让 AI 编程助手真正“记得事、会规划、能交付”：Oh My Hermes —— Hermes Agent 的专业级操作系统层

你是否也遇到过这样的困扰：用 Hermes Agent 写代码时，它能快速生成函数，却记不住上一步调试的报错日志；能完成单次任务，却无法自动串联「需求分析→技术调研→原型开发→测试验证→文档沉淀」这一整条研发链路；更关键的是——它没有长期记忆，每次对话都像第一次见面？Oh My Hermes（OMH）正是为解决这些「AI 编程落地最后一公里」问题而生：它不是替代 Hermes 的新代理，而是为其注入工程思维的操作系统层——在不改动原有自然语言交互体验的前提下，增加可审计的流程框架、可追溯的记忆锚点与可复用的能力封装。

核心功能

全流程任务编排引擎：解决「AI 只会单点响应、不会端到端推进」的问题。OMH 将模糊请求（如“帮我做一个支持 Markdown 渲染的 CLI 工具”）自动拆解为「需求澄清→依赖分析→模块设计→代码生成→本地构建→README 生成」等明确阶段，并在每步执行前确认证据边界（如“仅基于已安装的 rich 库实现渲染”），避免幻觉蔓延。
显式长期记忆系统（Project Memory）：解决「每次对话都失忆」的硬伤。OMH 为每个项目自动创建结构化记忆库，记录关键决策依据（如“选择 Typer 而非 Click 因其对子命令的类型提示更友好”）、失败尝试（“首次用 Pandas 处理大文件 OOM，改用 Dask”）及人工校验结果，后续任务可精准引用历史证据，真正实现「越用越懂你」。
技能能力化封装（Skill-as-Capability）：解决「原生 Hermes 技能调用零散、难复用」的痛点。OMH 将 Hermes 原生技能（如 code-execution、web-search）重新包装为带输入约束、输出契约和失败回滚机制的「能力单元」，例如 safe_file_edit 能力会自动备份原文件、校验语法、拒绝危险路径，而非裸调 exec 指令。
模型链智能调度（Model-Chain Interview）：解决「一刀切用大模型浪费算力」的低效问题。OMH 在任务启动时动态发起轻量级「模型面试」：先用小模型（如 Phi-3）做需求澄清和可行性判断，再将高成本操作（如大型代码生成）路由至 Claude 或本地 Llama3，显著降低延迟与成本。
双模配置管理（Hermes 原生兼容 + OMH 扩展）：解决「升级工具就丢配置」的运维噩梦。OMH 安装后完全保留用户原有的 hermes.yaml 配置，仅通过新增的 omh.yaml 管理流程策略（如「所有 web-search 必须启用缓存」、「memory 目录强制加密」），老配置继续生效，新能力按需启用，无缝演进。
可信执行沙箱（Evidence-Gated Execution）：解决「AI 自动执行代码引发安全风险」的隐患。OMH 为每个操作设置三重证据门禁：1）操作前检查上下文证据（如“目标文件存在且可读”）；2）执行中拦截危险指令（如 rm -rf /）；3）执行后验证输出合规性（如生成的 Python 文件必须通过 pylint --errors-only）。所有门禁规则均可自定义。
一键式健康诊断（omh doctor）：解决「环境配置异常难排查」的协作障碍。运行 omh doctor 即可生成包含模型连通性、内存存储状态、技能权限、沙箱完整性等维度的诊断报告，支持导出为 Markdown 或直接分享给团队成员协同排障。

技术亮点

分层架构设计：严格分离「语义层」与「操作层」。OMH 不修改 Hermes Agent 的核心推理逻辑，而是作为独立进程监听其输出流，通过解析自然语言指令中的隐含意图（如“对比三种方案”暗示需并行执行），注入流程控制指令。这种设计确保 Hermes 保持轻量、可替换，而 OMH 专注工程治理。
证据驱动执行（Evidence-Bound Workflow）：所有工作流均以「可验证证据」为触发前提。例如「代码审查」能力要求必须存在 .git/ 目录且有未提交变更，否则拒绝执行；「文档生成」能力强制校验源码中是否存在 docstring 注释。这种设计根治了传统 AI 工具「无条件执行」的随意性。
声明式能力定义（YAML-first Skill Manifest）：开发者可通过简洁 YAML 文件定义新能力，如指定 input_schema（JSON Schema 校验输入）、output_contract（断言输出必须包含 success: true 字段）、fallback_strategy（失败时自动降级至人工审核）。无需写 Python 就能扩展企业级工作流。
跨平台原生安装协议：提供 macOS/Linux 的 curl-sh 安装、Windows PowerShell 一键部署，更关键的是支持「AI 代理自主安装」——将 README 中的智能体专用安装指令粘贴给 Claude/Codex，它能自动解析 Git commit SHA、下载对应版本文档、执行精准配置，彻底告别手动踩坑。

适合哪些人用

OMH 主要面向需要将 AI 编程能力深度融入真实研发流程的技术团队与资深个人开发者：

开源项目维护者：当收到 GitHub Issue “请为 config.py 添加环境变量覆盖支持”，OMH 可自动：1）检索项目历史中同类 PR；2）生成兼容旧版的 patch；3）更新 tests/test_config.py；4）提交 PR 并关联 Issue。全程保留决策日志供社区审查。
企业内部工具链工程师：为团队定制「合规代码生成」能力：所有生成代码必须通过 SonarQube 规则集扫描、自动添加公司版权头、禁止使用未批准的第三方包。OMH 将这些策略固化为不可绕过的证据门禁。

快速上手

安装仅需一行命令（macOS/Linux）：

curl -fsSL https://raw.githubusercontent.com/rlaope/oh-my-hermes/main/install.sh | sh

Windows 用户使用 PowerShell：

irm https://raw.githubusercontent.com/rlaope/oh-my-hermes/main/install.ps1 | iex

安装后立即初始化：

omh setup

该命令将引导完成：模型链配置（自动探测本地/云端可用模型）、项目记忆目录初始化、沙箱权限校准。后续日常使用只需：

omh run "重构 utils/date.py，用 pendulum 替代 datetime" —— 启动全流程任务
omh memory list --project my-app —— 查看项目记忆快照
omh update —— 安全升级，保留所有自定义配置

同类对比 / 注意事项

不同于 AutoGen（需重写整个 Agent 架构）或 LangChain（侧重通用编排但缺乏编程领域深度），OMH 是唯一专为 Hermes Agent 设计的垂直增强层，优势在于「零学习成本接入」与「开箱即用的工程纪律」。需注意：OMH 不提供模型本身，需用户自行配置 Hermes 支持的模型（如 Claude、Llama3、Ollama 实例）；其长期记忆默认存储于本地 ~/.omh/memory，生产环境建议配合加密文件系统或对象存储后端。