跳转到内容

工具与工具集

Hermes 的工具不是“更多按钮”,而是模型能影响外部世界的方式。读文件、写文件、运行 shell、打开浏览器、调用 API、生成媒体、委派子任务,这些能力一旦打开,输出就不只是文字了。

先把每个工具当成一个带副作用的接口,而不是模型的自然延伸:

工具类型常见风险更稳的起点
文件读取读到不该读的私有文件限定工作目录,避免 secrets 目录。
文件写入改错文件、覆盖人工改动小范围写入,看 Git diff。
Shell 命令删除、发布、改权限、启动昂贵任务危险命令先确认,能 dry-run 就 dry-run。
浏览器和网页prompt injection、过期信息、登录态误用把网页当证据,不当指令。
外部 API花钱、发消息、改生产状态加超时、预算、日志和人工确认。
媒体工具生成不可追溯资产或误读截图保留来源、prompt 和复现步骤。

如果一个工具在 agent 外都不能单独解释和测试,就不要急着交给 agent。

不要为了“能力完整”一次性打开所有 toolset。更好的方式是按任务选择最小集合:

任务合理工具面
阅读仓库并给建议只读文件、搜索、git status。
小范围改文档文件读写、diff,不需要远程 API。
调研外部资料web/browser,但输出要附 URL。
运行验证shell,但先限定命令和工作目录。
发送报告先生成草稿,再人工发送。

工具越多,排查越难。第一次跑通时保持工具面小,后面再加。

好 prompt 不只说结果,也说边界:

Read the repository and propose a plan first. Do not modify files. If a change is needed, list the exact files and wait.

需要写入时,把范围写清楚:

Update only docs/install.md. Do not run build or tests. After editing, summarize the diff.

这不是因为 agent “不听话”,而是因为工具任务本身需要契约。人类同事也需要知道能改哪里、不能改哪里。

Browser、web 和 media 内容不等于指令

Section titled “Browser、web 和 media 内容不等于指令”

网页、截图、PDF、转写和图片里可能包含错误、广告、过期说明或 prompt injection。Hermes 可以帮你读取它们,但你应该把这些内容当证据源,而不是更高优先级的指令。

研究任务至少保留:

  • URL 或文件路径。
  • 访问日期或来源版本。
  • 关键判断来自哪里。
  • 哪些内容没有被验证。

这对技术文档、竞品调研和故障排查都很重要。

工具失败通常有真实原因:路径不对、权限不够、命令不存在、网络失败、API 限流、schema 不匹配。不要只用“再试一次”解决。

先问:

  1. 这个工具在 agent 外能否独立运行?
  2. 输入是否足够小、足够明确?
  3. 失败是否有日志、退出码或响应体?
  4. Hermes 是否应该换工具,还是任务本身要拆小?