Deepseek-V4
Minimax-M2.7
Kimi-k2.6apple-notes
通过 macOS 上的 memo CLI 管理 Apple 备忘录（创建、查看、搜索、编辑）。
好用的 Skill 去哪找?
下面两个网站是目前较流行的 Skill 聚合网站，有大量经过实战验证的优秀 Skill。如果想查看 Hermes Agent 出厂自带的 Skill，往下翻即可。
虾评
xiaping.coze.com精品 Skill 分享评测平台，470+ 个 Skill 按场景分类。
有排行榜、合集和真实评测，能看到别人在用什么、哪些好用，找 Skill 不用一个个翻。覆盖开发辅助、效率工具、办公、自媒体、设计等 17+ 类。
去虾评逛逛 →SkillHub
skillhub.cn腾讯维护的 AI Skill 社区，面向中国用户，精选 Top 50。
由腾讯团队运营，每个 Skill 都经过安全审核和多维度评估再上架。数量不堆，挑的都是靠谱货，适合不想自己一个个鉴别的人。
去 SkillHub 看精选 →Hermes 内置 Skill 速查
Hermes 安装后自带 95 个 Skill。完整目录和路径见 Skill Catalog 文档。
apple-reminders
通过 remindctl CLI 管理 Apple 提醒事项（列出、添加、完成、删除）。
findmy
通过 macOS 上的 FindMy.app 使用 AppleScript 和屏幕捕获功能追踪 Apple 设备和 AirTags。
imessage
通过 macOS 上的 imsg CLI 发送和接收 iMessage/SMS。
claude-code
将编码任务委派给 Claude Code（Anthropic 的 CLI Agent）。适用于构建功能、重构代码、代码审查以及迭代式开发。需要已安装 claude CLI。
codex
将编码任务委派给 OpenAI Codex CLI Agent。适用于构建功能、重构代码、代码审查以及批量修复问题。需要已安装 codex CLI 并配置 git 仓库。
hermes-agent-spawning
启动额外的 Hermes Agent 实例作为自主子进程，用于独立的长时间运行任务。支持非交互式单次运行模式（-q）和交互式 PTY 模式，用于多轮协作。与 `delegate_task` 不同，此技能会运行一个完整的独立 hermes 进程。
opencode
将编码任务委派给 OpenCode CLI Agent，用于功能实现、代码重构、代码审查以及长时间运行的自主会话。需要已安装并认证 opencode CLI。
ascii-art
使用 pyfiglet（571 种字体）、cowsay、boxes、toilet、图像转 ASCII、远程 API（asciified、ascii.co.uk）以及 LLM 降级方案生成 ASCII 艺术。无需 API 密钥。
ascii-video
“ASCII 艺术视频的生产流水线 —— 支持任意格式。将视频/音频/图像/生成输入转换为彩色 ASCII 字符视频输出（MP4、GIF、图像序列）。涵盖：视频转 ASCII 转换、音频响应式音乐可视化、生成式 ASCII 艺术动画、混合……”
excalidraw
使用 Excalidraw JSON 格式创建手绘风格图表。生成 .excalidraw 文件，用于架构图、流程图、时序图、概念图等。文件可在 excalidraw.com 打开，或上传以生成可分享链接。
p5js
用于交互式和生成式视觉艺术的生产流水线，基于 p5.js。创建草图，通过无头浏览器渲染为图像/视频，并提供实时预览。支持画布动画、数据可视化和创意编程实验。
webhook-subscriptions
创建和管理 Webhook 订阅，用于事件驱动的 Agent 激活。外部服务（GitHub、Stripe、CI/CD、IoT）通过 POST 事件来触发 Agent 运行。需要启用 Webhook 平台。
dogfood
对 Web 应用程序进行系统性探索式 QA 测试 —— 发现缺陷、捕获证据并生成结构化报告。
hermes-agent-setup
帮助用户配置 Hermes Agent —— CLI 使用、设置向导、模型/提供方选择、工具、技能、语音/STT/TTS、网关以及故障排除。
himalaya
通过 IMAP/SMTP 管理电子邮件的 CLI 工具。使用 himalaya 列出、阅读、撰写、回复、转发、搜索和整理电子邮件。支持多个账户，并可通过 MML（MIME 元语言）进行消息编写。
minecraft-modpack-server
从 CurseForge/Modrinth 服务器包的 zip 文件中设置模组化 Minecraft 服务器。涵盖 NeoForge/Forge 安装、Java 版本、JVM 调优、防火墙配置、局域网设置、备份以及启动脚本。
pokemon-player
