AI学得越多越好吗？现实是：AI Agent每解决一个新问题，往往会存成一个"技能文件"。时间久了，这些技能就像抽屉里塞满的便利贴——太多、太乱、互相重复，反而让AI每次开口前都要翻来翻去。Nous Research为此设计了Curator模块，专门负责替AI整理技能仓库。

什么是"技能"，为什么会堆积

在Hermes Agent的设计里，"技能"（Skill）是一段可以复用的处理逻辑，以Markdown文件的形式存在磁盘上。

问题来了： AI每次遇到"新问题"就存一个新技能。一个月下来，可能攒出几十个技能文件，其中大量是"换汤不换药"的近似重复版本。

这些冗余文件会：

• 污染技能目录，AI难以快速找到真正有用的那个
• 占用宝贵的上下文窗口，让每次对话的"起步成本"更高
• 可能让AI调用到过时或错误的旧版本，产生错误结果

Curator：AI的"整理收纳师"

Curator的核心思路很简单：在AI空闲的时候，偷偷跑一个后台任务，把技能仓库从头到尾检查一遍。

启动条件

不是定时闹钟触发，而是靠两个条件同时满足：

• 距离上次整理已超过7天
• AI已连续空闲超过2小时

就像等你睡着了再悄悄收拾桌子，不打扰正在进行的工作。

两阶段整理流程

第一阶段：自动状态迁移（无需LLM参与）

纯粹按时间规则判定每个技能的"健康状态"：

活跃 Active →（30天未用）→ 过期 Stale →（再过60天）→ 归档 Archived

被归档的技能会被移动到.archive/目录，不会被直接删除，随时可以恢复。

这个"只归档、不删除"的设计，是为了防止误操作造成不可逆损失。

第二阶段：LLM审查（用小模型跑一遍）

Curator会单独开一个轻量级AI进程，让它逐一阅读技能内容，判断：

• 这个技能是否值得保留？
• 有没有和其他技能高度重叠？
• 能不能合并精简？

这一步会生成一份审查报告，记录每个技能的处理结论，用户可以随时查阅日志，了解Curator做了什么。

几个值得注意的细节设计

只动AI自创的技能，不动官方的

Curator有一条铁律：只整理AI自己生成的技能。

系统预装的技能、用户从技能商店安装的技能，一律不碰。这样不会因为"清理"破坏用户有意安装的功能。

可以"钉住"某个技能

如果你手动写了一个很重要的技能，不想被AI的自动整理动到，可以用命令把它"钉住"（pin）：

hermes curator pin <技能名>   # 保护某个技能不被动
hermes curator restore <技能名>  # 从归档中恢复

被钉住的技能，无论是自动规则还是LLM审查，都不会碰它。甚至AI本身在对话中也无法修改它——必须由用户主动解锁才行。

每个技能都有使用遥测

Curator会记录每个技能的使用次数、查看次数、最后一次被调用的时间等数据。这不是为了监控，而是为了让自动状态迁移有数据依据，而不是瞎猜。

常用命令速查

命令	说明
hermes curator status	查看当前状态和最近最少使用的技能
hermes curator run	立即触发一次后台整理
hermes curator pin <技能名>	保护某个技能不被动
hermes curator restore <技能名>	从归档中恢复

这件事为什么值得关注

表面上，Curator只是一个工程上的"卫生工具"。但它背后的问题——AI Agent的自我维护——其实是当前AI工程领域一个相当前沿的话题。

现在大多数AI系统是"只进不出"的：学到什么就攒着什么，没有主动遗忘或整理的机制。这在短期内没问题，但当AI开始真正长期运行、自主积累知识和技能时，"技能膨胀"会变成一个不可忽视的系统性问题。

Curator的做法，是把"整理"这件事本身自动化、透明化、可审计：

• 既不让AI随意乱删
• 也不让垃圾无限堆积
• 还给人留了介入和恢复的后路

某种程度上，这更像是一个好的文件系统设计，而不只是AI功能。

而这正说明：随着AI Agent越来越复杂，支撑它们长期运行的"基础设施思维"，会越来越重要。