目录结构
Hermes Agent首次安装完成之后的目录结构大致如下:
~/.hermes/
├── .env
├── config.yaml
├── SOUL.md
├── hermes-agent/
├── skills/
├── memories/
├── sessions/
├── logs/
└── ...其他运行目录
Hermes Agent会在安装过程中将全部源代码都拉入 /hermes-agent/ 目录中,运行环境及工作代码都在这个目录里;剩下的 /skills, /sessions/, memories/, SOUL.md等文件,熟悉OpenClaw的同学一看就笑了,这不就是OpenClaw的workspace么 没错,默认状态下,/.hermes/ 这个根目录就是Hermes Agent的workspace,等效于OpenClaw的 /.openclaw/workspace/ ;只有在多Agents情况下,Hermes才会多出一个 /.hermes/profiles/ 目录来作为其他agents的workspace。
技能系统 Skills
Skills是Agent在需要时可以加载的知识和行动文档。它们遵循渐进式披露模式,以最小化令牌使用量,并且兼容 agentskills.io 开放标准(Claude Code、Codex等Coding Agent都使用的skills标准语法)。
所有技能都位于 ~/.hermes/skills/ —— 这是主目录和唯一可信源。在全新安装时,捆绑的技能会从代码仓库复制到此目录。从hub安装的以及代理创建的技能也会放在这里。代理可以修改或删除任何技能。
你也可以将 Hermes 指向外部技能目录——这些是除了本地目录外还会被扫描的额外文件夹。请参阅后面的外部技能目录。
使用技能
每个已安装的技能都会自动作为一个斜杠命令可用:
# 在 CLI 或任何消息平台中:
/gif-search funny cats
/axolotl help me fine-tune Llama 3 on my dataset
/github-pr-workflow create a PR for the auth refactor
/plan design a rollout for migrating our auth provider
# 仅输入技能名称会加载它,并让代理询问你的需求:
/excalidraw
捆绑的 plan 技能是一个很好的例子,它是一个具有自定义行为的、由技能支持的斜杠命令。运行 /plan [请求] 会指示 Hermes 在需要时检查上下文,编写一个 Markdown 实施计划而不是执行任务,并将结果保存在相对于活动工作空间/后端工作目录的 .hermes/plans/ 下。
你也可以通过自然对话与技能交互:
hermes chat --toolsets skills -q "你有什么技能?"
hermes chat --toolsets skills -q "给我看看 axolotl 技能"
渐进式披露
技能使用一种节省令牌的加载模式:
Level 0: skills_list() → [{name, description, category}, ...] (~3k tokens)
Level 1: skill_view(name) → 完整内容 + 元数据 (可变)
Level 2: skill_view(name, path) → 特定的参考文件 (可变)
代理只在真正需要时才加载完整的技能内容。
SKILL.md 格式
---
name: my-skill
description: 此技能功能的简要描述
version: 1.0.0
platforms: [macos, linux] # 可选——限制在特定的操作系统平台
metadata:
hermes:
tags: [python, automation]
category: devops
fallback_for_toolsets: [web] # 可选——条件激活(见下文)
requires_toolsets: [terminal] # 可选——条件激活(见下文)
---
# 技能标题
## 何时使用
此技能的触发条件。
## 步骤
1. 第一步
2. 第二步
## 常见问题
- 已知的失败模式及修复方法
## 验证
如何确认它已成功。
平台特定技能
技能可以使用 platforms 字段限制自己只在特定的操作系统上运行:
platforms: [macos] # 仅 macOS (例如,iMessage, Apple Reminders, FindMy)
platforms: [macos, linux] # macOS 和 Linux
当设置此字段时,技能会在不兼容的平台上自动从系统提示、skills_list() 和斜杠命令中隐藏。如果省略,技能将在所有平台上加载。
条件激活(备用技能)
技能可以根据当前会话中可用的工具自动显示或隐藏自己。这对于备用技能最为有用——这些是免费或本地的替代方案,应该只在高级工具不可用时才出现。
metadata:
hermes:
fallback_for_toolsets: [web] # 仅当这些工具集不可用时显示
requires_toolsets: [terminal] # 仅当这些工具集可用时显示
fallback_for_tools: [web_search] # 仅当这些特定工具不可用时显示
requires_tools: [terminal] # 仅当这些特定工具可用时显示
|
|
|
fallback_for_toolsets |
当列出的工具集可用时,技能被隐藏。当它们缺失时显示。
|
fallback_for_tools |
|
requires_toolsets |
当列出的工具集不可用时,技能被隐藏。当它们存在时显示。
|
requires_tools |
|
示例: 内置的 duckduckgo-search 技能使用了 fallback_for_toolsets: [web]。当你设置了 FIRECRAWL_API_KEY 时,web 工具集可用,代理会使用 web_search —— DuckDuckGo 技能保持隐藏。如果 API 密钥缺失,web 工具集不可用,DuckDuckGo 技能会自动作为备用方案出现。
没有任何条件字段的技能行为与之前完全一样——它们总是显示。
加载时的安全设置
技能可以声明所需的环境变量,而不会从发现列表中消失:
required_environment_variables:
- name: TENOR_API_KEY
prompt: Tenor API 密钥
help: 从 https://developers.google.com/tenor 获取密钥
required_for: 完整功能
当遇到缺失的值时,Hermes 仅在技能实际在本地 CLI 中加载时才会安全地询问。你可以跳过设置并继续使用该技能。消息界面永远不会在聊天中询问密钥——它们会告诉你在本地使用 hermes setup 或 ~/.hermes/.env。
一旦设置,声明的环境变量会自动传递到 execute_code 和 terminal 沙箱——技能的脚本可以直接使用 $TENOR_API_KEY。对于非技能的环境变量,请使用 terminal.env_passthrough 配置选项。详情请参阅环境变量传递。
技能目录结构
~/.hermes/skills/ # 唯一可信源
├── mlops/ # 分类目录
│ ├── axolotl/
│ │ ├── SKILL.md # 主要说明(必需)
│ │ ├── references/ # 附加文档
│ │ ├── templates/ # 输出格式
│ │ ├── scripts/ # 可从技能调用的辅助脚本
│ │ └── assets/ # 补充文件
│ └── vllm/
│ └── SKILL.md
├── devops/
│ └── deploy-k8s/ # 代理创建的技能
│ ├── SKILL.md
│ └── references/
├── .hub/ # 技能中心状态
│ ├── lock.json