通过无头模拟器自主运行宝可梦游戏。启动游戏服务器，从内存中读取结构化游戏状态，做出战略决策，并发送按钮输入——全部通过终端完成。
codebase-inspection
使用 pygount 检查和分析代码库，统计行数（LOC）、语言分布以及代码与注释的比例。当被要求检查代码行数、仓库大小、语言构成或代码库统计信息时使用。
github-auth
使用 git（普遍可用）或 gh CLI 为 Agent 设置 GitHub 身份验证。涵盖 HTTPS 令牌、SSH 密钥、凭证助手以及 gh auth —— 并具备自动检测流程以选择合适的方法。
github-code-review
通过分析 git diff 来审查代码变更，对 PR 提交内联评论，并进行彻底的预推送审查。支持 gh CLI，或回退至 git + GitHub REST API 通过 curl 实现。
github-issues
创建、管理、分类和关闭 GitHub 问题。搜索现有问题，添加标签，分配人员，并链接到 PR。支持 gh CLI，或回退至 git + GitHub REST API 通过 curl 实现。
github-pr-workflow
完整的拉取请求生命周期——创建分支、提交更改、打开 PR、监控 CI 状态、自动修复失败并合并。支持 gh CLI，或回退至 git + GitHub REST API 通过 curl 实现。
github-repo-management
克隆、创建、fork、配置和管理 GitHub 仓库。管理远程仓库、密钥、发布版本和工作流。支持 gh CLI，或回退至 git + GitHub REST API 通过 curl 实现。
inference-sh-cli
通过 inference.sh CLI（infsh）运行 150+ 个 AI 应用——包括图像生成、视频创作、大语言模型（LLM）、搜索、3D 内容、社交自动化等。
find-nearby
使用 OpenStreetMap 查找附近地点（餐厅、咖啡馆、酒吧、药房等）。支持坐标、地址、城市、邮编或 Telegram 位置标记。无需 API 密钥。
mcporter
使用 mcporter CLI 直接列出、配置、认证并调用 MCP 服务器/工具（支持 HTTP 或 stdio），包括临时服务器、配置编辑以及 CLI/类型生成。
native-mcp
内置的 MCP（模型上下文协议）客户端，可连接外部 MCP 服务器，发现其工具，并将其注册为原生 Hermes Agent 工具。支持 stdio 和 HTTP 传输，具备自动重连、安全过滤和零配置工具注入功能。
gif-search
使用 curl 从 Tenor 搜索并下载 GIF。除 curl 和 jq 外无其他依赖。适用于查找反应 GIF、创建视觉内容以及在聊天中发送 GIF。
heartmula
设置并运行 HeartMuLa，开源音乐生成模型系列（类似 Suno）。通过歌词 + 标签生成完整歌曲，支持多语言。
songsee
通过 CLI 从音频文件生成频谱图和音频特征可视化（如梅尔频谱、音高、MFCC、节拍图等）。适用于音频分析、音乐制作调试和可视化文档。
youtube-content
获取 YouTube 视频字幕，并将其转换为结构化内容（章节、摘要、话题线、博客文章等）。
huggingface-hub
Hugging Face Hub CLI（hf）——搜索、下载和上传模型与数据集，管理仓库，部署推理端点。
lambda-labs-gpu-cloud
用于机器学习训练和推理的预留及按需 GPU 云实例。当您需要专用 GPU 实例、简单的 SSH 访问、持久化文件系统，或用于大规模训练的高性能多节点集群时使用。
modal-serverless-gpu
用于运行机器学习工作负载的无服务器 GPU 云平台。当您需要按需访问 GPU 而无需管理基础设施、将机器学习模型部署为 API，或运行具有自动扩展功能的批处理作业时使用。
evaluating-llms-harness
在 60 多个学术基准（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）上评估大语言模型。用于模型质量基准测试、模型对比、报告学术结果或追踪训练进度。EleutherAI、HuggingFace 和主要研究实验室广泛采用的行业标准。支持……
huggingface-tokenizers
针对研究和生产优化的快速分词器。基于 Rust 实现，可在 <20 秒内分词 1GB 数据。支持 BPE、WordPiece 和 Unigram 算法。可训练自定义词汇表，追踪对齐关系，处理填充/截断。与 transformers 无缝集成。用于……
nemo-curator
用于大语言模型训练的 GPU 加速数据整理工具。支持文本/图像/视频/音频。具备模糊去重（快 16 倍）、质量过滤（30+ 启发式规则）、语义去重、PII 信息脱敏、NSFW 检测功能。通过 RAPIDS 在 GPU 上横向扩展。用于准备高质量训练数据……
