← 返回列表
未验证
为智能体补上持久记忆、技能库与轨迹采集
尚未跑自动兼容性验证,可查看页面内的依赖与入口分析。 · 最近上游提交 2026/8/27 · 已提供中文文档
Hermes Agent → DeepSeek Harness 桥接的直译版本:共享内存、技能、实时工具、MCP 以及全代理委托。
综合分
28.7
GitHub 分
28.7
用户评分
—
★ Stars
1
周下载量
—
安装插件(需先安装 dsh CLI 引擎:npm install -g @deepseek-ai/dsh)
dsh plugin --profile web add aalvsz/dsh-hermes-bridge该插件未发布到 npm,走 GitHub 源安装(pnpm 若拦截 prepare 脚本,按其提示在 pnpm-workspace.yaml 的 allowBuilds 中放行后重跑)
数据截至 2026/9/16(元数据每日更新 · 实装验证按队列轮转,单条结论的验证时间见上方)
用户评分
还没有人投票,来当第一个
订阅周报,不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动
README
dsh-hermes-bridge
CI
License: MIT
为 DeepSeek Harness 提供的原生自适应智能——无 Hermes 或 Python 依赖。
dsh-hermes-bridge 以 JavaScript 将 Hermes 的自适应智能层重新实现为一个
独立的 DSH 插件。它提供了 Hermes 在基础智能体循环之上所提供的功能——持久记忆、可复用技能、技能创作、
后台审查和策展器——而无需单独安装 Hermes。
DSH 中呈现的内容
| 能力 | DSH 界面 |
|---|---|
| 持久记忆(MEMORY.md / USER.md) | hermes_memory + 冻结的系统提示快照 |
| 可复用技能(SKILL.md 目录) | hermes_skills_list、hermes_skill_view、hermes_skill_manage |
| 技能创作 | /hermes-learn |
| 后台记忆/技能审查 | 可选的 DSH 子智能体分支 |
| 策展器 | 可选的到期检查集成 |
| RL 轨迹捕获 | hermes_trajectory_save + 自动轮次/结束捕获 |
| 轨迹压缩 | hermes_trajectory_compress(受保护区域 + LLM 摘要) |
| 能力诊断 | hermes_status |
DSH 已提供智能体循环、工具调用、提供程序、子智能体、
会话、审批、文件/bash/web 工具以及模型路由。此插件添加了
DSH 原生所缺乏的自适应层——包括用于生成微调数据的 RL 轨迹
收集和压缩流水线。
与 v0.1.0(桥接)的差异
v0.1.0 是一个桥接,连接到真实的 Hermes Python 安装。
v0.2.0 是一个原生重新实现——无 Hermes、无 Python、无子进程。
记忆和技能是纯 JavaScript,使用标准 fs 操作。
安装
dsh plugin --profile web add github:aalvsz/dsh-hermes-bridge
配置
在你的配置文件的 cordis.patch.yml 中覆盖包行:
- id: dsh/hermes-bridge
config:
enabled: true
namespace: hermes
backgroundReview: false
curator: false
memoryCharLimit: 2200
userCharLimit: 1375
memoryNudgeInterval: 10
skillNudgeInterval: 10
saveTrajectories: false
model: null
trajectoryTargetMaxTokens: 15250
trajectorySummaryTargetTokens: 750
默认值
- backgroundReview、curator 和 saveTrajectories 在显式启用之前均为关闭状态。
- 记忆和技能文件使用模式 0600;目录使用 0700。
- 所有工具均以 hermes_* 命名空间命名,以避免与原生 DSH 工具冲突。
RL 轨迹流水线
当 saveTrajectories: true 时,每个完成的对话都会被转换为
ShareGPT 轨迹格式({from, value} 带有 、 和
XML 标签),并追加到 trajectory_samples.jsonl。
使用 hermes_trajectory_compress 在 token 预算内压缩轨迹:
1. 受保护的头部轮次(系统、人类、首个 gpt+工具)会被保留
2. 受保护的尾部轮次(最后 N 轮)会被保留
3. 中间轮次会被累积,直到实现足够的节省
4. 被压缩的轮次会被替换为一条摘要消息
5. 边界对齐可防止拆分 gpt/工具对
这与 Hermes 的 trajectory_compressor.py 相呼应,用于生成可直接用于 SFT/DPO 的数据。
开发
npm install
npm test
npm run verify
许可证
MIT。扫码进群