│ ├── quarantine/
│ └── audit.log
└── .bundled_manifest # 跟踪已植入的捆绑技能
外部技能目录
如果你在 Hermes 之外维护技能——例如,一个被多个 AI 工具共享的 ~/.agents/skills/ 目录——你可以告诉 Hermes 也扫描这些目录。
在 ~/.hermes/config.yaml 的 skills 部分下添加 external_dirs:
skills:
external_dirs:
- ~/.agents/skills
- /home/shared/team-skills
- ${SKILLS_REPO}/skills
路径支持 ~ 扩展和 ${VAR} 环境变量替换。
工作原理
-
• 只读:外部目录仅用于技能发现扫描。当代理创建或编辑技能时,它总是写入
~/.hermes/skills/。
-
• 本地优先:如果同一个技能名称同时存在于本地目录和外部目录中,则本地版本优先。
-
• 完全集成:外部技能会出现在系统提示索引、
skills_list、skill_view 以及 /skill-name 斜杠命令中——与本地技能没有区别。
-
• 不存在的路径会被静默跳过:如果配置的目录不存在,Hermes 会忽略它而不报错。这对于可能并非每台机器上都存在的可选共享目录很有用。
示例
~/.hermes/skills/ # 本地(主目录,读写)
├── devops/deploy-k8s/
│ └── SKILL.md
└── mlops/axolotl/
└── SKILL.md
~/.agents/skills/ # 外部(只读,共享)
├── my-custom-workflow/
│ └── SKILL.md
└── team-conventions/
└── SKILL.md
所有四个技能都会出现在你的技能索引中。如果你在本地创建一个名为 my-custom-workflow 的新技能,它会覆盖外部版本。
Agent管理的技能 (skill_manage 工具) — Hermes最重要能力
Agent可以通过 skill_manage 工具创建、更新和删除自己的技能。这是代理的程序性记忆(Procedural Memory)——当它弄清楚一个非平凡的工作流程时,它会将该方法保存为一个技能以供将来重用。
代理何时创建技能
操作
|
|
|
|
create |
|
name
, content (完整的 SKILL.md),可选的 category
|
patch |
|
name
|
edit |
|
name
, content (完整的 SKILL.md 替换)
|
delete |
|
name |
write_file |
|
name
, file_path, file_content
|
remove_file |
|
name
|
Tip
patch 操作是推荐的更新方式——它比 edit 更节省令牌,因为只有更改的文本会出现在工具调用中。
技能中心
从官方official、skills.sh、直接已知技能端点以及官方可选技能中浏览、搜索、安装和管理技能。
常用命令
hermes skills browse # 浏览所有中心技能(官方优先)
hermes skills browse --source official # 仅浏览官方可选技能
hermes skills search kubernetes # 搜索所有来源
hermes skills search react --source skills-sh # 搜索 skills.sh 目录
hermes skills search https://mintlify.com/docs --source well-known
hermes skills inspect openai/skills/k8s # 安装前预览
hermes skills install openai/skills/k8s # 安装并进行安全扫描
hermes skills install official/security/1password
hermes skills install skills-sh/vercel-labs/json-render/json-render-react --force
hermes skills install well-known:https://mintlify.com/docs/.well-known/skills/mintlify
hermes skills list --source hub # 列出从中心安装的技能
hermes skills check # 检查已安装的中心技能是否有上游更新
hermes skills update # 在需要时重新安装有上游更改的中心技能
hermes skills audit # 重新扫描所有中心技能的安全性
hermes skills uninstall k8s # 移除一个中心技能
hermes skills publish skills/my-skill --to github --repo owner/repo
hermes skills snapshot export setup.json # 导出技能配置
hermes skills tap add myorg/skills-repo # 添加自定义 GitHub 源
支持的技能中心来源
|
|
|
|
official |
official/security/1password |
|
skills-sh |
skills-sh/vercel-labs/agent-skills/vercel-react-best-practices |
可通过 hermes skills search <query> --source skills-sh 搜索。当 skills.sh 的别名与仓库文件夹不同时,Hermes 会解析别名风格的技能。
|
well-known |
well-known:https://mintlify.com/docs/.well-known/skills/mintlify |
直接从网站的 /.well-known/skills/index.json 提供的技能。使用网站或文档 URL 进行搜索。
|
github |
openai/skills/k8s |
|
clawhub
, lobehub, claude-marketplace
|
|
|
集成的中心和注册中心
Hermes 目前集成了以下技能生态系统和发现来源:
1. 官方可选技能 (official)
这些技能在 Hermes 仓库内部维护,安装时自带信任度。
-
-
• 仓库内源位置:
optional-skills/
-
hermes skills browse --source official
hermes skills install official/security/1password
2. skills.sh (skills-sh)
这是 Vercel 的公共技能目录。Hermes 可以直接搜索它,查看技能详情页面,解析别名形式的短名称,并从底层的源码仓库安装。
-
-
• CLI/工具仓库:vercel-labs/skills
-
• 官方 Vercel 技能仓库:vercel-labs/agent-skills
-
hermes skills search react --source skills-sh
hermes skills inspect skills-sh/vercel-labs/json-render/json-render-react
hermes skills install skills-sh/vercel-labs/json-render/json-render-react --force
3. 知名技能端点 (well-known)
这是基于 URL 的发现方式,从发布 /.well-known/skills/index.json 的网站获取。它不是单一的中心化枢纽,而是网络发现约定。
-
-
• 参考服务器实现:vercel-labs/skills-handler
-
