Hermes Agent kan nu lære direkte fra materialet. Nous Research har tilføjet en “/learn”-kommando til agentens Skills System, så dokumenter, lokale SDK’er, tidligere samtaler og hele mapper kan blive til en kørbar skill uden håndskrevet SKILL.md. Pointen er praktisk: et helt trin forsvinder, og viden bliver noget, man kan køre på kommando.
Konsekvensen er ligefrem. Færre manuelle guides. Flere genbrugelige workflows. Og samtidig nye krav til kontrol, kvalitet og sikkerhed fra dag ét, før det løber af sporet.
Hvad "/learn" gør teknisk
Ifølge MarkTechPost udvider “/learn” det åbne Hermes Skills System via agentens eksisterende værktøjer. Agenten kan læse lokale filer og mapper med read_file og search_files, hente online dokumentation med web_extract og fange et netop gennemført workflow fra samtalen. Outputtet er en verifikationsvenlig SKILL.md, der kan bruges igen.
Brugeren peger på kilden: en SDK-mappe, en API-quickstart, en vellykket samtale eller indsatte noter. Agenten samler brikkerne og skriver SKILL.md med beskrivelse og en standardiseret sekvens, så formatet holder. En vigtig begrænsning i kilden: den finder ikke på kommandoer, der ikke findes. Struktureret udtræk, ikke trylleri.
Hvordan skills bliver organiseret
Kernen i Hermes Skills System er et single source of truth. Alle skills lever som mapper med en SKILL.md i ~/.hermes/skills/. Bundled skills kopieres ind ved ny installation, og både hub-installerede og agent-skabte skills ender samme sted. Den struktur gør versionering, scanning og rollback håndterligt.
Hver installeret skill bliver automatisk en slash-kommando. Kald som “/plan” eller “/axolotl” henter skill-instruktionerne ind i den aktuelle tur. Tænk på en skill som et kompakt referenceark, agenten kun slår op i, når der er brug for det. Det er netop derfor, biblioteket kan vokse uden at blive tungt.
Progressiv indlæsning og omkostningsstyring
Hermes indlæser ikke hele biblioteket blindt. Systemet bruger en progressiv model, hvor agenten først ser en kompakt liste over skills og kun åbner fuldtekst eller enkelte referencefiler ved behov. MarkTechPost beskriver tre niveauer fra oversigtsliste til fuldt indhold og videre til en specifik sti i en skill. Den trinvise læsning holder tokenforbruget nede i praksis.
Det er her driften bliver billigere. Store hubs med mange skills undgår at spamme kontekstvinduet, og omkostninger kan planlægges, efterhånden som flere teams tilføjer materiale. Småt først; det dyre kun, når der er brug for det.
Brugstilfælde der giver reel værdi
Kundesupport er oplagt. Et produktteam peger “/learn” på eksisterende runbooks, fejlkoder og API-fejlscenarier. Resultatet er en slash-kommando, der samler triage-trin, nødvendige logs og almindelige fixes. Implementeringsspørgsmålet kommer straks: hvordan sikres versioner pr. release, og hvordan undgås at følsomme nøgler sniger sig med i SKILL.md? Hold kildemapperne rene og kør automatisk secrets-scanning, før noget går i produktion.
Onboarding og intern dokumentation er næste. Et udviklingsteam peger “/learn” på en SDK-mappe og et par korte eksempler og får en slash-kommando, der sætter en junior i gang med autentificering og pagination uden 14 wiki-sider. For at undgå halvsande guides bør der laves små enhedstests, der kalder de beskrevne trin mod staging. Fejler testen, går skillen i pending.
Automatiseret udvikling med mindre friktion
Et tredje scenarie er helper-kommandoer til gentagne rutiner: deploy til staging, init af feature-branch, opdatering af dataschema. “/learn” kan fange workflowet lige efter, at det lykkes i samtalen, og skrive en skill, som bliver en genvej. Det rejser to krav: versionssporing af de genererede trin og en klar afgrænsning i forhold til CI-systemets autoritet. Ingen har brug for to sandheder om, hvordan en deploy kører.
Fælles for de tre cases er tempo. Slash-kommandoer fra eksisterende materiale forkorter tiden fra idé til brug. Men inputkvalitet styrer outputkvalitet. Dårlige noter giver støj.
