Skill Retriever：通过万类能力分类法实现AI代理语义技能发现

Skill Retriever是一个为Hermes Agent设计的语义技能检索插件，通过一个包含10,000个类别的能力分类法，从1,200多个技能中预筛选出最相关的5个。该项目解决了纯语义检索的局限性，后者仅基于文本相似度，可能遗漏嵌入空间中看似不相关但功能关键的技能。

项目引入了一个能力树（Capability Tree），将技能组织成从粗到细的层次结构。LLM通过导航这个分类树，能够发现表面不相关但实际有用的技能。与Hermes Agent的开箱即用（OOTB）功能相比，Skill Retriever将技能发现从“阅读目录”转变为“搜索所需”。OOTB方式将用户安装的所有技能以平面列表形式放在系统提示中，每轮对话都会消耗token，且仅适用于约200个技能。而Skill Retriever通过LLM导航分类树，只需在用户消息中注入相关提示，系统提示开销为零，可扩展到10,000+技能。

工作流程如下：用户查询进入pre_llm_call钩子（插件），然后Searcher.search()加载能力树YAML，通过LLM导航选择节点，并行子搜索（ThreadPool），最后LLM剪枝去重和排序。结果将前5个技能提示以自然语言块注入，LLM可按需调用skill_view()加载技能。

项目包含一个社区技能库（998个社区技能）和Hermes技能（211个），总计1,198个技能。每个技能带有来源标签和安全扫描结果。所有技能已扫描危险模式，未发现标记为危险的技能。

安装简单：克隆仓库并运行安装脚本，然后重启Hermes网关。提供CLI命令用于搜索、重建能力树、列出技能等。所有配置通过环境变量完成，无需配置文件。项目要求Hermes Agent v0.18+、Python 3.10+，约需500MB存储用于能力树索引。

该项目基于MIT许可证，构建于AgentSkillOS（MIT）之上。