【免费下载链接】hermes-jev-skills
Jev-powered model routing, memory, compaction, skill selection, computer and browser use for Hermes agents (also Claude Code and Codex)
hermes-jev-skills 是一套基于 Jev 决策模型的技能包,为 Hermes 与 Claude Code 提供模型路由、记忆过滤、上下文压缩、技能选择和电脑/浏览器操控等能力,用几分之一的成本把"不需要思考的小决定"交给 Jev,让昂贵的模型专心写作与推理。上手它,只需要两条命令。
💡 它是什么:给 Agent 装一颗"只决策、不写字"的副脑
你的 Agent 把大量前沿模型 token 烧在了不需要思考的事上:这一轮该用哪个模型?377 个技能该加载哪一个?检索回来的哪些段落值得读?这些是决策,不是写作。
Jev 是 TypeSafe 的决策模型:你给它一个状态和类型化问题(单选、打分、是/否),它返回带置信度的答案,从不生成文字。这个仓库把 Jev 接入了 Agent 的日常工作流,全部能力以纯SKILL.md文件形式发布,Hermes、Claude Code、Codex 都能读。
| 能力 | Jev 决定的事 | 实测开销 |
|---|---|---|
| 模型路由 | 这一轮哪个模型"够用" | 约 0.4 秒/轮 |
| 技能选择 | 377 个技能里该加载哪个(或不需要) | 约 2.8 秒 |
| 记忆过滤 | 检索结果里哪些段落值得读、有无隐藏注入 | 单请求 60 段 |
| 消息分诊 | 多紧急、什么类型、是否必须人来处理 | 约 0.4 秒,$0.00006 |
| 邮箱分拣 | 消息归入哪条 lane(待回复/更新/促销/垃圾) | 约 0.44 秒,$0.00002 |
| 电脑/浏览器操控 | 下一步 GUI 动作(只从你已判定安全的动作表里选) | 约 0.4–0.5 秒/步 |
🚀 两条命令安装:clone + 一键适配三种 Agent
只需 Python 3.9+,零依赖。安装器会自动探测机器上的 Hermes、Claude Code、Codex 并逐个安装:
git clone https://gitcode.com/gh_mirrors/he/hermes-jev-skills ~/hermes-jev-skills && python3 ~/hermes-jev-skills/install.py第二条命令负责接入 Jev 的 API Key——它打开一个只由你本机服务的一次性网页,你把 Key 粘进页面即可。全程 Agent 看不到 Key(连前缀都看不到),Key 直接存入系统密钥库:
jev setup-key # 粘贴 Key 后运行:jev doctor 验证几个实用细节:
- 不放心?先跑
python3 install.py --check预览会做什么,--uninstall可完整卸载; - 无浏览器环境用
jev setup-key --tty在终端里隐式输入; - 也可以直接对 Agent 说"安装 Hermes Jev Skills",它会按 AGENTS.md 自行完成;
- 安装器源码见 install.py。
🎛️ Hermes 玩法:先 Shadow,再开闸
对 Hermes 的官方建议是从 shadow 模式开始——Jev 照常决策并记录日志,但不真正切换任何东西。跑一天、看日志、觉得靠谱了再打开开关,风险几乎为零:
/jev routing shadow # 只决策+记录,不改行为(从这开始) /jev routing on # 每轮自动切换模型 /jev skills on # 每轮建议合适的技能 /jev notice on # 回复上显示 "[Jev] hard · coding → … · confidence 0.92" /jev screen on # 网页搜索结果注入拦截打开jev dashboard后,你能在 router-dashboard 页面看到:Jev 的 Off/Shadow/On 三档开关、按"难度 × 工作类型"排布的路由池网格,以及每一次实时决策(模型、来源池、置信度、延迟)。路由池文件在~/.hermes/jev/routing.json,用jev models suggest --write可以按价格档一键生成初稿。
🧠 Claude Code 玩法:四条"泳道",用最小的模型干对的事
给 Claude Code 安装后,你会多拿到 4 个 lane 子代理——每条泳道绑定独立的模型与 effort,原则是"用最便宜且能胜任的模型收尾":
| 泳道 | 子代理 | 模型 / Effort |
|---|---|---|
| small | jev-lane-small | Haiku / low |
| medium | jev-lane-medium | Sonnet / medium |
| high | jev-lane-high | Opus / medium |
| escalate | jev-lane-escalate | Opus / high |
安装时它还会先备份,再往~/.claude/CLAUDE.md追加一段简短的泳道规则块(内容见 claude/claude-md-block.md)。完整策略——先跑测试/编译器/git diff等确定性检查,再问 Jev 该 continue / retry / escalate / complete——写在 docs/lanes.md。真实舰队数据:校准后的泳道路由相比"永远用顶配"能省 32% token。
🔒 安全感:Key 不过手、隐私有边界、全程 fail-open
- Key 永不经过 Agent:一次性页面绑定不可猜测的 URL,拒绝伪造
Host头(防 DNS rebinding),用一次即自毁; - 出站内容最小化:路由只发打码后的当轮文本(截断 2,500 字符),不发历史、工具结果、文件;敏感画像可列入
private_profiles,只发粗粒度特征; - 一切故障都开放失败:没有 Key、超时、限流、低置信度——路由保持当前模型,记忆返回原列表,Jev 宕机最坏代价只是一个 2.5 秒的预算,绝不阻塞对话;
- 不依赖 Jev 正确性的安全栏:含 production/delete/payment 等风险词永不路由到最便宜档;大上下文不会中途切到更便宜的模型。
📁 延伸阅读:仓库里值得翻的几份"血泪文档"
| 文件 | 什么时候读 |
|---|---|
| docs/turning-a-jev-feature-on.md | 打开任何功能前:shadow 模式、静默默认值的坑、为什么"没报错"≠"在运行" |
| docs/shadow-to-live.md | 如何把一个小决策变成 Jev 决策策略:回测、报告、上线门槛 |
| docs/measuring-a-router.md | 用自己的真实流量回放路由,验证省了多少再信任 |
| skills/ | 11 个SKILL.md技能原文,Agent 无关,可直接复用 |
| jevkit/ | jev命令的库源码(纯标准库) |
| evals/ | 所有测量的评测与记分卡,可在自己会话上重跑 |
小结:
git clone+install.py两条命令,5 分钟内给 Hermes 和 Claude Code 装上这颗"又聪明又省钱"的副脑。建议路径:装完 →jev doctor验证 → shadow 跑一天 → 看日志 → 开闸。
【免费下载链接】hermes-jev-skills
Jev-powered model routing, memory, compaction, skill selection, computer and browser use for Hermes agents (also Claude Code and Codex)
相关推荐
告别检索困境:Self-RAG如何让AI回答又准又聪明
告别检索困境:Self RAG如何让AI回答又准又聪明 你是否遇到过这样的情况?明明提供了充足的资料,AI却给出答非所问的回复?或者当你追问细节时,它又含糊其辞
示例工程DLSS Swapper 上手指南:4步免费完成游戏DLSS版本升级与回退
DLSS Swapper 上手指南:4步免费完成游戏DLSS版本升级与回退 游戏更新后画面出现鬼影、卡顿,多半是随包的老版 DLSS 文件在拖后腿。DLSS S
桌面应用agentic-ai优化 | 延迟与成本优化终极技巧:让你的Agentic系统又快又省钱
agentic ai优化 | 延迟与成本优化终极技巧:让你的Agentic系统又快又省钱 你的 Agentic 系统响应太慢、账单太吓人?这篇文章基于 agen
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考