Hermes Agent Skills
심화 가이드: 입문에서 자기 진화까지

핵심 개념: Skills ≠ Prompts, Skills ≠ Memory

세 가지를 혼동하는 것이 초보자가 가장 자주 하는 실수입니다. 기억하기 쉬운 비유: Prompt = 포스트잇(당번만 유효), Memory = 메모장(영구 메모, 항상 손에), Skill = SOP 매뉴얼(단계별 절차, 필요할 때 펼침).

Skill Bundles: 한 명령으로 전체 워크플로

Skill Bundles는 Hermes 2026 신기능이자 가장 과소평가된 기능 중 하나입니다. Bundle은 경량 YAML로 여러 관련 Skill을 슬래시 명령 하나에 묶습니다. /bundle-name 실행 시 나열된 Skill이 동시에 로드됩니다.

위치: ~/.hermes/skill-bundles/<slug>.yaml

name: backend-dev
description: |
  Full backend feature workflow — code review, TDD, and PR management.
skills:
  - github-code-review
  - test-driven-development
  - github-pr-workflow
instruction: |
  Always write failing tests first before implementation.
  Never push directly to main.

심화 시나리오: AI 연구 워크플로는 arxiv + deep-research + plan + excalidraw, MLOps 배포는 vllm + llama-cpp + github-pr-workflow + systematic-debugging을 묶을 수 있습니다.

hermes bundles create backend-dev \
  --skills github-code-review,test-driven-development,github-pr-workflow \
  --instruction "Always write failing tests first"

Skills Hub와 오픈소스 생태

hermes skills install official/research/arxiv
hermes skills install https://example.com/SKILL.md --name my-skill
hermes skills install github:openai/skills/k8s
hermes skills tap add github:my-org/my-skills

agentskills.io 표준 덕분에 Skill 자산이 단일 플랫폼에 묶이지 않습니다. skills-ref validate ./my-skill로 형식 준수를 검증하세요.

Self-Evolving Skills: GEPA + DSPy로 Skill 자동 진화

GEPA(Genetic-Pareto Prompt Evolution)는 2026 ICLR Oral 논문이며 hermes-agent-self-evolution에 통합됐습니다. 모델 가중치를 건드리지 않고 실행 궤적 분석·변형 생성·다목적 Pareto 최적화로 Skill 텍스트 자체를 개선합니다. 회당 약 $2–10(순수 API, GPU 불필요).

GEPA 5단계 진화 흐름

1. 1

   실행 궤적 수집: SQLite에서 전체 추론 궤적(도구 호출·분기·오류)을 읽습니다.

2. 2

   반성적 실패 분석: LLM이 「실패했다」가 아니라 「왜 실패했는지」 실행 가능한 측면 정보를 생성합니다.

3. 3

   표적 변이: 실패 원인에 맞춰 SKILL.md 변형 10–20개를 생성합니다.

4. 4

   다목적 Pareto 평가: 성공률 × Token 효율 × 속도를 동시에 최적화합니다.

5. 5

   수동 PR 검토: 최적 변형 → PR 생성 → 승인 후 배포.

git clone https://github.com/NousResearch/hermes-agent-self-evolution
cd hermes-agent-self-evolution && pip install -r requirements.txt
export HERMES_AGENT_PATH=~/.hermes

# 합성 데이터 입문
python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source synthetic

# 실제 세션 데이터(효과 더 좋음)
python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source sessiondb

4대 안전 가드레일

1. 1

   전체 테스트 pytest tests/ -q 100% 통과 필수

2. 2

   크기 제한: Skill ≤ 15KB, 도구 설명 ≤ 500자

3. 3

   Prompt 캐시 호환: 세션 중간 수정으로 캐시 무효화 금지

4. 4

   의미 보존 검사: Skill 원래 목적에서 벗어나지 않음

Skills가 agentskills.io 표준을 따르므로 Claude Code·Gemini CLI 실행 궤적도 GEPA에 넣을 수 있습니다: --eval-source mixed --trace-dirs ~/.claude/traces,~/.hermes/sessions

Skill 작성 심화 팁(엔지니어 관점)

description이 활성화 정확도를 좌우합니다: Helps with code. 같은 모호한 문구는 피하고, 트리거 조건·처리 범위·제외 시나리오(Do NOT use for...)를 명시하세요.

Pitfalls가 품질 분수령: 각 실패 패턴에 근본 원인과 실행 가능한 수정 단계가 있어야 합니다. 막연한 조언은 피하세요.

skill_manage로 Agent가 Skill을 스스로 유지: patch / create 액션 지원. config.yaml에 skills.agent_writes_require_approval: true로 수동 승인 게이트를 켤 수 있습니다.

원격 Mac에서 Hermes Skills 운영 결정 매트릭스

Hermes Agent는 7×24 상시 구동과 로컬 궤적 축적이 있어야 GEPA 진화가 의미 있습니다(3층 기억 아키텍처 글 참고). Windows/Linux 메인에서 Skill을 작성하고, macOS 전용 scripts/·Telegram Gateway 검수는 원격 Mac에서 하는 편이 낫습니다.

1. 1

   Mac Mini M4 월 임대 후 SSH로 Hermes 설치(설치 가이드).

2. 2

   ~/.hermes/skills/에 첫 SKILL.md 작성, skills-ref validate로 형식 검증.

3. 3

   Skill Bundle 생성, /bundle-name으로 다중 Skill 동시 로드 확인.

4. 4

   VNC 세션에서 Telegram Gateway QR·hermes doctor 헬스체크.

5. 5

   세션 궤적 축적 후 원격 노드에서 GEPA evolve_skill 실행, 생성 PR 검토.