hermes skills search https://mintlify.com/docs --source well-known
hermes skills inspect well-known:https://mintlify.com/docs/.well-known/skills/mintlify
hermes skills install well-known:https://mintlify.com/docs/.well-known/skills/mintlify
4. 直接 GitHub 技能 (github)
Hermes 可以直接从 GitHub 仓库和基于 GitHub 的 taps 安装。当你已经知道仓库/路径或者想添加自己的自定义源仓库时,这很有用。
默认 taps(无需设置即可浏览):
-
-
-
• VoltAgent/awesome-agent-skills
-
-
hermes skills install openai/skills/k8s
hermes skills tap add myorg/skills-repo
5. ClawHub (clawhub)
一个作为社区源集成的第三方技能市场。
6. Claude 市场风格仓库 (claude-marketplace)
Hermes 支持发布 Claude 兼容的插件/市场清单的市场仓库。
已知的集成源包括:
-
-
• aiskillstore/marketplace
Hermes 源标识:claude-marketplace
7. LobeHub (lobehub)
Hermes 可以从 LobeHub 的公共目录中搜索并转换智能体条目为可安装的 Hermes 技能。
-
-
• 公共智能体索引:chat-agents.lobehub.com
-
• 支撑仓库:lobehub/lobe-chat-agents
-
安全扫描与 --force
所有通过 hub 安装的技能都会经过一个安全扫描器的检查,它会检测数据窃取、提示注入、破坏性命令、供应链信号和其他威胁。
hermes skills inspect ... 现在也会在有可用信息时展示上游元数据:
当你已经审查了一个第三方技能并想覆盖一个非危险的政策阻止时,请使用 --force:
hermes skills install skills-sh/anthropics/skills/pdf --force
重要行为:
-
•
--force 可以覆盖针对谨慎/警告类发现的政策阻止。
-
•
--force不会覆盖 dangerous 扫描裁决。
-
• 官方可选技能 (
official/...) 被视为自带信任,不会显示第三方警告面板。
信任级别
|
|
|
|
builtin |
|
|
official |
|
|
trusted |
受信任的注册表/仓库,例如 openai/skills, anthropics/skills
|
|
community |
其他一切 (skills.sh, 知名端点, 自定义 GitHub 仓库, 大多数市场)
|
非危险发现可以用 --force 覆盖;dangerous 裁决保持阻止
|
更新生命周期
hub 现在会追踪足够的来源信息,以重新检查已安装技能的在线副本:
hermes skills check # 报告哪些已安装的 hub 技能在上游发生了变化
hermes skills update # 仅重新安装有可用更新的技能
hermes skills update react # 更新一个特定的已安装 hub 技能
这使用了存储的源标识加上当前上游 bundle 内容哈希来检测变更。
斜杠命令(在聊天中)
所有相同的命令都可以通过 /skills 使用:
/skills browse
/skills search react --source skills-sh
/skills search https://mintlify.com/docs --source well-known
/skills inspect skills-sh/vercel-labs/json-render/json-render-react
/skills install openai/skills/skill-creator --force
/skills check
/skills update
/skills list
官方可选技能仍然使用像 official/security/1password 和 official/migration/openclaw-migration 这样的标识符。
内置技能目录
Hermes 附带一个庞大的内置技能库,安装时会复制到 ~/.hermes/skills/ 目录下。本页面记录了位于仓库 skills/ 目录下的内置技能。
apple
Apple/macOS 专属技能 —— iMessage、提醒事项、备忘录、查找以及 macOS 自动化。这些技能仅在 macOS 系统上加载。
|
|
|
|
apple-notes |
通过 macOS 上的 memo CLI 管理 Apple 备忘录(创建、查看、搜索、编辑)。
|
apple/apple-notes |
apple-reminders |
通过 remindctl CLI 管理 Apple 提醒事项(列出、添加、完成、删除)。
|
apple/apple-reminders |
findmy |
通过 AppleScript 和屏幕截图,在 macOS 上使用 FindMy.app 追踪 Apple 设备和 AirTag。
|
apple/findmy |
imessage |
通过 macOS 上的 imsg CLI 发送和接收 iMessage/短信。
|
apple/imessage |
autonomous-ai-agents
用于启动和编排自主 AI 编程智能体及多智能体工作流的技能 —— 运行独立的智能体进程、委派任务、协调并行工作流。
|
|
|
|
claude-code |
将编码任务委派给 Claude Code(Anthropic 的 CLI 智能体)。用于构建功能、重构、PR 审查和迭代式编码。需要安装 claude CLI。
|
autonomous-ai-agents/claude-code |
codex |
将编码任务委派给 OpenAI Codex CLI 智能体。用于构建功能、重构、PR 审查和批量问题修复。需要安装 codex CLI 和一个 git 仓库。
|
autonomous-ai-agents/codex |
hermes-agent-spawning |
将额外的 Hermes Agent 实例作为自主子进程启动,用于独立的长期运行任务。支持非交互式单次运行模式 (-q) 和用于多轮协作的交互式 PTY 模式。与 delegate_task 不同 —— 这会运行一个完全独立的 hermes 进程。
|
autonomous-ai-agents/hermes-agent |
opencode |
将编码任务委派给 OpenCode CLI 智能体,用于功能实现、重构、PR 审查和长期运行的自主会话。需要安装并认证 opencode CLI。
|
autonomous-ai-agents/opencode |
data-science
用于数据科学工作流的技能 —— 交互式探索、Jupyter 笔记本、数据分析和可视化。
|
|
|
|
jupyter-live-kernel |
通过 hamelnb 使用实时 Jupyter 内核进行有状态的、迭代式的 Python 执行。当任务涉及探索、迭代或检查中间结果时加载此技能。
|
data-science/jupyter-live-kernel |
creative
创意内容生成 —— ASCII 艺术、手绘风格图表和视觉设计工具。
|
|
|
|
ascii-art |
使用 pyfiglet(571 种字体)、cowsay、boxes、toilet、image-to-ascii、远程 API(asciified, ascii.co.uk)和 LLM 后备方案生成 ASCII 艺术。无需 API 密钥。
|
creative/ascii-art |