sparse-autoencoder-training
提供使用 SAELens 训练和分析稀疏自编码器（SAE）的指导，将神经网络激活分解为可解释特征。用于发现可解释特征、分析超叠加现象，或研究语言模型中的单义表示……
weights-and-biases
使用自动日志记录追踪机器学习实验，实时可视化训练过程，通过实验扫描优化超参数，并使用 W&B 管理模型注册表——协作式 MLOps 平台
gguf-quantization
GGUF 格式和 llama.cpp 量化，用于高效 CPU/GPU 推理。当您需要在消费级硬件、Apple Silicon 上部署模型，或需要 2-8 位灵活量化且无需 GPU 要求时使用。
guidance
使用正则表达式和语法控制大语言模型输出，确保生成有效的 JSON/XML/代码，强制结构化格式，并使用 Guidance 构建多步骤工作流——微软研究院的约束生成框架
instructor
使用 Pydantic 验证从大语言模型响应中提取结构化数据，自动重试失败的提取，以类型安全方式解析复杂 JSON，并流式传输部分结果——经过实战检验的结构化输出库
llama-cpp
在 CPU、Apple Silicon 和消费级 GPU 上运行大语言模型推理，无需 NVIDIA 硬件。用于边缘部署、M1/M2/M3 Mac 电脑、AMD/Intel GPU，或当 CUDA 不可用时。支持 GGUF 量化（1.5-8 位），减少内存占用，相比 PyTorch 在 CPU 上提速 4-10 倍。
obliteratus
使用 OBLITERATUS 技术从开源权重大语言模型中移除拒绝行为——基于机制可解释性技术（均值差异、SVD、白化 SVD、LEACE、SAE 分解等）移除防护机制，同时保留推理能力。提供 9 种 CLI 方法，28 个分析模块，116 个模型预设……
outlines
在生成过程中保证有效的 JSON/XML/代码结构，使用 Pydantic 模型实现类型安全输出，支持本地模型（Transformers、vLLM），并通过 Outlines——dottxt.ai 的结构化生成库最大化推理速度
serving-llms-vllm
使用 vLLM 的 PagedAttention 和连续批处理实现高吞吐量大语言模型服务。用于部署生产级大语言模型 API、优化推理延迟/吞吐量，或在 GPU 内存有限的情况下服务模型。支持 OpenAI 兼容端点、量化（GPTQ/AWQ/FP8）、连续批处理、动态批处理等功能……
tensorrt-llm
使用 NVIDIA TensorRT 优化大语言模型推理，实现最高吞吐量和最低延迟。用于在 NVIDIA GPU（A100/H100）上进行生产部署，当您需要比 PyTorch 快 10-100 倍的推理性能，或需要支持量化（FP8/INT4）、飞行中批处理和多模型并发服务时使用……
audiocraft-audio-generation
用于音频生成的 PyTorch 库，包括文本到音乐（MusicGen）和文本到声音（AudioGen）。当需要根据文本描述生成音乐、创建音效或进行旋律条件下的音乐生成时使用。
clip
OpenAI 的模型，连接视觉与语言。支持零样本图像分类、图像-文本匹配以及跨模态检索。在 4 亿张图像-文本对上训练。适用于无需微调即可进行图像搜索、内容审核或视觉-语言任务。适用于通用用途…
llava
大型语言与视觉助手。支持视觉指令调优和基于图像的对话。结合 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型。支持多轮图像聊天、视觉问答和指令遵循。适用于视觉-语言对话…
segment-anything-model
图像分割的基础模型，支持零样本迁移。当需要使用点、框或掩码作为提示来分割图像中的任意对象，或自动生成图像中所有对象的掩码时使用。
stable-diffusion-image-generation
基于 HuggingFace Diffusers 的先进文本到图像生成模型（Stable Diffusion）。适用于根据文本提示生成图像、执行图像到图像转换、图像修复（inpainting），或构建自定义扩散流水线。
whisper
OpenAI 的通用语音识别模型。支持 99 种语言，具备转录、翻译为英语以及语言识别功能。提供六种模型尺寸，从 tiny（3900 万参数）到 large（15.5 亿参数）。适用于语音转文字、播客转录或多语言音频处理…
dspy
使用声明式编程构建复杂的 AI 系统，自动优化提示，通过 DSPy（斯坦福 NLP 的系统化大语言模型编程框架）创建模块化 RAG 系统和智能体
axolotl
使用 Axolotl 进行 LLM 微调的专家指导 - YAML 配置、100+ 模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模态支持
