企业官网建设流程全解析

1. 为什么你的 AI 总是“懂很多，却做不对”

很多人用 AI 工具时都有同一种挫败感：问它“怎么部署一个 Docker 容器”，它能给你讲得头头是道；但真让它动手，它就开始泛泛而谈，步骤跳来跳去，甚至把关键参数漏掉。问题不在于模型不够聪明，而在于它只掌握了“是什么”，没有掌握“怎么做”。

这就是记忆系统和技能系统的分水岭。记忆（比如 MEMORY.md）存的是事实，像“这个项目用 pnpm”“CI 走 GitHub Actions”；而技能（SKILL.md）存的是方法论，是“把这件事跑通的具体步骤”。记忆是被动的，技能是主动的、可复用的工作流。

这篇就聚焦 Skills 技能系统的落地配置。我会以 SKILL.md 为切入点，演示在 Hermes 这类 AI 工具里怎么定义技能文件、挂载技能目录，让模型按“怎么做”执行任务，而不是每次都从零推理。文末会给一条验证动作：新增技能后触发调用，确认 AI 是按技能步骤输出，而不是泛泛回答。适合已经在用 Hermes、想让 Agent 真正“会干活”的同学。

2. 前置准备：TaoToken 与 Hermes 的接入关系

在动手写 SKILL.md 之前，先把模型调用这条链路打通。Hermes 本身是执行框架，真正干活的还是背后的模型，所以你需要一个稳定的模型接入点。我这边用的是 TaoToken，它的 API 地址是https://taotoken.net/api，兼容常见的 OpenAI 风格调用方式，配置起来比较省事。

先拿到 API Key。打开控制台里的 API Keys 页面（https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=skills_apikey），新建一个 Key，复制出来。注意这个 Key 只在创建时完整显示一次，丢了就得重建。

拿到 Key 之后，在 Hermes 的模型配置里填两样东西：Base URL 填https://taotoken.net/api，API Key 填刚才复制的。如果你用的是环境变量方式，可以这样写：

export OPENAI_BASE_URL="https://taotoken.net/api" export OPENAI_API_KEY="sk-你的TaoToken密钥"

配好之后先别急着写技能，用一条最简单的请求确认模型通了：

curl https://taotoken.net/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -d '{ "model": "gpt-4o-mini", "messages": [{"role": "user", "content": "回复两个字：通了"}] }'

返回里能看到"content": "通了"就说明链路没问题。这一步很关键，因为后面技能触发失败时，你得先排除是模型没通还是技能没挂上。如果你更习惯在网页里直接验证模型，也可以去模型对话页（https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=skills_chat）发一条消息试试，确认账号和模型都正常。

3. 可复制配置：SKILL.md 骨架与目录结构

技能系统的核心就是 SKILL.md 这个入口文件。它描述技能的用途、输入参数和执行步骤。Hermes 的技能按分类目录组织，一个技能目录下不只有 SKILL.md，还可以带附件。完整结构长这样：

~/.hermes/skills/ ├── mlops/ # 分类目录 │ ├── axolotl/ │ │ ├── SKILL.md # 主文件（必须） │ │ ├── references/ # 参考文档（可选） │ │ ├── templates/ # 输出模板（可选） │ │ └── scripts/ # 辅助脚本（可选） │ └── vllm/ │ └── SKILL.md ├── devops/ │ └── deploy-k8s/ │ ├── SKILL.md │ └── references/ └── .hub/ # Skills Hub 状态（自动生成） ├── lock.json └── audit.log

references/ 放详细文档，templates/ 放输出模板，scripts/ 放辅助脚本。SKILL.md 是入口，负责把这几块串起来。下面是一个可以直接复制的骨架，我拿“Python 项目初始化”当例子：

--- name: python-project-init description: 初始化一个标准 Python 项目，包含虚拟环境、依赖管理和基础目录结构 trigger: - 初始化Python项目 - 新建Python工程 - python project init inputs: - name: project_name description: 项目名称 required: true - name: python_version description: Python 版本，默认 3.11 required: false steps: - 创建项目目录并进入 - 用 python -m venv 创建虚拟环境 - 生成 requirements.txt 和 .gitignore - 创建 src/ 与 tests/ 目录 - 输出初始化完成的结构树 --- # Python 项目初始化技能 ## 用途 把“新建一个 Python 项目”这件事标准化，避免每次手动建目录、漏掉 .gitignore。 ## 执行步骤 1. 执行 `mkdir -p {{project_name}} && cd {{project_name}}` 2. 执行 `python{{python_version}} -m venv .venv` 3. 写入 requirements.txt，内容为 `# 依赖列表` 4. 写入 .gitignore，忽略 `.venv/`、`__pycache__/`、`*.pyc` 5. 创建 `src/` 和 `tests/` 目录 6. 用 `tree -L 2` 输出结构，确认结果 ## 注意事项 - 如果目录已存在，先询问用户是否覆盖 - 虚拟环境激活命令按操作系统区分：Linux/macOS 用 `source .venv/bin/activate`

