Hermes Agent 调教实录（七）：AI Agent 配置七条铁律——200 次实验的结论汇总

Hermes Agent 调教实录 · 7/8 | 实验批次：HERMES-101~105 + 云端复现（汇总）
基于 Hermes Agent v0.20.0 实测（2026-08，deepseek-v4-flash）

📖 摘要：200 多次实验的结论汇总成七条铁律：结构化约束、纪律进身份、记忆粗粒度、触发词精准窄、小技能单文件大技能拆 refs、约束有甜点区、验收用考卷+六维。每条带实测数据和适用边界，可直接复制使用。

为什么要有「铁律」

六篇文章，六个主题：约束、记忆、技能、交付包、多轮、验收。每篇都有实验数据、都有适用边界——但真到交付现场，你不会带着六篇文章干活。你需要的是几条能直接用的判断。

所以最后一篇，把 200 多次对照实验的结论压成七条铁律。每条都带「为什么」和「什么时候不适用」——铁律不是教条，是有边界的经验。

七条铁律

铁律一：结构化约束 > 裸铁律

内容：约束文件写成分节 + 纪律表格（要求/禁止成对），不要写一句话铁律。

数据：结构化写法达标率 100%、成本 1.44×；裸铁律达标率 96.1%、成本 2.28×，还出过事实错误。

为什么：只写要求不写禁止，Agent 会把要求「字面执行」成过度行为。

不适用：任务极简单（无纪律要求）时，两种写法没差别。

铁律二：纪律放身份层，信息放记忆层

内容：行为纪律（先查技能/写完自测）写进身份文件（SOUL），环境事实/偏好写进记忆（MEMORY）。

数据：同一条「先加载技能」，身份文件触发 3/3，记忆文件只触发 1-2/3。

为什么：记忆是「参考信息」，身份是「自我要求」——Agent 对两者的执行强度完全不同。

不适用：一次性任务（不跨会话）时，记忆层纪律的弱触发影响不大。

铁律三：记忆默认粗粒度，细节按需补

内容：记忆先写 5 条左右一句话偏好，不要一上来写 10 条分类细节。

数据：粗粒度记忆成本 0.80×（比不写还省），细结构化 1.24× 只换来 +4% 达标率。

为什么：粗粒度给了方向感减少探索，细粒度在一般任务上边际收益递减。

不适用：高度依赖具体规范的任务（行业术语/字段规范），细粒度必要。

铁律四：触发词精准窄，技能名当门面

内容：技能描述只写真实场景触发词；技能命名要直观表达能力。

数据：宽触发词让弱相关任务 3/3 误加载；模糊描述挡不住正主加载（技能名本身就是信号）。

为什么：Agent 先看「技能名 + 描述」决定加载与否——误加载浪费上下文，命名差则正主也不加载。

不适用：技能库很小（<10 个）时，误加载成本可接受。

铁律五：小技能单文件，大技能拆 refs

内容：≤25KB 技能全写一个文件；>50KB 拆成骨架 + 细节文件。

数据：1.4KB 技能拆 refs 成本 1.29×（负优化）；77KB 大技能拆 refs 省 13.5% 输入 token（58.5k → 50.6k）。

为什么：小技能拆了多一次加载往返；大技能单文件一次加载不完要反复读。

不适用：25-50KB 的技能按内容形态判断（查表型拆、方法论留）。

铁律六：约束有甜点区，交付包按形态选配

内容：约束 1-2 层结构化是甜点（1.4-1.7×，100% 达标）；全家桶过载（2.66×，纪律稀释）。交付按形态分档：多轮配纪律层 + 记忆，单轮配全套。

数据：单层结构化 1.44×/100%；三层组合 1.66×/100%；四层全家桶 2.66×/96.1%。

为什么：约束本质是上下文指令，指令越多注意力越分散，层间还可能冲突。

不适用：客户明确要求全配置矩阵时（极少数合规场景），过载成本要提前报给客户。

铁律七：验收用考卷 + 六维 + 取证

内容：考卷选约束敏感型任务；六维评估（一次成功率/达标率/自我修正/成本/稳定性/退化风险）；证据可复现。

数据：v1 考卷漏「事实准确」用例，事实错误输出满分通过；v2 补上后 100% 暴露。云端复现确认结论跨环境可迁移（达标率 94.1% / ~97% 一致）。

为什么：没有验收 = 没有「合格」的定义，交付说不清。

不适用：纯内部实验（不对外交付）时，验收可以简化到只跑考卷。

结论汇总表

配置决策的总入口，一张图：

#	铁律	核心数据	一句话
1	结构化 > 裸铁律	100% vs 96.1%，1.44× vs 2.28×	要求/禁止成对写
2	纪律进身份，信息进记忆	触发 3/3 vs 1-2/3	记忆是参考，身份是要求
3	记忆粗粒度起步	0.80× vs 1.24×	5 条一句话起步
4	触发词精准窄	误加载 3/3 vs 0/3	技能名当门面
5	体积分界 25/50KB	1.29× vs 省 13.5%	小不拆，大拆
6	甜点区 + 形态分档	1.4-1.7× vs 2.66×	别全家桶
7	考卷 + 六维 + 取证	事实用例补漏	可复现地能用

这套方法的边界（诚实版）

这套铁律来自 200 多次会话，但有几件事我们还没测：

• 长对话退化：8 轮内无退化是实测，20-50 轮的边界未知（交付中观察中）
• 模型差异：全部实验基于 deepseek-v4-flash；换模型后成本绝对值变，相对比率可参考
• 框架差异：实验载体是 Hermes Agent（开源）；其他框架的约束注入/记忆机制不同，阈值要实测
• 任务类型：考卷是 4 个约束敏感型任务；纯创作类/纯检索类任务的配置结论可能不同

欢迎用你手上的 Agent 框架复现这套方法——方法比结论更通用：立考卷、定基线、跑对照、取六维。如果复现结果和我们不一样，欢迎来评论区对账，那正是这个系列存在的意义。

系列完结

从「AGENTS.md 怎么写」到「怎么验收」，七篇文章、200 多次实验——我们把「AI Agent 配置」从经验之谈变成了可测量的数据。

本系列的核心资产（全部可直接复制）：

• AGENTS.md 结构化模板（第一篇）
• 粗粒度记忆模板（第二篇）
• 技能描述范式 + 体积判据（第三篇）
• 交付包分档配置（第四篇）
• 多轮交付三件事（第五篇）
• 验收报告模板（第六篇）

后续我们会在真实交付中继续验证和补充这些结论（尤其是长对话退化边界），有新数据会在评论区/后续文章同步。

📚 更多实战记录见我的博客：鱼日先生

---

💬 你复现了哪条铁律？结果一致还是翻车了？评论区对账，我们持续更新。

本系列完——欢迎回看 ，获取完整阅读信息。