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

Les tutoriels d'entrée expliquent l'installation ; l'étape suivante consiste à rendre l'agent plus performant au fil du temps. Quatre atouts distinctifs :

• Chargement à la demande : zéro token avant activation — la Progressive Disclosure maîtrise les coûts.
• Standard ouvert : conformité à agentskills.io, réutilisable entre Hermes, Claude Code et Cursor.
• Composabilité : les Skill Bundles chargent un workflow complet via une commande slash.
• Évolutivité : GEPA analyse les traces d'exécution et améliore le texte SKILL.md sans toucher aux poids du modèle.

Quatre difficultés fréquentes chez les utilisateurs avancés :

• Inflation des tokens : empiler les SOP dans le prompt système consomme des milliers de tokens inutilement.
• Mauvaise activation : une description floue pousse le LLM à charger le mauvais skill.
• Workflow fragmenté : revue PR, TDD et déploiement invoqués un par un via /skill-name.
• Partage d'équipe absent : skills dispersés dans des répertoires personnels — onboarding coûteux.

Mnémotechnique : Prompt = post-it (valable une fois) ; Memory = carnet (notes permanentes, toujours à portée) ; Skill = manuel SOP (procédure, consulté au besoin).

Skills et MCP se complètent : MCP fournit les interfaces d'outils (accès base de données, par exemple) ; un Skill enseigne à l'agent comment les utiliser correctement pour une migration ou toute autre tâche.

Tous les Hermes Skills respectent le standard ouvert agentskills.io. Structure frontmatter de base :

---
name: my-skill
description: |
  Use when the user needs to [...].
version: 1.0.0
license: MIT
compatibility: Requires git, docker
allowed-tools: Bash(git:*) Read
metadata:
  hermes:
    tags: [devops, automation]
    category: software-development
    related_skills: [github-pr-workflow]
    requires_toolsets: [terminal]
    fallback_for_toolsets: [web]
---

# My Skill Title
## Overview / When to Use / Procedure / Common Pitfalls / Verification Checklist

Arborescence recommandée :

my-category/my-skill/
├── SKILL.md              # Étapes centrales, ≤500 lignes recommandé
├── references/           # Références API, chargement à la demande
├── templates/            # Modèles réutilisables
└── scripts/              # Scripts exécutables par l'agent

Règles de rédaction : la description constitue toute l'information Level 0 — préciser « quand l'utiliser » prime sur « ce que c'est » ; SKILL.md doit inclure Overview, When to Use, Procedure, Common Pitfalls et Verification Checklist. Validation : skills-ref validate ./my-skill.

Les Skill Bundles, nouveauté Hermes 2026, regroupent plusieurs skills en un YAML léger et une commande slash. L'exécution de /bundle-name charge simultanément tous les skills listés.

Emplacement : ~/.hermes/skill-bundles/<slug>.yaml

name: backend-dev
description: Full backend feature workflow — code review, TDD, and PR management.
skills:
  - github-code-review
  - test-driven-development
  - github-pr-workflow
instruction: |
  Always write failing tests first before implementation.
  Never push directly to main.

Cas d'usage avancés : workflow recherche — arxiv, deep-research, plan, excalidraw ; déploiement MLOps — vllm, llama-cpp, github-pr-workflow, systematic-debugging.

Règles de priorité : un Bundle l'emporte sur un Skill homonyme ; les skills non installés sont ignorés avec avertissement ; les Bundles ne modifient pas le prompt système et n'invalident pas le Prompt Cache.

hermes bundles create backend-dev \
  --skills github-code-review,test-driven-development,github-pr-workflow \
  --instruction "Always write failing tests first"

Sous metadata.hermes, quatre règles d'activation permettent d'afficher ou masquer les skills selon la disponibilité des outils :

Exemple classique : skill DuckDuckGo avec fallback_for_tools: [web_search] — lorsque FIRECRAWL_KEY ou BRAVE_SEARCH_KEY est configuré, web_search payant s'active et DuckDuckGo disparaît pour économiser des tokens ; si l'API est indisponible, le repli réapparaît.

Conscience plateforme : telegram-notify peut définir requires_toolsets: [messaging] et platforms: [telegram, discord] ; via le TUI hermes skills, activation indépendante pour CLI, Telegram et Discord.

Canaux d'installation officiels :

hermes skills install official/research/arxiv
hermes skills install https://example.com/SKILL.md --name my-skill
hermes skills install github:openai/skills/k8s
hermes skills tap add github:my-org/my-skills

agentskills.io permet l'usage cross-plateforme entre Hermes, Claude Code, Cursor et OpenCode — vos assets ne sont pas liés à un seul éditeur.