Governance, sikkerhed og kvalitetssikring
Når en agent forfatter SKILL.md automatisk, opstår nye risici. Proveniens skal med, så det kan spores, hvilken kilde der blev indlæst, hvornår, og af hvem eller hvad. Adgangskontrol er nødvendig for både læsning af kilder og skrivning af nye skills. MarkTechPost beskriver et write-approval gate, der tvinger ændringer til staging under ~/.hermes/pending/skills/, før de bliver aktive. Den model bør være standard i regulerede miljøer.
Trusselsbilledet bevæger sig samtidig. En fælles advarsel fra Five Eyes-landene peger på, at AI-drevne angreb udvikler sig hurtigt og sænker barrieren for angrebsværktøjer. Det ændrer risikoprofilen for systemer, der automatisk genererer kørbare artefakter – også selv om en SKILL.md primært er instruktionstekst. Derfor giver ekstra kontroller mening: godkendelsesgates, detaljeret logning, scanning for hemmeligheder og en rulletilbage-plan som default.
Hvad det kræver i drift
Skills er runtime-aktiverede. Det gør mappen ~/.hermes/skills/ til en egentlig deploymentsurface. Drift skal behandle den som kode i produktion med versionsstyring, rettighedsstyring og helst immutable builds i produktion. Et simpelt greb er at montere skills som read-only i prod og lade al generering ske i en kontrolleret pipeline.
Tokenomkostninger ligger i opslag og validering. Den progressive indlæsning hjælper, men store teams skal stadig budgettere til periodiske visninger på niveau 1 og 2, især når udviklere åbner fuldt indhold tit. Cost-modeller bør tage højde for peak-uger ved lanceringer, hvor nye skills læses mange gange.
Implementeringscheckliste
- Opsæt et testmiljø for “/learn” med afgrænsede datamapper og en staging-branch for skills.
- Aktivér write-approval og placer pending-artefakter i ~/.hermes/pending/skills/ med obligatorisk reviewer.
- Indfør automatiske kontroller: secrets-scanning, licens- og IP-tjek af indlæste filer og formatlint for SKILL.md.
- Etabler valideringspipelines: enhedstests for kritiske kommandoer, integrationstest mod staging-endpoints.
- Log al proveniens for hver skill: kilde-URL, commit-hash for SDK-mapper, tidspunkter og godkender.
- Definér rollback-procedurer: versionsmærker, changelog og en hurtig disable-mekanisme på kommando-niveau.
- Budgettér for tokenforbrug: adskil baseline for indexopslag fra peak for fuld visning og referencefiler.
- Afgræns adgang til “/learn” i produktion til udpegede roller eller servicekonti, evt. via proxied CLI.
Begrænsninger og uklarheder
Der er klare grænser. “/learn” opfinder ikke ikke-eksisterende kommandoer. Det følger et standardiseret forfattermønster for SKILL.md, hvilket giver ensartethed, men betyder også, at særtilfælde kan kræve manuel finpudsning. Kvaliteten afhænger stærkt af kildens struktur – rodede mapper giver rodede skills.
Nogle detaljer kræver opfølgning. MarkTechPost angiver kompatibilitet med agentskills.io, men det er værd at krydstjekke mod standardspecifikationen. Ligeledes nævnes værktøjer som skill_manage og write-approval gate uden dyb implementeringsbeskrivelse. Et kig i Hermes Agent-repositoriet eller en konkret commit er den solide bekræftelse, før større udrulninger besluttes.
Hvad der er værd at følge nu
Næste skridt i de kommende uger er at se, hvordan hubs og registries behandler agent-skabte skills. Kommer der dashboards med godkendelsesflows og metrics for hitrate og fejl? Deler communityet hurtige best practices for navngivning og filstruktur, så biblioteket ikke mudrer til efter tre sprint?
Sikkerhedssiden bevæger sig også. Hvis der kommer nye advisories i kølvandet på automatiserede build- og deploymentskridt drevet af agenter, bør de ind i governance-planer. Og integration i udvikleres daglige værktøjer – fra CLI til editor-plugins – bliver lakmustesten for, om “/learn” faktisk sparer tid.
Hvorfor det betyder noget i praksis
Opsummeringen er jordnær. Viden, der lå i wiki og PDF, kan blive levende slash-kommandoer med et enkelt prompt. Onboarding bliver strammere, support mere konsekvent, og gentagne udvikleropgaver kortere. Til gengæld kræver det moden håndtering af mapperne under ~/.hermes/skills/ og en disciplineret reviewkultur.
Teknologien rykker nu, men den bliver først en gevinst, når governance er på plads. Hurtige eksperimenter hører til i et afgrænset testmiljø; i produktion er der brug for godkendelser, logning og tilbageførsel. Den forskel mærkes, når man tager det i brug.