ascii-video |
“ASCII 艺术视频的生产管线 —— 支持任何格式。将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频输出(MP4、GIF、图像序列)。涵盖:视频转 ASCII、音频响应式音乐可视化、生成式 ASCII 艺术动画、混合…
|
creative/ascii-video |
excalidraw |
使用 Excalidraw JSON 格式创建手绘风格图表。生成 .excalidraw 文件用于架构图、流程图、序列图、概念图等。文件可在 excalidraw.com 打开或上传以获取可分享链接。
|
creative/excalidraw |
devops
DevOps 和基础设施自动化技能。
|
|
|
|
webhook-subscriptions |
为事件驱动的智能体激活创建和管理 webhook 订阅。外部服务(GitHub、Stripe、CI/CD、IoT)通过 POST 事件来触发智能体运行。需要启用 webhook 平台。
|
devops/webhook-subscriptions |
dogfood
|
|
|
|
dogfood |
对 Web 应用程序进行系统化的探索性 QA 测试 —— 发现错误、捕获证据并生成结构化报告。
|
dogfood/dogfood |
hermes-agent-setup |
帮助用户配置 Hermes Agent —— CLI 使用、设置向导、模型/提供商选择、工具、技能、语音/STT/TTS、网关和故障排除。
|
dogfood/hermes-agent-setup |
email
用于从终端发送、接收、搜索和管理电子邮件的技能。
|
|
|
|
himalaya |
通过 IMAP/SMTP 管理电子邮件的 CLI。使用 himalaya 从终端列出、阅读、撰写、回复、转发、搜索和组织电子邮件。支持多个账户和使用 MML(MIME 元语言)撰写消息。
|
email/himalaya |
gaming
用于设置、配置和管理游戏服务器、模组包及游戏相关基础设施的技能。
|
|
|
|
minecraft-modpack-server |
从 CurseForge/Modrinth 服务器包 zip 文件设置一个模组化 Minecraft 服务器。涵盖 NeoForge/Forge 安装、Java 版本、JVM 调优、防火墙、局域网配置、备份和启动脚本。
|
gaming/minecraft-modpack-server |
pokemon-player |
通过无头模拟自主玩宝可梦游戏。启动游戏服务器,从 RAM 读取结构化游戏状态,做出策略决策,并发送按钮输入 —— 全部在终端中完成。
|
gaming/pokemon-player |
github
使用 gh CLI 和 git 通过终端管理仓库、拉取请求、代码审查、问题和 CI/CD 管道的 GitHub 工作流技能。
|
|
|
|
codebase-inspection |
使用 pygount 检查和分析代码库,用于代码行数统计、语言细分和代码与注释比例。当被要求检查代码行数、仓库大小、语言构成或代码库统计信息时使用。
|
github/codebase-inspection |
github-auth |
使用 git(普遍可用)或 gh CLI 为智能体设置 GitHub 身份验证。涵盖 HTTPS 令牌、SSH 密钥、凭证助手和 gh auth —— 带有一个检测流程以自动选择正确的方法。
|
github/github-auth |
github-code-review |
通过分析 git 差异、在 PR 上留下内联评论以及执行彻底的推送前审查来审查代码变更。可与 gh CLI 配合使用,或回退到通过 curl 使用 git + GitHub REST API。
|
github/github-code-review |
github-issues |
创建、管理、分类和关闭 GitHub 问题。搜索现有问题、添加标签、分配人员并链接到 PR。可与 gh CLI 配合使用,或回退到通过 curl 使用 git + GitHub REST API。
|
github/github-issues |
github-pr-workflow |
完整的拉取请求生命周期 —— 创建分支、提交更改、打开 PR、监控 CI 状态、自动修复失败并合并。可与 gh CLI 配合使用,或回退到通过 curl 使用 git + GitHub REST API。
|
github/github-pr-workflow |
github-repo-management |
克隆、创建、分叉、配置和管理 GitHub 仓库。管理远程仓库、密钥、发布和工作流。可与 gh CLI 配合使用,或回退到通过 curl 使用 git + GitHub REST API。
|
github/github-repo-management |
inference-sh
通过 inference.sh 云平台执行 AI 应用的技能。
|
|
|
|
inference-sh-cli |
通过 inference.sh CLI (infsh) 运行 150+ 个 AI 应用 —— 图像生成、视频创作、LLM、搜索、3D、社交自动化。
|
inference-sh/cli |
leisure
|
|
|
|
find-nearby |
使用 OpenStreetMap 查找附近地点(餐厅、咖啡馆、酒吧、药店等)。适用于坐标、地址、城市、邮政编码或 Telegram 位置标记。无需 API 密钥。
|
leisure/find-nearby |
mcp
用于处理 MCP(模型上下文协议)服务器、工具和集成的技能。包括内置的原生 MCP 客户端(在 config.yaml 中配置服务器以自动发现工具)以及用于临时服务器交互的 mcporter CLI 桥接。
|
|
|
|
mcporter |
使用 mcporter CLI 直接列出、配置、认证和调用 MCP 服务器/工具(HTTP 或 stdio),包括临时服务器、配置编辑和 CLI/类型生成。
|
mcp/mcporter |
native-mcp |
内置的 MCP(模型上下文协议)客户端,连接到外部 MCP 服务器,发现其工具,并将它们注册为 Hermes Agent 的原生工具。支持 stdio 和 HTTP 传输,具有自动重连、安全过滤和零配置工具注入功能。
|
mcp/native-mcp |
media
用于处理媒体内容的技能 —— YouTube 字幕、GIF 搜索、音乐生成和音频可视化。
|
|
|
|
gif-search |
使用 curl 从 Tenor 搜索和下载 GIF。除了 curl 和 jq 外无需其他依赖。适用于查找反应 GIF、创建视觉内容以及在聊天中发送 GIF。
|
media/gif-search |
heartmula |
设置和运行 HeartMuLa,开源音乐生成模型系列(类似 Suno)。根据歌词 + 标签生成完整歌曲,支持多语言。
|
media/heartmula |
songsee |
通过 CLI 从音频文件生成频谱图和音频特征可视化(梅尔频谱、色度、MFCC、节奏图等)。适用于音频分析、音乐制作调试和视觉文档记录。
|
media/songsee |
youtube-content |
获取 YouTube 视频字幕并将其转换为结构化内容(章节、摘要、线程、博客文章)。
|
media/youtube-content |
mlops
通用 ML 运维工具 —— 模型中心管理、数据集操作和工作流编排。
|
|
|
|
huggingface-hub |
Hugging Face Hub CLI (hf) —— 搜索、下载和上传模型与数据集,管理仓库,部署推理端点。
|
mlops/huggingface-hub |
mlops/cloud
用于 ML 工作负载的 GPU 云提供商和无服务器计算平台。
|
|
|
|
lambda-labs-gpu-cloud |
