rlaope/oh-my-hermes

oh‑my‑hermes (OM H)

是什么 – OM H 是开源 Hermes Agent（一个由 LLM 驱动的 AI 助手）的插件/操作系统层。它保持 Hermes 作为自然语言前端，但增加了结构化工作流引擎、显式的证据门控、长期记忆和按模型路由。简而言之，它将普通的 Hermes 请求转变为可复现、可审计的“能力”，在执行一系列专业技能的同时，追踪成本、模型选择和结果。

核心理念

• 多模型路由 – 每个请求都会被评分并分派到模型类别（如 ultrabrain、quick、writing）。路由表可编辑，包含数十种现代 LLM 家族。
• 并行工作车道 – 工作被拆分为独立单元，在各自的 Git 工作树中运行，允许安全地并发调用工具。
• 证据门控 – 每个步骤都会生成带类型的输出（进程退出、模式验证、验证收据）。结果必须通过门控批准后才被视为“完成”。
• 长期记忆存储 – OM H 将决策记录为审查卡片，打上时间戳，并为后续会话回忆预算范围内的记忆。Hermes 自身的记忆从不被修改。
• 108 个专业 omh‑* 技能 – 预制的工具调用，适用于前端、后端、Rust、推理服务、安全审查、性能预算、重构等。路由器会自动注入所需技能。
• 统一终端 UI – Hermes TUI 显示 HUD，每车道一行（模型、努力、令牌、成本、证据状态），并在提示上方提供分阶段的 TODO 列表。

安装 – 支持 macOS/Linux 的一键安装器、Windows PowerShell、Homebrew、Bun、npm，或通过 Hermes 技能源安装。安装后运行 omh setup 以初始化路由配置并注册插件到 Hermes。

典型工作流

1. 提问 – 向 Hermes（或 omh）提出高层次任务。
2. OM H 路由 请求，选择模型链，并加载匹配的 omh‑* 专业技能。
3. 请求被 拆分 为并行工作单元（ulw‑work），每个在独立的工作树中执行。
4. 结果被 类型化 并通过验证门控；证据被记录。
5. 任何需要跨会话记忆的决策都可能生成 记忆卡。
6. 终端 HUD 持续显示进度、成本和证据状态。

为何重要 – 通过添加显式路由、并行处理和审计追踪，OM H 使基于 LLM 的编码和研究更可靠、更便宜，也更容易调试。对于已经使用 Hermes Agent 的开发者而言，它尤其有用，可在不重写现有工作流的前提下，获得生产级操作系统层。

资源 – 官网、文档、模型链编辑器（omh model）和 Discord 社区均在 README 中提供链接。