【免费下载链接】hermes-jev-skillsJev-powered model routing, memory, compaction, skill selection, computer and browser use for Hermes agents (also Claude Code and Codex)项目地址https://gitcode.com/gh_mirrors/he/hermes-jev-skills点击查看免费下载如果你关心 AI Agent 如何省钱又少犯错hermes-jev-skills 是一个值得细读的项目它基于 TypeSafe 的决策模型 Jev内置了 11 个开箱即用的技能——模型路由、技能选择、搜索、记忆过滤、邮箱整理、浏览器与计算机操作等。核心思路一句话把该不该、选哪个这类小判断交给 0.4 秒、几分之几分钱就能回答的 Jev把昂贵的顶级模型留给真正需要写作的环节。什么是 JevAgent 的快速第二大脑Jev 是一个只做决策、从不写文字的模型你给它当前状态和带类型的问题选一个 / 打个分 / 是否它回一个带置信度的答案。这 11 个技能都是纯SKILL.md文件不只服务于 HermesClaude Code、Codex 或任何能读技能文件的 Agent 都可以直接用入口见 README.md 和 AGENTS.md。11 个内置技能一览 技能一句话作用文档jev-model-routing每轮自动挑够用且最便宜的模型SKILL.mdjev-skill-select从几百个已装技能中挑出该用的那个或都不用SKILL.mdjev-frontier-work难题交给顶级模型Jev 当监工盯住执行SKILL.mdjev-compaction会话压缩时决定哪些对话轮次必须保留SKILL.mdjev-search挑出值得打开的搜索结果判断证据够不够SKILL.mdjev-memory过滤记忆片段揪出藏在文本里的提示词注入SKILL.mdjev-social-research带证据链地研究社交帖与趋势SKILL.mdjev-mailbox把邮箱分成 5 个车道标出需要人看的邮件SKILL.mdjev-computer-use桌面 GUI 自动化从安全动作表里挑下一步SKILL.mdjev-browser-use网页自动化点哪、输入哪逐步决策SKILL.mdjev-setup安全接入 Jev 密钥密钥绝不经过 AgentSKILL.md快速安装两条命令搞定 git clone https://gitcode.com/gh_mirrors/he/hermes-jev-skills ~/hermes-jev-skills python3 ~/hermes-jev-skills/install.py jev setup-keyinstall.py会自动识别机器上的 Hermes、Claude Code、Codex 并逐个安装jev setup-key会在本机打开一个一次性页面把 TypeSafe 密钥贴进去即可——密钥直接进入系统密钥库Agent 全程看不到。之后跑一次jev doctor验证连通性。省钱三件套路由、技能选择、前沿任务jev-model-routing每轮自动挑最划算的模型开启hermes-jev插件后每个新用户回合在第一次模型调用前就路由一次Jev 在约 0.4 秒内回答三个问题——这轮有多难、是什么类型的工作、出错的代价大不大然后代码按档位simple / medium / hard× 专长general / coding / writing / research / vision在你的模型池里取第一个装得下的模型。建议先用/jev routing shadow只记录不切换观察一天确认日志合理再开启。这是jev dashboard的模型路由仪表盘上方是 Jev 路由的 Off / Shadow / On 三档开关中间是档位 × 工作类型的模型池网格下方是逐条实时记录的路由决策难度、工作类型、目标模型、来源池、置信度、耗时。配套还有Lanes车道机制委派给子 Agent 的任务从最小车道起步每轮跑完测试和类型检查后由 Jev 决定继续 / 重试 / 验证 / 升级一次只升一级车道complete必须由检查通过来挣得。Claude Code 用户还会获得 4 个车道子代理如 jev-lane-escalate.md细节见 docs/lanes.md。jev-skill-select技能多了不怕用错当 Agent 安装了上百个技能时该加载哪个技能本身就是一项判断。Jev 先把整个目录切成每批 120 个并行排序再细读前五名必要时可以全部否决——没有合适的技能也是合法答案。在 Hermes 中/jev skills on后每轮回复会附上一行建议且只推荐本会话真正能加载的技能。一个实测数据377 个技能的目录约 2.8 秒出结果收到好的这类寒暄则 0 毫秒本地应答根本不打扰 Jev。jev-frontier-work贵座留给难题Jev 全程盯梢顶级模型席位是买给硬任务的。jev ladder choose按已经付过钱的优先排序选座原生订阅座 → 委派 CLI 座 → 按量计费兜底座被拒绝的席位用jev ladder refuse写入共享状态让其他 Agent 直接跳过避免集体撞 429。执行期间用jev supervise每 30–60 秒轮询一次几分之几分钱它会明确告诉你现在是keep_waiting、需要人拍板、在打转、卡死了还是该收尾——done 不算完成必须独立验证。信息处理三件套搜索、记忆、社交研究jev-search搜索结果先筛再读一轮研究通常是三个决定加一段写作打开哪几条结果、读到的证据够不够、下一轮查什么。Jev 负责前三个它从不写查询候选查询由你写、它来选把昂贵的模型留给写答案。返回的decision字段非常直白answer够了写答案、search_more跑它选中的那条查询、propose_queries你给的候选都不行换一批。所有结果都会先过本地注入筛查。jev-memory读记忆前先过滤顺带查毒记忆库仍是事实来源Jev 只做事后把关正常检索返回候选后如果超过 5 条先过一遍jev rerankHermes 中是jev_memory_filter工具——Jev 排序、剔除无关项并标记藏有提示词注入的片段。