# Hermes Skill Factory

> 仓库地址：https://github.com/Romanescu11/hermes-skill-factory
> 作者/组织：Romanescu11
> 成熟度：beta
> 分析日期：2026-04-15

## 一句话总结
一个 meta-skill——在 Hermes 会话中自动检测重复工作流，将其提炼为可复用的 SKILL.md + plugin.py。

## 项目定位与架构
Skill Factory 解决的核心问题是：用户在 Hermes 中反复执行相似任务，但这些模式不会自动沉淀为 skill。它是"创造 skill 的 skill"，通过后台观察用户交互来识别 procedural patterns。

三层架构：core SKILL.md 教 AI 如何观察用户行为；Python plugin 管理命令执行和文件生成；用户正常工作，Skill Factory 在后台运行。当检测到模式时，生成两个互补产物——SKILL.md（AI 可读的工作流指令）和 plugin.py（slash command 直接调用）。

## 关键技术特性
- **Automatic Pattern Detection**：后台监控会话，无需用户显式指令即可识别重复工作流
- **Dual-Output Generation**：SKILL.md（AI 指令）+ plugin.py（CLI 命令）双输出
- **Interactive Proposal**：检测到模式后弹出提案，用户可选择生成、部分生成或跳过
- **Natural Language Trigger**：支持对话式触发，如 "save this as a skill"

## 设计亮点与创新
"meta-skill" 概念本身就是创新——让 skill 系统实现自我扩展。dual-output 设计也很实用，SKILL.md 给 AI 看，plugin.py 给人用，两种界面一次生成。

## 局限性与风险
- README 获取失败（404），信息基于 master 分支成功获取
- Pattern detection 的误报率未知——过于敏感会打扰用户，过于保守会错过有价值的模式
- 生成的 skill 质量取决于观察到的工作流复杂度

## 与生态系统的关联
与 hermes-skill-marketplace 形成完整链路：Skill Factory 创建 skill → Marketplace 分发 skill。与 hermes-self-evolution 的自动优化理念互补，但 Skill Factory 侧重于新 skill 发现，self-evolution 侧重于已有 skill 改进。