmd —— 一种结合 BM25、向量搜索与 LLM 重排序的混合检索引擎，本地搜索个人知识库、笔记、文档与会议记录。
scrapling	使用 Scrapling 进行网页爬取 —— 支持 HTTP 获取、隐身浏览器自动化、Cloudflare 绕过与爬虫爬行，可通过 CLI 与 Python 使用。

安全

技能	描述
1password	配置并使用 1Password CLI (op)。安装 CLI，启用桌面应用集成，登录，并为命令读取/注入密钥。
oss-forensics	开源软件取证 — 分析软件包、依赖项及供应链风险。
sherlock	OSINT 用户名搜索，覆盖 400 多个社交网络。通过用户名追踪社交媒体账户。

---

贡献可选技能

要向仓库添加新的可选技能：

1. 在 optional-skills/<category>/<skill-name>/ 下创建一个目录
2. 添加一个 SKILL.md，包含标准 frontmatter（名称、描述、版本、作者）
3. 在 references/、templates/ 或 scripts/ 子目录中包含任何支持文件
4. 提交拉取请求 —— 技能在合并后将显示在此目录中