Un dépôt GitHub sert de Tap : l'équipe ou la communauté s'abonne à votre collection de skills. Structure recommandée :

my-skills-tap/
├── skills.sh.json          # Configuration catégories (optionnel)
├── mlops/vllm-deploy/SKILL.md
├── research/paper-summarizer/SKILL.md
└── README.md

1. Planifier les catégories : organiser par domaine (MLOps, Research…) et rédiger skills.sh.json pour le Hub.
2. Rédiger SKILL.md : un répertoire par skill ; valider avec skills-ref validate.
3. Pousser sur GitHub : dépôt public ou privé (token requis pour privé).
4. Abonnement équipe : hermes skills tap add github:your-org/your-skills-tap.
5. Mises à jour régulières : hermes skills tap update.
6. Versionnement : inclure ~/.hermes/skills/ dans Git ; synchronisation multi-appareils via git pull && hermes skills reset.

hermes skills tap add github:your-org/private-skills --token $GH_TOKEN
hermes skills tap list
hermes skills tap update

GEPA (Genetic-Pareto Prompt Evolution), présenté en Oral à ICLR 2026, est intégré dans hermes-agent-self-evolution. Principe : sans fine-tuning des poids, analyser les traces, générer des variantes et optimiser le texte du skill par Pareto multi-objectif. Coût par cycle : environ 2–10 $ (API pure, sans GPU).

Cinq phases : (1) collecte de traces (SQLite) ; (2) analyse réflexive des échecs ; (3) mutation ciblée (10–20 variantes SKILL.md) ; (4) évaluation Pareto (taux de succès × efficacité tokens × vitesse) ; (5) revue PR manuelle avant mise en production.

export HERMES_AGENT_PATH=~/.hermes
python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source sessiondb

Quatre garde-fous : suite de tests à 100 % ; skills ≤ 15 Ko, descriptions d'outils ≤ 500 caractères ; compatibilité Prompt Cache ; vérification de préservation sémantique.

Conformité agentskills.io : traces Claude Code ou Gemini CLI alimentables — --eval-source mixed --trace-dirs ~/.claude/traces,~/.hermes/sessions.

Les plugins encapsulent les skills sous le namespace plugin:skill : absents de la skills_list par défaut, activés uniquement sur invocation explicite ; les skills d'un même plugin peuvent se référencer. skill_view("superpowers:writing-plans") affiche les skills frères du plugin.

La description détermine la précision d'activation : éviter « Helps with code » ; expliciter conditions de déclenchement et scénarios exclus.

Les Pitfalls font la différence : inclure modes d'échec concrets, causes racines et correctifs (sélecteurs CSS fragiles, rate limit GitHub API, débordement token sur gros diff).

Scripting : référencer les scripts exécutables dans scripts/ ; en cas d'échec, repli vers references/manual-extract.md.

L'agent peut patcher ou créer via skill_manage ; dans config.yaml, skills.agent_writes_require_approval: true active la validation humaine.

Construire le Bundle blog-workflow pour charger en une fois recherche SEO, plan, validation code, vérification bilingue et publication :

name: blog-workflow
description: Full tech blog writing workflow.
skills:
  - seo-keyword-research
  - outline-generator
  - code-example-validator
  - bilingual-checker
  - publish-to-platform
instruction: |
  Always research SEO keywords before writing.
  Ensure all code examples are tested and runnable.
  Generate both Chinese and English title options.

Le skill personnalisé seo-keyword-research doit définir requires_toolsets: [web]. Flux : identifier le sujet → longue traîne FR (« comment utiliser X », « tutoriel X ») → longue traîne EN (« X tutorial », « X vs Y ») → croiser Dev.to/HN → produire 3–5 mots-clés principaux et une matrice de 10–15 longues traînes. Les habitudes de recherche et la terminologie varient selon la langue cible — à valider par plateforme.

• Skills vs MCP ? Skills = documentation procédurale ; MCP = interface d'outils — complémentaires.
• Skill modifié mais ancienne version active ? La session en cours n'est pas affectée — /reset ou installation avec --now (invalide le Prompt Cache).
• GEPA est-il sûr ? Quatre garde-fous plus revue PR manuelle — examiner chaque diff reste recommandé.
• Réutilisation dans Claude Code ? Copier SKILL.md vers ~/.claude/skills/ ou installation multi-plateforme via ai-agent-skills.
• Contenu multilingue et tokens ? Une description non anglaise peut réduire la précision du matching — anglais ou bilingue recommandé.

Pour aller plus loin : documentation officielle, algorithme GEPA, framework DSPy.

• GitHub Stars : Hermes Agent, début 2026 — plus de 160 000 en deux mois.
• Tokens Level 0 : l'ensemble name+description ~3K tokens par session.
• Coût GEPA par cycle : environ 2–10 $, API pure, sans GPU.
• Limite GEPA : skills ≤ 15 Ko, descriptions d'outils ≤ 500 caractères.
• Communauté : kevinnft/ai-agent-skills — 191 skills, 28 catégories ; hermeshub 166 stars avec scan sécurité.

Faire tourner Hermes Agent et le pipeline GEPA exige un hôte macOS en ligne 24h/24 avec faible latence. Raspberry Pi (mémoire insuffisante), VPS mutualisés surchargés (coupures de connexion longue durée), connexion domestique instable — tout cela dégrade la collecte de traces et la permanence du Gateway.

Pour un environnement de production stable — Gateway Hermes, collecte sessiondb et itérations GEPA — le Mac bare-metal multi-région JEXCLOUD offre Apple Silicon dédié, disponibilité 24h/24, montée en charge mensuelle flexible et provisionnement en 120 secondes. Configurations et tarifs : page tarifs JEXCLOUD.