distributed-llm-pretraining-torchtitan
使用 torchtitan 提供原生 PyTorch 分布式 LLM 预训练，支持 4D 并行（FSDP2、TP、PP、CP）。适用于在 8 到 512+ GPU 上大规模预训练 Llama 3.1、DeepSeek V3 或自定义模型，支持 Float8、torch.compile 和分布式检查点。
fine-tuning-with-trl
使用 TRL 进行强化学习微调 LLM - SFT 用于指令调优，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。适用于需要 RLHF、对齐模型偏好或从人类反馈中训练的场景。兼容 HuggingFace Tr…
grpo-rl-training
使用 TRL 进行 GRPO/RL 微调的专家指导，适用于推理和任务特定模型训练
hermes-atropos-environments
构建、测试和调试 Hermes Agent RL 环境以用于 Atropos 训练。涵盖 HermesAgentBaseEnv 接口、奖励函数、Agent 循环集成、工具评估、wandb 日志记录以及三种 CLI 模式（serve/process/evaluate）。适用于创建、审查或调试 Atropos 训练环境。
huggingface-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 DeepSpeed/FSDP/Megatron/DDP API。自动设备分配、混合精度（FP16/BF16/FP8）。交互式配置，单命令启动。HuggingFace 生态系统标准。
optimizing-attention-flash
使用 Flash Attention 优化 Transformer 注意力机制，实现 2-4 倍加速和 10-20 倍内存减少。适用于训练/运行长序列（>512 tokens）的 Transformer 模型，或遇到注意力机制导致 GPU 内存不足的问题，或需要更快推理速度的场景。支持 PyTorch 原生 SDPA,…
peft-fine-tuning
使用 LoRA、QLoRA 和 25+ 方法进行 LLM 的参数高效微调。适用于在 GPU 内存有限的情况下微调大模型（7B-70B），需要训练 <1% 参数且精度损失最小，或进行多适配器服务的场景。HuggingFace 官方库…
pytorch-lightning
高级 PyTorch 框架，包含 Trainer 类、自动分布式训练（DDP/FSDP/DeepSpeed）、回调系统和极少样板代码。代码从笔记本电脑扩展到超级计算机保持一致。适用于希望使用内置最佳实践的干净训练循环。
simpo-training
LLM 对齐的简单偏好优化。DPO 的无参考替代方案，性能更优（AlpacaEval 2.0 上提升 +6.4 分）。无需参考模型，比 DPO 更高效。适用于希望比 DPO/PPO 更简单、更快训练的偏好对齐场景。
slime-rl-training
提供使用 slime（Megatron+SGLang 框架）进行 LLM 后训练的强化学习指导。适用于训练 GLM 模型、实现自定义数据生成工作流，或需要与 Megatron-LM 紧密集成以实现 RL 扩展的场景。
unsloth
使用 Unsloth 实现快速微调的专家指导 - 训练速度提升 2-5 倍，内存减少 50-80%，支持 LoRA/QLoRA 优化
chroma
用于 AI 应用的开源嵌入数据库。存储嵌入向量和元数据，执行向量搜索和全文搜索，按元数据过滤。简单的四函数 API。可从笔记本扩展到生产集群。适用于语义搜索、RAG 应用或文档检索。最佳适用于……
faiss
Facebook 开发的高效相似性搜索与密集向量聚类库。支持数十亿向量，支持 GPU 加速，提供多种索引类型（Flat、IVF、HNSW）。适用于快速 k-NN 搜索、大规模向量检索，或需要纯相似性搜索而无需……
pinecone
用于生产级 AI 应用的托管向量数据库。完全托管，自动扩展，支持混合搜索（密集 + 稀疏），元数据过滤和命名空间。延迟极低（p95 <100ms）。适用于生产级 RAG、推荐系统或大规模语义搜索。最适合服务器……
qdrant-vector-search
用于 RAG 和语义搜索的高性能向量相似性搜索引擎。适用于构建需要快速最近邻搜索、带过滤的混合搜索，或使用 Rust 驱动性能的可扩展向量存储的生产级 RAG 系统。
obsidian
在 Obsidian 仓库中阅读、搜索和创建笔记。
google-workspace
通过 Python 集成 Gmail、日历、驱动器、联系人、电子表格和文档。使用 OAuth2 并支持自动令牌刷新。无需外部二进制文件——完全在 Hermes 虚拟环境中使用 Google 的 Python 客户端库运行。