这个骨架里，trigger决定什么时候自动触发，inputs定义参数，steps是模型要照着走的动作。{{project_name}}这种占位符会被实际参数替换。写完之后，把它放到~/.hermes/skills/devops/python-project-init/SKILL.md，目录名和name保持一致，方便管理。

挂载技能目录这一步，Hermes 默认读~/.hermes/skills/，一般不用额外配置。如果你用的是容器方式，记得把宿主机的技能目录挂进去，否则容器里看不到：

docker run -it \ -v ~/.hermes/skills:/root/.hermes/skills \ -e OPENAI_BASE_URL="https://taotoken.net/api" \ -e OPENAI_API_KEY="sk-你的TaoToken密钥" \ hermes:latest

这样技能文件在宿主机改，容器里立刻生效，不用每次重建镜像。

4. 验证请求：新增技能后触发调用

技能写好了，得验证它真的被调用，而不是模型自己瞎编。先确认技能被识别：

/skills

如果列表里出现了python-project-init，说明挂载成功。接下来触发它。在对话里输入：

帮我初始化一个 Python 项目，名字叫 demo-api

重点观察模型的输出。如果技能生效，它会按 SKILL.md 里的步骤走：先建目录、再建虚拟环境、写 .gitignore、最后输出结构树。如果技能没生效，模型大概率会给你一段“你可以先安装 Python，然后创建虚拟环境……”的泛泛回答，步骤顺序也可能是乱的。

我实测下来，判断技能是否真正触发，看两个信号最准：一是输出里出现了 SKILL.md 中定义的固定动作（比如tree -L 2的结构树），二是步骤顺序和steps字段一致。只要这两点对上，就说明模型是在“按技能执行”，而不是自由发挥。

如果你想更严格一点，可以在 SKILL.md 里加一句“执行前先输出[skill: python-project-init]”，这样每次触发都能在日志里看到标记，排查起来更快。

5. 本篇常见错排查

技能系统踩坑主要集中在“没触发”和“触发了但跑错”两类。下面这几个是我遇到过的高频问题。

技能列表里没有我的技能。先检查目录层级。Hermes 要求~/.hermes/skills/<分类>/<技能名>/SKILL.md，如果你把 SKILL.md 直接放在skills/根目录下，它不会被识别。另外文件名必须是大写SKILL.md，小写skill.md在部分系统上会读不到。

技能识别了但对话里不触发。多半是trigger关键词没覆盖到你的说法。比如你写的是“初始化Python项目”，但用户说的是“帮我建个 Python 工程”，匹配不上就不会自动触发。解决办法是把常见同义说法都加进trigger，或者直接在对话里点名：“用 python-project-init 技能帮我建项目”。

触发了但步骤执行到一半报错。常见原因是技能依赖的 Python 包在容器里没装。如果你用的是--rm临时容器，每次退出容器就销毁，运行时环境不保留，技能文件虽然持久化在~/.hermes/skills/，但依赖包得重新装。频繁用技能的话，建议换成常驻容器，依赖装一次就能持续用。

模型没按步骤走，自己加戏。这通常是 SKILL.md 的steps写得太模糊。把每一步写成可执行的具体动作，而不是“配置好环境”这种抽象描述。步骤越具体，模型越不容易跑偏。

API 调用报 401 或超时。先确认OPENAI_BASE_URL是https://taotoken.net/api，Key 没有多余空格。如果 Key 是在控制台刚建的，注意复制完整。需要重新生成的话，去 API Keys 页面（https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=skills_apikey2）操作。接入细节和参数说明可以对照接入文档（https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=skills_doc）核对。

6. 把技能用起来：从单次调用到长期复用

技能系统真正的价值，是让成功的经验固化下来。你第一次手动跑通一个多步骤任务，让 Hermes 把它提炼成 SKILL.md，下次同类任务就能一键复用。Hermes 不会为每个简单操作都建技能，一般要满足几个条件才会自动生成：任务涉及超过 5 次工具调用、包含错误恢复或多步骤调试、或者本身是可复用的工作流（比如搭 CI 流水线、部署 Docker 容器）。

你也可以主动要求。比如刚完成一个多步骤任务后说：“把刚才这个操作流程保存成可复用的技能文件。”它会分析执行过程，提炼关键步骤和注意事项，生成对应的 SKILL.md。

如果你打算长期跑编码类任务或者搭 Agent 工作流，建议把模型调用也固定下来，用 Coding Plan（https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=skills_plan）会比每次临时配 Key 省心。技能文件写好后，配合稳定的模型接入，Agent 才算真正从“会聊天”升级到“会干活”。

最后留一个实用习惯：每写完一个 SKILL.md，先手动触发一次，确认输出和steps对得上，再放进日常流程。技能库慢慢攒起来之后，你会发现很多重复劳动都能交给它，而且每次执行的结果是稳定的、可预期的。