Nous Research 为开源 AI Agent Hermes 的 Skills 系统加入了 /learn 功能，允许 Agent 把本地文件、在线文档、刚完成的对话流程，甚至口述笔记，整理成可重复调用的技能文件，并存入 ~/.hermes/skills/。这意味着，用户带 Agent 做过一次的操作，可以在下次直接调用，不必再手动编写 SKILL.md。
/learn 支持四类素材来源
按照官方说明，/learn 的目标是把“已经会的内容”或“分散的参考资料”快速转成 skill。它当前支持四种输入来源：本地程序库或 SDK 文件夹、线上文档页面、刚刚在对话中演示过的完整流程，以及任意贴上的非结构化文本。对应场景也很直接，比如把团队内部工具的使用方法固化下来，或者把第三方 API 文档整理成下次可调用的操作能力。
文中给出的示例包括：让 Hermes 学习本地 SDK 中与认证和分页有关的 REST client；读取指定文档页面内容；回顾“刚才如何部署测试服务器”的完整步骤；以及直接吸收用户输入的自然语言笔记。素材范围很宽。只要能描述出来，原则上都可以作为输入。
Agent 自行收集材料并生成技能文件
接到请求后，Hermes 会调用现有工具完成素材采集，包括 read_file、search_files 和 web_extract。随后，它会依据内置格式要求生成 skill 文件。规则也写得很具体：���述限制在 60 字符以内，章节顺序固定，使用 Hermes 的工具术语，且不能自行编造指令。
这套机制把过去依赖工程师整理知识的流程压缩了。传统做法是，工程师先观察 Agent 完成任务，再手动或借助 AI 写成说明文档，最后再整理成可复用 skill；而在 /learn 模式下，流程变成“任务完成后，用户补一条学习指令，技能文件随即生成”。人保留决定是否学习的判断，知识提炼本身则交给 Agent 处理。
Hermes 的动态技能库开始成形
素材指出，很多 AI Agent 的能力边界要么预先写在代码里，要么依赖工程师周期性更新 prompt，技能库通常是静态的，不会因为使用而自然增长。/learn 让 Hermes 的技能库转向动态扩张：每次使用后，只要用户选择保留成果，就能把一次性流程沉淀成可重复资产。
不过，技能库会持续变大，不等于生成内容天然可靠。原文也提醒，这类自动长出来的能力仍需要做质量优化。对 Hermes 而言，/learn 更像是把“自我改进 agent”这一定义落到具体操作层面：它不只执行任务，也开始把完成过的流程转写成下次可直接调用的能力。