在自动化工具演进的过程中，Hermes Agent 提出了一条新路径：不让用户从零编写脚本，而是让智能体在旁观察用户操作，自动把高频动作压缩成可复用的“工作流技能”。这种做法把自动化的起点从写代码前移到了“先做一遍”，特别适合那些流程明确但懒得维护脚本的岗位。下面我们先看一个典型界面示意图，再展开背后的机制。
自动提炼的核心原理与触发机制
Hermes Agent 的提炼能力建立在行为轨迹录制与语义聚类两项技术之上。当用户开启“观察模式”后，代理会在本地捕获鼠标点击坐标、输入框文本内容、命令行调用参数以及页面 DOM 变更事件。这些原始轨迹先被清洗掉噪声，例如随机弹窗和误触操作，再按时间窗口切分为多个动作片段。每个片段会提取出关键要素：目标对象、操作类型、输入值和预期状态。这一步不需要联网，完全在端侧完成，保证了操作数据的私密性。
轨迹清洗之后，系统会调用内置的语言模型对片段做语义标注。比如连续三次“打开后台、筛选昨日订单、导出 CSV”会被标注为“订单日报导出”意图。当同一个意图在三天内出现超过五次，Agent 会弹出提示，询问是否生成工作流技能。这种触发机制避免了偶然操作被误提炼，也给了用户确认权。用户确认后，系统将动作序列抽象为参数化节点，把固定部分写死，把变动部分如日期、关键词暴露为技能入参。
值得注意的是，提炼并非简单录屏回放。Hermes Agent 会做控制流推断：如果某一步之后常出现“若列表为空则结束”，它会生成条件分支而不是线性步骤。这种轻量级的流程挖掘让技能具备一定容错性。下面是一段简化版的技能定义结构，可以看到条件节点和参数声明是如何被记录的。
{
"skill_name": "daily_order_export",
"trigger_count": 6,
"params": {
"date": "昨日",
"format": "csv"
},
"steps": [
{"action": "open", "target": "admin/orders"},
{"action": "filter", "field": "created_at", "value": "{{date}}"},
{"action": "check_empty", "if_true": "exit"},
{"action": "export", "type": "{{format}}"}
]
}
生成的工作流技能文件结构与调用方式
被提炼出的技能会以 YAML 或 JSON 文件存放在用户目录下的技能库路径中，例如 C:UsersnameHermesskills。文件头部包含元数据：技能名、适用应用、平均耗时、最近调用时间。主体部分则是节点列表，每个节点带有动作类型、选择器或命令、以及超时与重试策略。这种结构刻意保持人类可读，方便用户后期手动微调，比如把导出格式从 csv 改成 xlsx，不需要重新走一遍操作流程。
调用方式分为被动与主动两种。被动调用指用户再次进行相似操作时，Agent 在侧边栏推荐“是否启用 daily_order_export 技能”，一键即可重放并自动填参。主动调用则通过自然语言触发，例如对 Agent 说“跑一下昨天的订单导出”，它会匹配技能名与参数描述，然后进入执行模式。执行时如果遇页面改版导致选择器失效，Agent 会尝试视觉匹配而非直接报错，这也是相比传统脚本更健壮的地方。
为了说明调用差异，我们可以对比手动脚本与技能调用的代码量。下面是用 Python 操作浏览器实现同样逻辑的片段，显然技能方式省去了环境配置与异常捕获样板。
from selenium import webdriver
import time
driver = webdriver.Chrome()
driver.get('https://shop.ippipp.com/admin/orders')
time.sleep(2)
# 筛选昨日
driver.find_element_by_name('date').send_keys('yesterday')
driver.find_element_by_id('search').click()
time.sleep(3)
if not driver.find_elements_by_class_name('order-row'):
driver.quit()
exit()
driver.find_element_by_id('export').click()
与传统 RPA 和脚本方案的效率对比
传统 RPA 工具如早期桌面自动化软件，依赖用户用可视化编辑器拖拽组件，学习成本集中在“怎么让机器理解界面”。Hermes Agent 反其道而行，先让机器理解用户，再生成编辑结果，用户只需在确认环节做减法。对于月度报表、客服话术切换、竞品价格巡检这类周期任务，Agent 的提炼耗时通常只有手动建流程的五分之一，且后续改技能比改 RPA 工程要轻量。
和纯手写脚本比，技能方案胜在零依赖与自维护。脚本需要应对选择器变更、接口字段调整，而 Agent 在执行技能时融合了视觉与 DOM 双通道定位，某宝页面改版后旧脚本报废，技能却可能照常运行。当然，技能并非万能：涉及复杂鉴权跳转或强人机校验的流程，自动提炼容易在中途卡住，此时仍建议手写带容错的逻辑。下面的对照表总结了三类方案在三个维度上的表现。
| 方案 | 搭建成本 | 维护成本 | 抗界面变更 |
|---|---|---|---|
| 手写脚本 | 高 | 高 | 弱 |
| 传统 RPA | 中 | 中 | 中 |
| Hermes 技能 | 低 | 低 | 较强 |
在实际落地时，建议把 Hermes Agent 的自动提炼作为团队效率基线：先让每个人跑一周观察模式，导出高频技能，再由组长评审哪些可以固化为部门标准操作。这种自下而上的自动化比自上而下推行脚本更容易被接受，也更符合真实业务节奏。当技能库积累到一定规模，还能通过 skill merge 命令将相似技能合并为带分支的复合技能，进一步压缩日常点击次数。
Hermes_Agent工作流技能效率自动化修改时间：2026-08-15 18:56:31