kerpopule/hermes-jev-skills

解决的问题

AI代理经常在简单的决策任务（如选择合适的模型、过滤搜索结果或整理邮件）上浪费昂贵的前沿模型令牌，而这些任务并不需要复杂的文本生成。本项目提供了一套技能和一个插件，将这些“小决策”交给 Jev——一个专门的、低成本的决策模型，该模型能以校准的置信度回答类型化问题（是/否、评分或从列表中选择），从而降低延迟和成本。

如何工作

该系统通过插件（特别是 Hermes 专用）或独立的技能文件将 Jev 集成到代理的工作流中。它在关键节点拦截代理流程，快速做出决策：

• 模型路由：动态选择能够处理当前回合的最经济高效的模型。
• 过滤与选择：在主大语言模型读取之前，识别出检索到的记忆片段或搜索结果中真正相关的部分。
• 任务分诊：根据紧急程度和类型对传入消息进行分类。
• 动作选择：从预定义的安全动作列表中选择下一步的 GUI 或浏览器操作。

为确保安全和隐私，系统使用去敏层在发送到 Jev API 前屏蔽敏感数据，并采用“故障开放”设计，即当决策模型不可用时，代理将回退到默认行为。

适用人群

使用 Hermes 代理框架等构建 AI 代理的开发者，希望通过将高层推理与日常决策分离来优化运营成本和响应时间。

亮点

• 成本与速度：决策通常耗时约 0.4 秒，成本不足一美分的几分之一。
• 影子模式：允许用户记录 Jev 的决策，而无需实际切换模型或动作，可在上线前验证性能。
• 隐私优先：内置对邮件、电话号码和令牌的去敏功能，并提供“私密配置文件”模式以处理高度敏感数据。
• 广泛适用性：附带 9 个与代理无关的技能，可在 Claude Code 或 Codex 等其他环境中使用。
• 故障安全：设计为故障开放，确保 Jev 故障不会阻塞代理的任何回合。