linear
通过 GraphQL API 管理 Linear 问题、项目和团队。创建、更新、搜索和组织问题。
nano-pdf
使用 nano-pdf 命令行工具，通过自然语言指令编辑 PDF。修改文本、修复拼写错误、更新标题，并对特定页面的内容进行更改，无需手动编辑。
notion
使用 Notion API 通过 curl 创建和管理页面、数据库和块。直接从终端搜索、创建、更新和查询 Notion 工作区。
ocr-and-documents
从 PDF 和扫描文档中提取文本。使用 web_extract 处理远程 URL，使用 pymupdf 处理本地文本型 PDF，使用 marker-pdf 处理 OCR/扫描文档。对于 DOCX 文件使用 python-docx，PPTX 文件请参考 powerpoint 技能。
powerpoint
“任何涉及 .pptx 文件的情况均可使用此技能——无论是输入、输出或两者兼有。包括：创建幻灯片演示文稿、路演演示文稿或演示文稿；读取、解析或从任意 .pptx 文件中提取文本（即使提取的内容将用于其他地方，例如……
arxiv
使用 arXiv 的免费 REST API 搜索和检索学术论文。无需 API 密钥。可通过关键词、作者、类别或 ID 进行搜索。可与 `web_extract` 或 `ocr-and-documents` 技能结合，以读取完整论文内容。
blogwatcher
使用 blogwatcher CLI 监控博客和 RSS/Atom 订阅源的更新。添加博客、扫描新文章，并跟踪已阅读内容。
llm-wiki
Karpathy 的 LLM Wiki — 构建并维护一个持久、相互链接的 Markdown 知识库。可导入源内容，查询已编译的知识，并进行一致性检查。与 RAG 不同，该 Wiki 仅编译一次并保持最新状态。可作为 Obsidian 仓库使用。通过 `skills.config.wiki.path` 配置。
domain-intel
使用 Python 标准库进行被动域名侦察。包括子域名发现、SSL 证书检查、WHOIS 查询、DNS 记录分析、域名可用性检查以及批量多域名分析。无需 API 密钥。
duckduckgo-search
通过 DuckDuckGo 进行免费网络搜索 — 支持文本、新闻、图片、视频。无需 API 密钥。安装 `ddgs` CLI 后优先使用；仅在确认当前运行时 `ddgs` 可用时，才使用 Python 的 DDGS 库。
ml-paper-writing
为 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 等会议撰写符合出版标准的机器学习/AI 论文。适用于从研究仓库起草论文、构建论证结构、验证引用或准备最终提交版本时使用。包含 LaTeX 模板、审稿人指南和引用验证功能。
polymarket
查询 Polymarket 预测市场数据 — 搜索市场、获取价格、订单簿和价格历史。通过公共 REST API 仅读取，无需 API 密钥。
godmode
使用 G0DM0D3 技术对通过 API 提供的 LLM 进行越狱 — 包括 33 种 Parseltongue 输入混淆技术、GODMODE CLASSIC 系统提示模板、ULTRAPLINIAN 多模型竞速、编码升级以及 Hermes 原生预填充/系统提示集成。适用于任何可通过 API 访问的模型，包括闭源模型。
openhue
通过 OpenHue CLI 控制 Philips Hue 灯具、房间和场景。可开关灯光、调节亮度、颜色、色温，并激活场景。
xitter
使用官方 X API 凭据，通过 x-cli 终端客户端与 X/Twitter 交互。
code-review
执行全面代码审查的指南，重点关注安全性和质量
plan
Hermes 的规划模式 — 检查上下文，在当前工作区/后端工作目录的 `.hermes/plans/` 中编写 Markdown 规划文件，且不执行任何工作。
requesting-code-review
在完成任务、实现重大功能或合并前使用。通过系统化审查流程验证工作是否满足要求。
subagent-driven-development
在执行实现计划且任务独立时使用。为每个任务分派新的 `delegate_task`，并进行两阶段审查（规范符合性，然后代码质量）。
systematic-debugging
遇到任何错误、测试失败或意外行为时使用。四阶段根本原因调查 — 在理解问题之前不进行修复。
test-driven-development
在实现任何功能或修复 bug 之前使用。强制执行 RED-GREEN-REFACTOR 循环，采用测试先行方法。
writing-plans
当你有多个步骤任务的规格或需求时使用。创建包含小任务、精确文件路径和完整代码示例的全面实现计划。