# Hermes Council

> 仓库地址：https://github.com/Ridwannurudeen/hermes-council
> 作者/组织：Ridwannurudeen
> 成熟度：experimental
> 分析日期：2026-04-15

## 一句话总结
一个对抗性多视角 MCP server，通过五个哲学 persona（Advocate/Skeptic/Oracle/Contrarian/Arbiter）进行结构化辩论，生成带置信度评分的校准裁决。

## 项目定位与架构
hermes-council 实现了一种独特的决策辅助模式——不是单一 LLM 给出答案，而是五个具有不同认识论立场的 persona 进行对抗性辩论。项目诞生于 hermes-agent PR #848 的反馈，刻意设计为独立 MCP server 以避免"core tool injection, provider bypass, hidden LLM costs, and brittle parsing"。

五个 persona 各有哲学根基：Advocate（Steel-manning 传统，构建最强支持论证）→ Skeptic（Popperian falsificationism，寻找反证）→ Oracle（经验基准推理，锚定历史数据）→ Contrarian（Kuhnian paradigm critique，质疑底层假设）→ Arbiter（Bayesian synthesis，概率综合裁决）。

三个工具：`council_query`（五人完整辩论）、`council_evaluate`（对抗性内容质量评估）、`council_gate`（三人快速安全筛查）。

## 关键技术特性
- **五 Persona 辩论**：每个 persona 有明确的认识论方法论
- **校准裁决**：输出含 confidence scores、evidence links 和 DPO preference pairs
- **RL 训练集成**：CouncilEvaluator 类提取 normalized rewards (0.0-1.0) 和 DPO preference pairs
- **Hermes Skills 安装**：`hermes-council install-skills` 部署三个 skill workflow
- **可自定义 Persona**：`~/.hermes-council/config.yaml` 定义自定义 persona 或覆盖默认
- **多 API 支持**：OpenRouter、Nous、OpenAI，hierarchical key priority
- **默认模型**：hermes-3-llama-3.1-70b

## 设计亮点与创新
将认识论多样性形式化为 agent 系统是极具创意的设计——Popperian falsificationism（寻找反证）和 Bayesian synthesis（概率综合）不仅是标签，而是指导 persona 推理方式的方法论。DPO preference pairs 的输出使辩论结果可直接用于 RLHF 训练。作为独立 MCP server 的架构选择避免了对核心 agent 的侵入。

## 局限性与风险
五 persona 顺序 API 调用，延迟显著（默认 60 秒 timeout）。无内置成本控制——每次 council_query 消耗五次 LLM 调用。依赖外部 LLM API 可用性。Persona 配置受限于 YAML schema。辩论质量高度依赖底层模型能力。

## 与生态系统的关联
与 lintlang（静态配置检查）在质量保证维度互补——lintlang 在编写阶段做结构检查，council 在运行时做对抗性评估。RL 训练集成使其可用于 agent 自我改进循环。独立 MCP server 设计可被任何支持 MCP 的 agent 使用。