kerpopule/hermes-jev-skills

Jev-powered model routing, memory, compaction, skill selection, computer and browser use for Hermes agents (also Claude Code and Codex)

それは何か

Hermes Jev Skills は、Hermes AI エージェント（および Claude Code や Codex などの互換エージェント）が、安価で高速な「意思決定」作業を Jev（TypeSafe の意思決定モデルサービス）にオフロードできるようにするプラグインとスキル定義のコレクションです。Jev は散文を生成しません。構造化された質問（1つ選択、スコアリング、はい/いいえ）に校正された信頼度で答えるだけです。リポジトリは、これらの回答をさまざまなエージェントタスク（モデルルーティング、検索ランキング、メールボックス分類、ウェブスクリーニング、ターン選択など）に配線し、高価な LLM は重い書き込みのみを行います。

コアアイデア

概念	Jev が行うこと	典型的なコスト
モデルルーティング	現在のターンを処理できる最も安価なモデルを選択します。	ターンあたり約 0.4 秒
検索ランキング	取得した結果をランク付けし、クエリを絞り込む必要があるかどうかを決定し、証拠が質問に答えるかどうかを確認します。	ラウンドあたり約 1.9 秒
スキル選択	インストールされている 377 の「スキル」から 1 つを選択します（例：メモリフィルタリング、ウェブスクリーニング、トリアージ）。	約 2.8 秒
メールボックス分類	受信メールをレーン（返信が必要、プロモーション、スパムなど）に分類します。	メッセージあたり約 0.44 秒、$0.00002
ターン圧縮	コンテキストをトリミングする必要がある場合に、保持するトランスクリプトターンを決定します。	71 ターンを 0.95 秒で
コンピューター/ブラウザ使用	事前承認されたテーブルから次の GUI またはページアクションを選択します。	約 0.4〜0.5 秒
ウェブスクリーニング	ウェブ検索結果の隠された指示を検出し、LLM から隠します。	結果あたり約 0.2 秒

すべての決定は Jev クラウドサービスへの短い API 呼び出しを介して行われます。リポジトリは 質問テンプレート、スキルファイル（SKILL.md）、および Hermes と統合する コマンドラインツール（jev）を提供します。

始め方

# バンドルされたインストーラーをクローンして実行（Python 3.9+）
git clone https://github.com/kerpopule/hermes-jev-skills ~/hermes-jev-skills && \
python3 ~/hermes-jev-skills/install.py

# TypeSafe API キーを登録（1回限りのローカルページ）
jev setup-key   # ローカルページを開きます。キーを貼り付け、`jev doctor` を実行します

インストーラーは、マシン上の Hermes、Claude Code、または Codex のインストールを検出し、適切なプラグインとレーンサブエージェントを追加します。python3 install.py --check で何が起こるかをプレビューしたり、--uninstall ですべてを削除したりできます。

典型的なワークフロー

シャドウモード – /jev routing shadow を実行して、Jev に決定をさせ、モデルを実際に切り替えずにログに記録します。これにより、コストと精度を最初に検証できます。
ルーティングをオンにする – /jev routing on で、Jev が各ターンのモデルを選択できるようにします。
スキルを有効にする – /jev skills on で、Jev が各ターンに適切なスキル（例：メモリフィルター、ウェブスクリーン）を提案できるようにします。
オプションのスクリーン – /jev screen on で、疑わしいウェブ検索チャンクを自動的に保留します。
監視 – /jev dashboard で、プール、信頼度スコア、レイテンシ、および決定ごとのログを表示するウェブ UI を開きます。

すべてのコマンドは Hermes エージェントが理解するスラッシュコマンドです。これらは公開プラグインフック（pre_llm_call、transform_tool_result など）にマップされるため、Hermes のアップグレードで統合が壊れることはありません。

安全性とプライバシー

生データのゼロ露出 – リクエストがマシンを離れる前に、ペイロードは編集され（個人識別子、資格情報、長いテキスト）、粗い特徴のみが送信されます。
フェイルオープン設計 – Jev が利用できない場合、エージェントは現在のモデルにフォールバックし、既存のメモリリストを保持し、ターンをブロックしません。
リスクワードガード – 特定の高リスク用語（支払い、法律、削除など）は、最も安価な層にルーティングされることはありません。
ローカルキーストレージ – jev setup-key は TypeSafe キーを OS シークレットストア（Keychain、secret-tool、または 0600 ファイル）に保存し、エージェントプロセスに渡すことはありません。

リポジトリレイアウト

jevkit/            # コアライブラリと `jev` CLI（標準ライブラリのみ）
skills/            # 13 個の SKILL.md ファイル、エージェントに依存しない決定仕様
hermes/plugin/     # エージェントライフサイクルにフックする Hermes プラグイン
router-dashboard/  # ライブ決定監視用の HTML/JS ダッシュボード
install.py         # インストーラー/アンインストーラースクリプト
tests/             # モックされた Jev 応答を使用したオフラインテスト
scripts/           # デモホームジェネレーター、夜間 PR レポート、リリースゲート
 evals/             # 自分のセッションで再実行できる測定スクリプト
docs/              # 詳細な統合ノート、安全ガイド、設計上の選択

最初に読むべき主要ドキュメント：

turning-a-jev-feature-on.md – 機能を安全に有効にする方法。
using-jev-in-a-hermes-fleet.md – 複数のエージェントで Jev を運用する。
writing-a-jev-question.md – Jev のための効果的な構造化質問を作成する。

誰がこれを使うか

自律エージェントを構築する開発者 – トークンコストを低く抑えながら、インテリジェントなルーティング、トリアージ、ツール選択の決定を行う必要がある。
Hermes エージェントのフリートを管理する運用チーム – 集中化された監査可能な決定サービスを望む。
研究者 – 安価な決定モデルと高価な LLM 出力の間のトレードオフを測定することに興味がある。

結論

Hermes Jev Skills は、安価で高速な決定 API を AI エージェントの実用的な「セカンドブレイン」に変え、モデル選択からメールボックス分類までを処理し、ユーザーデータをデバイス上に保ち、広範な安全ネットを提供します。