Skill Retriever：透過萬類能力分類法實現AI代理語義技能發現

Skill Retriever是一個為Hermes Agent設計的語義技能檢索外掛，透過一個包含10,000個類別的能力分類法，從1,200多個技能中預篩選出最相關的5個。該專案解決了純語義檢索的侷限性，後者僅基於文本相似度，可能遺漏嵌入空間中看似不相關但功能關鍵的技能。

專案引入了一個能力樹（Capability Tree），將技能組織成從粗到細的層次結構。LLM透過導航這個分類樹，能夠發現表面不相關但實際有用的技能。與Hermes Agent的開箱即用（OOTB）功能相比，Skill Retriever將技能發現從“閱讀目錄”轉變為“搜尋所需”。OOTB方式將使用者安裝的所有技能以平面列表形式放在系統提示中，每輪對話都會消耗token，且僅適用於約200個技能。而Skill Retriever透過LLM導航分類樹，只需在使用者訊息中注入相關提示，系統提示開銷為零，可擴充套件到10,000+技能。

工作流程如下：使用者查詢進入pre_llm_call鉤子（外掛），然後Searcher.search()載入能力樹YAML，透過LLM導航選擇節點，並行子搜尋（ThreadPool），最後LLM剪枝去重和排序。結果將前5個技能提示以自然語言塊注入，LLM可按需呼叫skill_view()載入技能。

專案包含一個社群技能庫（998個社群技能）和Hermes技能（211個），總計1,198個技能。每個技能帶有來源標籤和安全掃描結果。所有技能已掃描危險模式，未發現標記為危險的技能。

安裝簡單：克隆倉庫並執行安裝指令碼，然後重啟Hermes閘道器。提供CLI命令用於搜尋、重建能力樹、列出技能等。所有配置透過環境變數完成，無需配置檔案。專案要求Hermes Agent v0.18+、Python 3.10+，約需500MB儲存用於能力樹索引。

該專案基於MIT許可證，構建於AgentSkillOS（MIT）之上。