结果里有个screening字段必须先看jevlocal表示每条都查过了local-only表示 Jev 没上线、只跑了本地模式匹配此时要把所有片段当未受审文本读。在 Hermes 中/jev screen on还能自动筛查每次web_search结果。jev-social-research带证据链的社交研究研究帖子、创作者和趋势时它强制区分证据层级discovery_card搜索结果卡片→opened_post打开的原文→comments_read读过评论区→media_observed真的看过视频/图片。发现卡片永远不能直接引用进报告本地证据达标检查通过后才允许问 Jev 证据够不够并给出 complete / partial / blocked 三种诚实结局。整理两件套邮箱与会话压缩jev-mailbox一封封回答这是写给我的吗 把导出的邮件批量丢给jev mail每条邮件会被分进 5 个车道——needs_reply等人回复、updates自己的账户通知、promotional营销/通讯、sales陌生推销、spam垃圾/钓鱼同时输出一个最重要的字段needs_attention只要为 true 就代表该让人看一眼此时禁止自动归档。所有不确定的、疑似注入的都会标出来交给人命令永不删除任何邮件。一千封的邮箱总成本只要几美分。jev-compaction压缩时决定哪些轮次该留当一个转录必须砍到固定长度时Jev 给每轮标记keep含决策、约束、关键取值/summarize背景截断到 400 字符/drop闲聊、被推翻的尝试。项目方还做了个诚实的实测SCORECARD-2026-09-20.md交接文档直接给完整对话 1200 字摘要 可回查旧会话召回率最高58.7%配合一次搜索达 75%所以默认方案是把完整对话交给写作者Jev 筛选留给尺寸固定必须删的场景。操作两件套计算机与浏览器 ️jev-computer-use桌面 GUI 的下一手由 Jev 来点驱动桌面应用窗口、菜单、原生 App、系统对话框时你负责规划和动手Jev 只回答接下来做哪一件。关键设计Jev 只能从你建好的安全动作表里选一个 id它无法发明坐标、文本或选择器选错顶多在两个你已判定安全的动作间打转。每步循环是观察 → 本地建候选表必含reobserve和abstain→ 问 Jev → 执行且只执行选中的那一个 → 再观察验证。隐私门槛很硬凭据、截图、密码框内容一律不发送。jev-browser-use网页自动化同样只选不写需要交互的网页走同一套循环普通 HTTP 能读到的就别动浏览器。Jev 从观察到的页面元素里挑操作和目标永不写选择器或坐标执行前必须白名单主机、限定步数预算页面文字只是数据、不是指令登录、2FA、支付永远由人自己完成。项目还给出了一个反直觉的经验目标是终点状态 什么算进展 约束三件套——在维基百科上实测补上点到相关文章算进展之后同一任务从第 1 步就 BLOCKED 变为 12.6 秒验证通过。基础件jev-setup密钥永远不过 Agent 之手 这是整套技能的地基jev setup-key在本机浏览器打开一次性页面密钥只进 OS 密钥库macOS Keychain / Linux secret-toolAgent 只会看到stored / rejected / timed_out三种状态。规则写得很死不要求用户把密钥贴进聊天、不读凭据文件检查、密钥不出现在命令行和日志里。无浏览器的服务器就让用户自己跑jev setup-key --tty。三个贯穿所有技能的设计哲学 Jev 只决策、不产出它从不写查询、选择器、摘要或代码最多返回 id 和数字——写错的风险被物理隔离Fail-open 优先Jev 不可用时所有功能优雅降级保持当前模型、本地模式筛查、标记交给人绝不让一个小故障卡死整个流程隐私边界前置疑似含密钥的内容不发送、邮箱地址只发域名、路径 ID 替换为P0/P1本地筛查永远先于 Jev 调用。建议的上手路径先jev models suggest --write生成模型池草稿 →/jev routing shadow跑一天观察 → 日志合理后/jev routing on接着开/jev skills on体验技能推荐浏览器和计算机操作技能按需启用从只读、白名单内的任务练手。每个技能的完整契约都写在 skills/ 目录下对应的SKILL.md中路由内核实现可看 jevkit/turn.py。总结hermes-jev-skills 的价值不在某个单点功能而在它把Agent 一天里几百次小判断统一到了一个快速、便宜、可审计的决策层——你花的顶级模型 token终于都花在了真正的思考上。赞分享【免费下载链接】hermes-jev-skillsJev-powered model routing, memory, compaction, skill selection, computer and browser use for Hermes agents (also Claude Code and Codex)项目地址https://gitcode.com/gh_mirrors/he/hermes-jev-skills点击查看免费下载相关推荐CANN/catlass MX FP8矩阵乘MX FP8 Matmul TLA Example Readme Function Demonstrates MX FP8 matrix multiplicat算子库人工智能高性能计算OBS Studio虚拟摄像头实战从源码解析到多平台部署完整方案OBS Studio虚拟摄像头实战从源码解析到多平台部署完整方案 OBS Studio作为最流行的开源直播录制软件其虚拟摄像头功能已成为内容创作者和远程工作音视频直播屏幕录制桌面应用视频大模型量化格式全解析从FP16到GGUF一文读懂模型压缩技术大模型量化格式全解析从FP16到GGUF一文读懂模型压缩技术 在人工智能模型飞速发展的今天大语言模型LLM的参数规模动辄数十亿甚至上千亿这给模型的存人工智能大模型LLM/VLM含推理深度学习创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考