Hermes Agent 的 /learn 真正厉害的地方，是把经验编译成可验证 Skill

Hermes Agent 的 /learn 最值得看的地方，不是“又多了一个命令”，而是它把 Agent 的长期能力建设从聊天记录，推向了可验证、可复用、可维护的 Skill。

大多数 AI 助手的核心问题不是不会回答，而是不会积累。你今天教它一套部署流程，明天换个会话，它又从零开始。上下文窗口再长，也终究是窗口；聊天记录再多，也不等于可执行知识。/learn 试图解决的正是这层断裂。

从记住资料，到提炼技能

普通的知识库做法，是把文档切片、索引、检索，然后在回答时塞回上下文。这适合问答，但不一定适合操作。因为操作需要的不只是“材料在哪里”，还需要步骤、前置条件、命令、验证方法、失败处理和边界。

/learn 的关键在于 distill：从代码、API 文档、手册、PDF、配置和历史材料里提炼出一份可调用的 Skill。Skill 不是原文摘要，而是面向任务的执行手册。

为什么必须验证

如果一个 Agent 只是把资料压缩成 Markdown，那还不够。真正难的是 live test：用提炼出的步骤跑一遍，发现缺失条件、错误命令、版本差异、权限问题和验证盲点，再把这些新发现固化回 Skill。

这一步非常重要，因为很多教程看起来完整，真正执行时才暴露问题。没有验证的 Skill 只是漂亮文档；通过验证的 Skill 才接近可复用能力。

/learn 更像经验编译器

• 输入不是一句 prompt，而是一组源材料：代码库、文档、手册、历史记录、配置文件。
• 输出不是普通摘要，而是有触发条件、步骤、命令、坑点和验收方式的 Skill。
• 中间不是一次生成，而是提炼、测试、修正、固化的循环。
• 长期效果不是让单次回答更长，而是让下一次同类任务少从零开始。

它和 Memory 的边界

很多人会把 /learn 理解成记忆增强，但更准确地说，它是技能增强。Memory 适合保存偏好、环境事实、项目索引和少量稳定信息；Skill 适合保存可重复执行的方法。把长流程塞进 Memory 会污染后续会话，把流程编译成 Skill 才能被选择性加载。

真实价值在哪里

对个人用户，/learn 可以把一次踩坑变成下次可用的流程。对团队，它可以把某个同事脑子里的部署、测试、排查、发布经验变成共享 Skill。对长期运行的 Agent，它意味着能力不只来自模型参数，也来自工作现场不断沉淀的程序化经验。

这不是让 AI 一夜之间拥有“记忆人格”，而是更务实的一步：把可重复工作从聊天里捞出来，变成有边界、有验证、有维护入口的技能资产。