用于 ML 训练和推理的预留和按需 GPU 云实例。当您需要具有简单 SSH 访问、持久文件系统或用于大规模训练的高性能多节点集群的专用 GPU 实例时使用。
|
mlops/cloud/lambda-labs |
modal-serverless-gpu |
用于运行 ML 工作负载的无服务器 GPU 云平台。当您需要按需 GPU 访问而无需基础设施管理、将 ML 模型部署为 API 或运行具有自动扩展的批处理作业时使用。
|
mlops/cloud/modal |
mlops/evaluation
模型评估基准、实验跟踪、数据整理、分词器和可解释性工具。
|
|
|
|
evaluating-llms-harness |
在 60+ 个学术基准(MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag)上评估 LLM。用于基准测试模型质量、比较模型、报告学术结果或跟踪训练进度。EleutherAI、HuggingFace 和主要实验室使用的行业标准。超…
|
mlops/evaluation/lm-evaluation-harness |
huggingface-tokenizers |
为研究和生产优化的快速分词器。基于 Rust 的实现可在 <20 秒内对 1GB 文本进行分词。支持 BPE、WordPiece 和 Unigram 算法。训练自定义词汇表、跟踪对齐、处理填充/截断。与 transformers 无缝集成。使用…
|
mlops/evaluation/huggingface-tokenizers |
nemo-curator |
用于 LLM 训练的 GPU 加速数据整理。支持文本/图像/视频/音频。功能包括模糊去重(快 16 倍)、质量过滤(30+ 种启发式方法)、语义去重、PII 编辑、NSFW 检测。通过 RAPIDS 跨 GPU 扩展。用于准备高质量训…
|
mlops/evaluation/nemo-curator |
sparse-autoencoder-training |
提供使用 SAELens 训练和分析稀疏自编码器(SAE)的指导,以将神经网络激活分解为可解释的特征。用于发现可解释特征、分析叠加或研究语言模型中的单义表示时使用…
|
mlops/evaluation/saelens |
weights-and-biases |
使用自动日志记录跟踪 ML 实验,实时可视化训练,通过扫描优化超参数,并使用 W&B(协作式 MLOps 平台)管理模型注册表。
|
mlops/evaluation/weights-and-biases |
mlops/inference
模型服务、量化(GGUF/GPTQ)、结构化输出、推理优化和模型手术工具,用于部署和运行 LLM。
|
|
|
|
gguf-quantization |
GGUF 格式和 llama.cpp 量化,用于高效的 CPU/GPU 推理。适用于在消费级硬件、Apple Silicon 上部署模型,或需要灵活的 2-8 位量化且无需 GPU 的场景。
|
mlops/inference/gguf |
guidance |
使用正则表达式和语法控制 LLM 输出,保证有效的 JSON/XML/代码生成,强制执行结构化格式,并使用 Guidance(微软研究院的约束生成框架)构建多步骤工作流。
|
mlops/inference/guidance |
instructor |
使用 Pydantic 验证从 LLM 响应中提取结构化数据,自动重试失败的提取,以类型安全的方式解析复杂 JSON,并使用 Instructor(经过实战检验的结构化输出库)流式传输部分结果。
|
mlops/inference/instructor |
llama-cpp |
在 CPU、Apple Silicon 和消费级 GPU(无需 NVIDIA 硬件)上运行 LLM 推理。适用于边缘部署、M1/M2/M3 Mac、AMD/Intel GPU 或 CUDA 不可用的情况。支持 GGUF 量化(1.5-8 位),可减少内存占用,在 CPU 上相比 PyTorch 提速 4-10 倍。
|
mlops/inference/llama-cpp |
obliteratus |
使用 OBLITERATUS(机制可解释性技术,如 diff-in-means、SVD、白化 SVD、LEACE、SAE 分解等)移除开源权重 LLM 的拒绝行为,在保留推理能力的同时剔除护栏。包含 9 种 CLI 方法、28 个分析模块、116 个模型预设…
|
mlops/inference/obliteratus |
outlines |
在生成过程中保证有效的 JSON/XML/代码结构,使用 Pydantic 模型实现类型安全的输出,支持本地模型(Transformers、vLLM),并使用 Outlines(dottxt.ai 的结构化生成库)最大化推理速度。
|
mlops/inference/outlines |
serving-llms-vllm |
使用 vLLM 的 PagedAttention 和连续批处理技术提供高吞吐量的 LLM 服务。适用于部署生产级 LLM API、优化推理延迟/吞吐量,或在 GPU 内存有限的情况下服务模型。支持 OpenAI 兼容的端点、量化(GPTQ/AWQ/FP8)…
|
mlops/inference/vllm |
tensorrt-llm |
使用 NVIDIA TensorRT 优化 LLM 推理,实现最大吞吐量和最低延迟。适用于在 NVIDIA GPU(A100/H100)上进行生产部署,需要比 PyTorch 快 10-100 倍的推理速度,或需要支持量化(FP8/INT4)、动态批处理和…
|
mlops/inference/tensorrt-llm |
mlops/models
特定模型架构和工具——计算机视觉(CLIP、SAM、Stable Diffusion)、语音(Whisper)、音频生成(AudioCraft)和多模态模型(LLaVA)。
|
|
|
|
audiocraft-audio-generation |
用于音频生成的 PyTorch 库,包括文本到音乐(MusicGen)和文本到声音(AudioGen)。适用于需要根据文本描述生成音乐、创建音效或进行旋律条件音乐生成的场景。
|
mlops/models/audiocraft |
clip |
OpenAI 的连接视觉和语言的模型。支持零样本图像分类、图文匹配和跨模态检索。在 4 亿图文对上训练。适用于图像搜索、内容审核或无需微调的视觉语言任务。最适合通用…
|
mlops/models/clip |
llava |
大型语言和视觉助手。支持视觉指令微调和基于图像的对话。结合了 CLIP 视觉编码器和 Vicuna/LLaMA 语言模型。支持多轮图像聊天、视觉问答和指令跟随。适用于视觉语言聊天…
|
mlops/models/llava |
segment-anything-model |
用于图像分割的基础模型,具有零样本迁移能力。适用于需要使用点、框或掩码作为提示来分割图像中的任何对象,或自动生成图像中所有对象掩码的场景。
|
mlops/models/segment-anything |
stable-diffusion-image-generation |
通过 HuggingFace Diffusers 使用 Stable Diffusion 模型进行最先进的文本到图像生成。适用于根据文本提示生成图像、执行图像到图像转换、修复或构建自定义扩散管道。
|
mlops/models/stable-diffusion |
whisper |
OpenAI 的通用语音识别模型。支持 99 种语言、转录、翻译成英语和语言识别。六种模型大小,从 tiny(3900 万参数)到 large(15.5 亿参数)。适用于语音转文本、播客转录或多语言音频处理…
|
mlops/models/whisper |
mlops/research
用于通过声明式编程构建和优化 AI 系统的 ML 研究框架。
|
|
|
|
dspy |
