Cranot/super-hermes

何を解決するか

Super Hermes は、AIエージェントが一般的なコードレビューを提供するか、表面的なバグ検出を行うという限界を克服します。モデルが特定のパターンを認識しても、コードがそのように書かれている構造的な理由を説明できず、分析中に見落とした点を報告できない「盲点」問題を防ぎます。

仕組み

標準的なプロンプトではなく、「プリズム」と呼ばれる構造化された分析プログラムを使用します。これにより、モデルは特定の構築プロトコル（たとえば、主張を構築し、それを攻撃し、構造的不変量を導出する）に従うよう強制されます。

以下の専門スキルを用いて動作します：

• 動的レンズ生成：/prism-scan スキルは、実行前に特定の問題に特化したカスタム分析レンズを生成します。
• 多角的分析：/prism-3way スキルは、三つの直交する視点（どこで、いつ、なぜ）から問題を分析し、結果を統合します。
• 自己認識：/prism-reflect スキルは、「制約レポート」を生成し、分析で最大化された点と犠牲になった点を明示的にリストアップ。これらの盲点は .prism-history.md ファイルに保存されます。
• 成長ループ：後続の分析は .prism-history.md ファイルを読み込み、レンズを調整して以前に見落とした視点をカバーします。

対象ユーザー

コードベースの深い構造的分析、『保存則』（工学的に回避できないトレードオフ）の特定、AIエージェントの分析的限界に対する透明な理解を必要とする開発者や研究者。

特徴

• 検証済みのプリズム：エラー耐性、最適化、時間的予測に向けた7つの実績のある分析レンズを含む。
• 制約の透明性：盲点を明示的に報告し、ユーザーが分析がカバーしなかった範囲を正確に把握できる。
• 構造的洞察：バグリストを超えて、根本的なアーキテクチャ上のトレードオフを特定。
• モデル非依存：Hermes Agent専用に設計されてはいるが、コアのプリズムはClaudeやGPTなどの任意のLLMにシステムプロンプトとして利用可能。
• プロジェクトベースの学習：ローカル履歴ファイルを通じて、自身の過去の盲点から学び、プロジェクト内での進化を実現。