Guide avancé Hermes Agent Skills 2026 : de SKILL.md à l'auto-évolution GEPA

Pourquoi Hermes Skills mérite une analyse approfondie

Contrairement aux prompts ponctuels, les skills Hermes suivent le standard ouvert agentskills.io : persistants entre sessions, chargés à la demande, publiable en Tap communautaire, portable vers Claude Code et Cursor. Si Hermes est déjà installé, voir le guide d'installation et l'article sur la mémoire. Cet article se concentre uniquement sur la couche Skills.

1. 01

   Prompts comme skills : injection complète chaque session ; tokens croissants linéairement ; pas de réutilisation procédurale cross-session.

2. 02

   Confondre Memory et Skills : Memory stocke préférences et faits ; Skills stockent des SOP — timing de chargement et maintenance différents.

3. 03

   Champs description faibles : le routage Level 0 utilise name + description. Décrire « ce que c'est » plutôt que « quand l'utiliser » provoque erreurs ou jamais chargé.

4. 04

   SKILL.md monolithiques : plus de 500 lignes atteint la limite GEPA 15KB et augmente le coût token Level 1.

5. 05

   Hôtes instables : la cumulation de skills exige une disponibilité 24 h/24 ; les portables en veille cassent la collecte sessiondb pour GEPA — la stabilité du système est critique.

Skill Bundles, activation conditionnelle et runbook six étapes

Skill Bundles : une commande, workflow complet

Un Bundle est un YAML léger à ~/.hermes/skill-bundles/<slug>.yaml. /bundle-name charge tous les skills listés. Bundle bat un Skill homonyme ; skills manquants ignorés silencieusement ; Bundles ne modifient pas les prompts système (token-friendly).

name: backend-dev
description: Full backend feature workflow.
skills:
  - github-code-review
  - test-driven-development
  - github-pr-workflow
instruction: |
  Always write failing tests first.
  Never push directly to main.

CLI : hermes bundles create backend-dev --skills github-code-review,test-driven-development,github-pr-workflow. Avancé : research-session (arxiv + deep-research + plan + excalidraw) et mlops-deploy (vllm + llama-cpp + github-pr-workflow + systematic-debugging).

Activation conditionnelle

Configuration sous metadata.hermes : requires_toolsets/tools masque le skill sans outils listés ; fallback_for_toolsets/tools masque quand outils listés existent (chemin fallback). Exemple : DuckDuckGo avec fallback_for_tools: [web_search] — avec FIRECRAWL_KEY ou BRAVE_SEARCH_KEY, DuckDuckGo disparaît ; si API down, le fallback apparaît.

Runbook six étapes : premier Skill au Tap d'équipe

1. 01

   Créer le répertoire : SKILL.md sous ~/.hermes/skills/<category>/<skill-name>/ avec triggers « Use when... » clairs.

2. 02

   Splitter references : docs API vers references/ après 500 lignes ; rester sous 15KB pour garde-fous GEPA.

3. 03

   Valider le format : skills-ref validate ./my-skill pour conformité agentskills.io.

4. 04

   Tester l'activation : nouvelle session, /my-skill ou match description ; confirmer Level 1 et Procedure.

5. 05

   Bundle (optionnel) : hermes bundles create <name> --skills a,b,c pour workflows one-shot.

6. 06

   Publier Tap : repo GitHub + hermes skills tap add github:your-org/your-skills-tap ; équipe exécute tap update.

GEPA + DSPy auto-évolution, conseils d'écriture et cas blog-workflow

GEPA : évoluer le texte skill sans fine-tuning des poids

GEPA (Genetic-Pareto Prompt Evolution) est un travail ICLR 2026 Oral intégré dans hermes-agent-self-evolution. Pipeline : collecter traces d'exécution → analyse réflexive des échecs → générer 10–20 variantes SKILL.md → évaluation Pareto multi-objectif (succès × efficacité token × vitesse) → meilleure variante ouvre PR pour revue humaine. Coût : environ 2–10 USD par run, API seule, pas de GPU.

export HERMES_AGENT_PATH=~/.hermes
python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source synthetic
python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source sessiondb
python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source mixed \
    --trace-dirs ~/.claude/traces,~/.hermes/sessions

Quatre garde-fous : pytest complet ; Skills ≤15KB, descriptions outils ≤500 car. ; Prompt Cache safe ; préservation sémantique. Roadmap : Phase 1 fichiers Skill (done) → descriptions outils → prompts système → code outils → boucle entièrement automatisée.

Écriture avancée

• description précise : « Use when reviewing a PR... Do NOT use for writing new code » bat « Helps with code »
• Qualité Pitfalls : modes d'échec concrets, causes racines, correctifs (sélecteurs CSS, rate limits GitHub, gros diffs)
• Exécution scripts/ : scripts exécutables dans Procedure ; fallback references/ en échec
• skill_manage : agent patch/create ; agent_writes_require_approval: true dans config.yaml

Cas d'étude : Bundle blog-workflow

Pack seo-keyword-research, outline-generator, code-example-validator, bilingual-checker, publish-to-platform. Instruction : SEO d'abord, tester exemples code, titres bilingues. seo-keyword-research description cible planification blog ; Procedure produit matrice mots-clés FR/EN long-tail.

• Baseline Level 0 : tous name+description ~3K tokens
• Coût run GEPA : environ 2–10 USD API, pas de fine-tuning GPU
• Limite taille : garde-fou GEPA 15KB par skill
• Croissance GitHub : 160k étoiles en deux mois après lancement début 2026
• Échelle communautaire : kevinnft/ai-agent-skills 191 skills cross-plateforme dans 28 catégories

Portables et VPS x86 peuvent exécuter Hermes CLI mais cassent cumulation skills, collecte GEPA sessiondb et skills navigateur macOS. Pour équipes traitant Skills comme actifs production avec stabilité système, la location cloud Mac Mini M4 regroupe uptime 24 h/24, UMA et launchd en OpEx prévisible.

Quand votre stack Skills est prête et vous avez besoin d'un hôte production, VpsMesh propose location cloud Mac Mini M4 avec livraison SSH et sauvegarde complète ~/.hermes/. Tarifs : tarifs location, aide : centre d'aide, commande : page de commande.