使用声明式编程构建复杂的 AI 系统,自动优化提示,使用 DSPy(斯坦福 NLP 的系统化 LM 编程框架)创建模块化的 RAG 系统和智能体。
|
mlops/research/dspy |
mlops/training
用于训练 LLM 和其他模型的微调、RLHF/DPO/GRPO 训练、分布式训练框架和优化工具。
|
|
|
|
axolotl |
使用 Axolotl 进行 LLM 微调的专家指导——YAML 配置、100+ 模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模态支持。
|
mlops/training/axolotl |
distributed-llm-pretraining-torchtitan |
使用 torchtitan 提供 PyTorch 原生的分布式 LLM 预训练,支持 4D 并行(FSDP2、TP、PP、CP)。适用于使用 Float8、torch.compile 和分布式检查点,在 8 到 512+ GPU 上大规模预训练 Llama 3.1、DeepSeek V3 或自定义模型。
|
mlops/training/torchtitan |
fine-tuning-with-trl |
使用 TRL 通过强化学习微调 LLM——SFT 用于指令微调,DPO 用于偏好对齐,PPO/GRPO 用于奖励优化,以及奖励模型训练。适用于需要 RLHF、将模型与偏好对齐或从人类反馈中训练的场景。可与 HuggingFace Tr…
|
mlops/training/trl-fine-tuning |
grpo-rl-training |
使用 TRL 进行 GRPO/RL 微调的专家指导,用于推理和特定任务模型训练。
|
mlops/training/grpo-rl-training |
hermes 阿特洛波斯环境 |
为 Atropos 训练构建、测试和调试 Hermes Agent RL 环境。涵盖 HermesAgentBaseEnv 接口、奖励函数、智能体循环集成、工具评估、wandb 日志记录以及三种 CLI 模式(serve/process/evaluate)。适用于创建、审查或修复…
|
mlops/training/hermes-atropos-environments |
huggingface-accelerate |
最简单的分布式训练 API。只需 4 行代码即可为任何 PyTorch 脚本添加分布式支持。DeepSpeed/FSDP/Megatron/DDP 的统一 API。自动设备放置、混合精度(FP16/BF16/FP8)。交互式配置,单一启动命令。HuggingFace 生态系统标准。
|
mlops/training/accelerate |
optimizing-attention-flash |
使用 Flash Attention 优化 Transformer 注意力机制,实现 2-4 倍加速和 10-20 倍内存减少。适用于使用长序列(>512 个 token)训练/运行 Transformer、遇到注意力机制 GPU 内存问题或需要更快推理的场景。支持 PyTorch 原生 SDPA…
|
mlops/training/flash-attention |
peft-fine-tuning |
使用 LoRA、QLoRA 和 25+ 种方法对 LLM 进行参数高效微调。适用于在 GPU 内存有限的情况下微调大型模型(7B-70B),需要训练 <1% 的参数且精度损失最小,或用于多适配器服务。HuggingFace 的官方库…
|
mlops/training/peft |
pytorch-fsdp |
使用 PyTorch FSDP 进行完全分片数据并行训练的专家指导——参数分片、混合精度、CPU 卸载、FSDP2。
|
mlops/training/pytorch-fsdp |
pytorch-lightning |
高级 PyTorch 框架,包含 Trainer 类、自动分布式训练(DDP/FSDP/DeepSpeed)、回调系统和最少的样板代码。使用相同代码可从笔记本电脑扩展到超级计算机。适用于希望使用内置最佳实践构建简洁训练循环的场景。
|
mlops/training/pytorch-lightning |
simpo-training |
用于 LLM 对齐的简单偏好优化。是 DPO 的无参考替代方案,性能更优(在 AlpacaEval 2.0 上 +6.4 分)。无需参考模型,比 DPO 更高效。适用于偏好对齐,且希望训练比 DPO/PPO 更简单、更快的场景。
|
mlops/training/simpo |
slime-rl-training |
使用 slime(一个 Megatron+SGLang 框架)为 LLM 后训练提供 RL 指导。适用于训练 GLM 模型、实现自定义数据生成工作流,或需要与 Megatron-LM 紧密集成以进行 RL 扩展的场景。
|
mlops/training/slime |
unsloth |
使用 Unsloth 进行快速微调的专家指导——训练速度提升 2-5 倍,内存减少 50-80%,LoRA/QLoRA 优化。
|
mlops/training/unsloth |
mlops/vector-databases
用于 RAG、语义搜索和 AI 应用后端的向量相似性搜索和嵌入数据库。
|
|
|
|
chroma |
用于 AI 应用的开源嵌入数据库。存储嵌入和元数据,执行向量和全文搜索,按元数据过滤。简单的 4 函数 API。可从笔记本扩展到生产集群。适用于语义搜索、RAG 应用或文档检索。最适合…
|
mlops/vector-databases/chroma |
faiss |
Facebook 的高效密集向量相似性搜索和聚类库。支持数十亿向量、GPU 加速和各种索引类型(Flat、IVF、HNSW)。适用于快速 k-NN 搜索、大规模向量检索,或需要纯相似性搜索且无需…
|
mlops/vector-databases/faiss |
pinecone |
用于生产 AI 应用的托管向量数据库。完全托管、自动扩展,支持混合搜索(稠密+稀疏)、元数据过滤和命名空间。低延迟(<100ms p95)。适用于生产级 RAG、推荐系统或大规模语义搜索。最适合无服务器…
|
mlops/vector-databases/pinecone |
qdrant-vector-search |
用于 RAG 和语义搜索的高性能向量相似性搜索引擎。适用于构建需要快速最近邻搜索、带过滤的混合搜索或具有 Rust 驱动性能的可扩展向量存储的生产级 RAG 系统。
|
mlops/vector-databases/qdrant |
note-taking
笔记技能,用于保存信息、协助研究,以及在多会话规划和信息共享上进行协作。
|
|
|
|
obsidian |
在 Obsidian 知识库中读取、搜索和创建笔记。
|
note-taking/obsidian |
productivity
用于文档创建、演示文稿、电子表格和其他生产力工作流的技能。
|
|
|
|
google-workspace |
通过 Python 集成 Gmail、Calendar、Drive、Contacts、Sheets 和 Docs。使用 OAuth2 并自动刷新令牌。无需外部二进制文件——完全在 Hermes venv 中使用 Google 的 Python 客户端库运行。
|
productivity/google-workspace |
linear |
通过 GraphQL API 管理 Linear 问题、项目和团队。创建、更新、搜索和组织问题。
|
productivity/linear |
nano-pdf |
使用 nano-pdf CLI 通过自然语言指令编辑 PDF。修改文本、修复拼写错误、更新标题,并对特定页面进行内容更改,无需手动编辑。
|
productivity/nano-pdf |
notion |
用于通过 curl 创建和管理页面、数据库和块的 Notion API。直接从终端搜索、创建、更新和查询 Notion 工作区。
|
