三层加载架构：Hermes 如何用分层披露控制 Agent 上下文成本

在 AI Agent 的运行过程中，上下文窗口是极其宝贵的资源。当技能系统需要管理大量插件时，如何避免一次性加载所有细节、让模型只看到当前真正需要的信息，成为架构设计的关键挑战。Hermes Skill Runtime 通过三层加载架构，巧妙地解决了这一问题。

三层加载架构：从技能发现到内容获取

Hermes 的设计理念很明确：技能系统不应该像传统插件市场那样，把所有内容预先索引、预先展开、预先注入。这种做法在 Agent 场景下会迅速耗尽宝贵的上下文窗口。取而代之的是运行时扫描和分层披露机制——只有在真正需要某个技能时，才付出相应的 token 成本。

目录结构与命名空间管理

Level 0（skills_list）只返回技能的元数据信息，包括名称、描述、分类和标签，Token 消耗约 3k。这个阶段在会话启动时执行，为模型提供一张「技能地图」，让它知道有哪些技能可用、每个技能大致负责什么。模型此时获得的是发现信号，而非完整手册。

Level 1 与 Level 2：按需获取完整内容

Hermes 将 ~/.hermes/skills/ 设为主目录，这是本地技能的单一真实来源。外部目录通过 external_dirs 接入，承担扩展和共享角色，但不会覆盖本地技能的权威性。命名空间机制处理插件技能与普通技能的命名冲突——普通技能用 skill-name 解析，插件技能用 namespace:skill 解析，冒号规则确保运行时能正确拆分并定位。

安全与配置的平衡

当模型决定使用某个技能时，进入 Level 1。skill_view(name) 读取完整的 SKILL.md 文件，执行模板变量替换、配置注入和安全扫描后，将技能说明交给模型。Level 2 则允许按路径读取技能目录内的参考文件（如 references/api.md），用于存放 API 细节、样式规范等低频内容。这种设计将高频使用的主技能与低频细节分离，确保每次技能加载都保持可控的 token 成本。

如有侵权，请联系删除。