productivity/notion |
ocr-and-documents |
从 PDF 和扫描文档中提取文本。对远程 URL 使用 web_extract,对本地基于文本的 PDF 使用 pymupdf,对 OCR/扫描文档使用 marker-pdf。对于 DOCX 使用 python-docx,对于 PPTX 请参阅 powerpoint 技能。
|
productivity/ocr-and-documents |
powerpoint |
“任何涉及 .pptx 文件的方式——作为输入、输出或两者——都使用此技能。这包括:创建幻灯片、演示文稿或推介材料;读取、解析或从任何 .pptx 文件中提取文本(即使提取的内容将用于其他地方,例如在…
|
productivity/powerpoint |
research
用于学术研究、论文发现、文献综述、领域侦察、市场数据、内容监控和科学知识检索的技能。
|
|
|
|
arxiv |
使用 arXiv 的免费 REST API 搜索和检索学术论文。无需 API 密钥。可通过关键词、作者、类别或 ID 进行搜索。可与 web_extract 或 ocr-and-documents 技能结合以阅读完整的论文内容。
|
research/arxiv |
blogwatcher |
使用 blogwatcher CLI 监控博客和 RSS/Atom 源的更新。添加博客、扫描新文章并跟踪已读内容。
|
research/blogwatcher |
domain-intel |
使用 Python 标准库进行被动域名侦察。包括子域名发现、SSL 证书检查、WHOIS 查询、DNS 记录查询、域名可用性检查以及批量多域名分析。无需 API 密钥。
|
research/domain-intel |
duckduckgo-search |
通过 DuckDuckGo 进行免费的网页搜索——文本、新闻、图片、视频。无需 API 密钥。优先使用已安装的 ddgs CLI;仅在确认当前运行时环境中 ddgs 可用时,才使用 Python DDGS 库。
|
research/duckduckgo-search |
ml-paper-writing |
为 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 等会议撰写符合发表要求的 ML/AI 论文。适用于从研究仓库起草论文、构建论证结构、验证引用或准备最终提交版本。包含 LaTeX 模板、审稿人指南和引用验证…
|
research/ml-paper-writing |
polymarket |
查询 Polymarket 预测市场数据——搜索市场、获取价格、订单簿和价格历史。通过公共 REST API 进行只读访问,无需 API 密钥。
|
research/polymarket |
red-teaming
用于 LLM 红队测试、越狱和安全过滤器绕过研究的技能。
|
|
|
|
godmode |
使用 G0DM0D3 技术对 API 服务的 LLM 进行越狱——包括 Parseltongue 输入混淆(33 种技术)、GODMODE CLASSIC 系统提示模板、ULTRAPLINIAN 多模型竞速、编码升级,以及与 Hermes 原生预填充/系统提示的集成。适用于任何可通过 API 访问的模型,包括闭源模型。
|
red-teaming/godmode |
smart-home
用于控制智能家居设备(灯光、开关、传感器和家庭自动化系统)的技能。
|
|
|
|
openhue |
通过 OpenHue CLI 控制 Philips Hue 灯光、房间和场景。开关灯、调整亮度、颜色、色温,并激活场景。
|
smart-home/openhue |
social-media
用于与社交平台交互的技能——发布、阅读、监控和账户操作。
|
|
|
|
xitter |
使用官方 X API 凭证,通过 x-cli 终端客户端与 X/Twitter 交互。
|
social-media/xitter |
software-development
|
|
|
|
code-review |
|
software-development/code-review |
plan |
Hermes 的计划模式——检查上下文,将 Markdown 计划写入活动工作空间/后端工作目录的 .hermes/plans/ 中,但不执行具体工作。
|
software-development/plan |
requesting-code-review |
在完成任务、实现主要功能或合并代码前使用。通过系统化的审查流程验证工作是否符合要求。
|
software-development/requesting-code-review |
subagent-driven-development |
在执行包含独立任务的实施计划时使用。为每个任务分派新的 delegate_task,并进行两阶段审查(先规范符合性,再代码质量)。
|
software-development/subagent-driven-development |
systematic-debugging |
在遇到任何错误、测试失败或意外行为时使用。包含 4 阶段根本原因调查——在理解问题之前不进行修复。
|
software-development/systematic-debugging |
test-driven-development |
在实现任何功能或修复错误之前,编写实现代码之前使用。强制执行测试优先的 RED-GREEN-REFACTOR 循环。
|
software-development/test-driven-development |
writing-plans |
当您有一个多步骤任务的规范或需求时使用。创建包含小任务、确切文件路径和完整代码示例的综合实施计划。
|
software-development/writing-plans |
可选技能
可选技能随仓库提供,位于 optional-skills/ 目录下,但默认不激活。它们涵盖较重或小众的用例。使用以下命令安装:
hermes skills install official/<category>/<skill>
autonomous-ai-agents
|
|
|
|
blackbox |
将编码任务委托给 Blackbox AI CLI Agent。这是一个多模型 Agent,内置评判器,可通过多个 LLM 运行任务并选择最佳结果。需要 blackbox CLI 和 Blackbox AI API 密钥。
|
autonomous-ai-agents/blackbox |
blockchain
|
|
|
|
base |
查询 Base(以太坊 L2)区块链数据,并附带美元计价——包括钱包余额、代币信息、交易详情、Gas 分析、合约检查、巨鲸检测和实时网络统计。使用 Base RPC + CoinGecko。无需 API 密钥。
|
blockchain/base |
solana |
查询 Solana 区块链数据,并附带美元计价——包括钱包余额、带估值的代币组合、交易详情、NFT、巨鲸检测和实时网络统计。使用 Solana RPC + CoinGecko。无需 API 密钥。
|
blockchain/solana |
creative
|
|
|
|
blender-mcp |
通过 socket 连接到 blender-mcp 插件,直接从 Hermes 控制 Blender。创建 3D 对象、材质、动画,并运行任意 Blender Python (bpy) 代码。
|
creative/blender-mcp |
meme-generation |
通过选择模板并使用 Pillow 叠加文本来生成真实的梗图。生成实际的 .png 梗图文件。
|
creative/meme-generation |
devops
|
|
|
|
docker-management |
管理 Docker 容器、镜像、卷、网络和 Compose 堆栈——包括生命周期操作、调试、清理和 Dockerfile 优化。
|
devops/docker-management |
email
|
|
|
|
agentmail |
通过 AgentMail 为 Agent 提供其专属的电子邮件收件箱。使用 Agent 拥有的电子邮件地址(例如 hermes-agent@agentmail.to)自主发送、接收和管理电子邮件。
|
email/agentmail |
health
|
|
|
|
neuroskill-bci |
连接到正在运行的 NeuroSkill 实例,并将用户的实时认知和情绪状态(专注度、放松度、情绪、认知负荷、困倦度、心率、HRV、睡眠分期以及 40 多种衍生的 EXG 评分)纳入响应中。需要 BCI 可穿戴设备(Muse 2/S 或 OpenBCI)和 NeuroSkill 桌面应用程序。
|
health/neuroskill-bci |
mcp
|
|
|
|
fastmcp |
在 Python 中使用 FastMCP 构建、测试、检查、安装和部署 MCP 服务器。适用于创建新的 MCP 服务器、将 API 或数据库包装为 MCP 工具、暴露资源或提示,或准备 FastMCP 服务器以进行 HTTP 部署。
|
mcp/fastmcp |
migration
|
|
|
|
openclaw-migration |
将用户的 OpenClaw 自定义配置迁移到 Hermes Agent 中。从 ~/.openclaw 导入与 Hermes 兼容的记忆、SOUL.md、命令白名单、用户技能和选定的工作空间资产,然后报告无法迁移的内容及原因。
|
migration/openclaw-migration |
productivity
|
|
|
|
telephony |
为 Hermes 提供电话功能——配置并持久化一个 Twilio 号码,发送和接收 SMS/MMS,直接拨打电话,并通过 Bland.ai 或 Vapi 进行 AI 驱动的外呼。
|
productivity/telephony |
research
|
|
|
|
bioinformatics |
通往来自 bioSkills 和 ClawBio 的 400 多种生物信息学技能的网关。涵盖基因组学、转录组学、单细胞、变异检测、药物基因组学、宏基因组学、结构生物学等领域。
|
research/bioinformatics |
qmd |
使用 qmd 在本地搜索个人知识库、笔记、文档和会议记录——这是一个结合了 BM25、向量搜索和 LLM 重排序的混合检索引擎。支持 CLI 和 MCP 集成。
|
research/qmd |
security
|
|
|
|
1password |
设置和使用 1Password CLI (op)。适用于安装 CLI、启用桌面应用集成、登录以及为命令读取/注入密钥。
|
security/1password |
oss-forensics |
针对 GitHub 仓库的供应链调查、证据恢复和取证分析。涵盖已删除提交恢复、强制推送检测、IOC 提取、多源证据收集和结构化取证报告。
|
security/oss-forensics |
sherlock |
在 400 多个社交网络上进行 OSINT 用户名搜索。通过用户名追踪社交媒体账户。
|
security/sherlock |
官方可选技能目录
官方可选技能位于仓库的 optional-skills/ 目录下。使用 hermes skills install official/<category>/<skill> 命令安装,或使用 hermes skills browse --source official 命令浏览。
autonomous-ai-agents
|
|
|
|
blackbox |
将编码任务委托给 Blackbox AI CLI 智能体。这是一个多模型智能体,内置评判机制,可通过多个 LLM 运行任务并选择最佳结果。需要 blackbox CLI 和 Blackbox AI API 密钥。
|
autonomous-ai-agents/blackbox |
blockchain
|
|
|
|
base |
查询 Base(以太坊 L2)区块链数据,并提供美元计价信息 —— 包括钱包余额、代币信息、交易详情、Gas 分析和合约检查。
|
blockchain/base |
solana |
查询 Solana 区块链数据,并提供美元计价信息 —— 包括钱包余额、带估值的代币组合、交易详情、NFT、巨鲸检测和实时网络统计。使用 Solana RPC + CoinGecko。无需 API 密钥。
|
blockchain/solana |
creative
|
|
|
|
blender-mcp |
通过 socket 连接到 blender-mcp 插件,直接从 Hermes 控制 Blender。创建 3D 对象、材质、动画,并运行任意 Blender Python 脚本。
|
creative/blender-mcp |
meme-generation |
通过选择模板并使用 Pillow 叠加文本来生成真实的梗图。生成实际的 .png 梗图文件。
|
creative/meme-generation |
email
|
|
|
|
agentmail |
通过 AgentMail 为智能体提供其专属的电子邮件收件箱。使用智能体拥有的电子邮件地址(例如 hermes-agent@agentmail.to)自主发送、接收和管理电子邮件。
|
email/agentmail |
health
|
|
|
|
neuroskill-bci |
连接到正在运行的 NeuroSkill 实例,并将用户的实时认知和情绪状态(专注度、放松度、情绪、认知负荷、困倦度、心率、HRV、睡眠分期以及 40 多种衍生的 EXG 评分)整合到响应中。需要 BCI 可穿戴设备(Muse 2/S 或 Open…
|
health/neuroskill-bci |
mcp
|
|
|
|
fastmcp |
使用 Python 中的 FastMCP 构建、测试、检查、安装和部署 MCP 服务器。
|
mcp/fastmcp |
migration
|
|
|
|
openclaw-migration |
将用户的 OpenClaw 自定义配置迁移到 Hermes Agent。从 ~/.openclaw 导入与 Hermes 兼容的记忆、SOUL.md、命令允许列表、用户技能和选定的工作空间资源,然后报告哪些内容无法迁移及其原因。
|
migration/openclaw-migration |
productivity
|
|
|
|
telephony |
为 Hermes 提供电话功能 —— 配置 Twilio 号码、发送/接收 SMS/MMS、直接拨打电话,以及通过 Bland.ai 或 Vapi 进行 AI 驱动的外呼。
|
productivity/telephony |
research
|
|
|
|
bioinformatics |
通往 bioSkills 和 ClawBio 提供的 400 多种生物信息学技能的入口。涵盖基因组学、转录组学、单细胞分析、变异检测、药物基因组学、宏基因组学、结构生物学。
|
research/bioinformatics |
qmd |
使用 qmd 在本地搜索个人知识库、笔记、文档和会议记录 —— qmd 是一个混合检索引擎,结合了 BM25、向量搜索和 LLM 重排序。支持 CLI 和 MCP 集成。
|
research/qmd |
security
|
|
|
|
1password |
设置和使用 1Password CLI (op)。用于安装 CLI、启用桌面应用集成、登录以及为命令读取/注入密钥。
|
security/1password |
oss-forensics |
为 GitHub 仓库提供供应链调查、证据恢复和取证分析。涵盖已删除提交的恢复、强制推送检测、IOC 提取。
|
security/oss-forensics |
sherlock |
在 400 多个社交网络上进行 OSINT 用户名搜索。通过用户名追踪社交媒体账户。
|
security/sherlock |