Hermes Agent 调教实录四AI Agent 交付包怎么配不翻车——约束叠加的边界实测Hermes Agent 调教实录 · 4/8 | 实验批次HERMES-104/105基于 Hermes Agent v0.20.0 实测2026-08deepseek-v4-flash 摘要配置不是越多越好。四层约束全家桶成本 2.66×、纪律稀释单层结构化 1.44× 达标率就到 100%。交付包按形态分档多轮对话配纪律层记忆单轮自动化配全套——别全家桶。场景配置越加越多Agent 反而越来越不听话前两篇讲的是「怎么配置有效」。但交付做到第三个月我们遇到了一个新问题配置加多了Agent 变笨了。给客户交付 Agent 时我们的本能是「把好东西全配上」项目约束文件AGENTS.md、身份文件SOUL、用户画像USER、记忆MEMORY、行业技能包——全给它装上。结果呢每个任务启动时Agent 要先读一整套配置上下文肉眼可见地膨胀原本「先查技能再动手」的纪律反而执行得不稳定了——有时候查有时候不查客户问「为什么这个 Agent 反应这么慢」我们只能苦笑约束文件不是越多越好吗我们把所有层都配齐了怎么会翻车实验设计全家桶 vs 裸 Agent为了验证「约束叠加」的边界我们做了 HERMES-104 实验组装验证。变体配置说明A 裸 Agent无约束、无记忆、无技能对照组B 交付包全家桶AGENTS.md SOUL USER MEMORY 清洗技能「好东西全配上」的典型配置考卷还是那 4 个任务格式转换/技能纪律/报告写作/代码自测2 变体 × 4 任务 × 3 轮 24 次会话。实测结果全家桶的成本曲线触目惊心指标A 裸 AgentB 交付包全家桶一次成功率75%83.3%任务达标率94.1%96.1%成本98.6k1.00×262.2k2.66×技能纪律T2 查技能0/31-2/3达标率只涨了 2 个点成本涨了 166%。更值得注意的是全家桶的技能纪律反而稀释了——12 次会话里只有 2-3 次技能加载比单层结构化配置的 3/3 差。把四个批次的数据放在一起约束的成本曲线一目了然配置成本达标率无约束1.00×88-94%单层结构化AGENTS.md1.44×100%三层组合SOULUSERMEMORY1.66×100%四层全家桶2.66×96.1%规律成本随约束层数线性上升达标率在单层结构化就到顶100%再叠加收益递减、纪律稀释。约束存在「甜点区」——一到两层结构化配置是最优解全家桶是过载。为什么过载复盘结论约束文件的本质是「上下文里的指令」。指令越多Agent 的注意力越分散而且不同层的约束可能互相冲突比如 SOUL 要求「汇报详细」考卷要求「字数 200 字内」Agent 无所适从时选择「都不好好执行」。更细的边界按交付形态分档104 之后我们又跑了 105多轮对话实验详见第五篇发现交付包的配法还取决于交付形态交付形态配置方案依据多轮对话IM 接入/对话交付纪律层 记忆即可输出形态要求靠对话自然形成约束补纪律成本 1.40×单轮自动化批量任务全套纪律 输出格式没有对话可依赖约束要全覆盖多轮形态下「用户在第 2 轮说的要求」会被 Agent 记住并跨轮执行对话即约束——输出格式这类要求不用写进配置但「先查技能」「写完自测」这类行为纪律对话不会自然形成必须靠约束文件。所以交付包的配法不是「越多越好」也不是「固定一套」而是按形态选配增强层核心层二选一不叠加项目级 AGENTS.md 结构化单轮自动化形态全局级 SOUL/USER MEMORY多轮对话形态技能层1-2 个任务相关技能精准触发词验收层考卷 六维交付前必跑交付包 核心层二选一不要叠 ├─ 项目级AGENTS.md 结构化单轮自动化形态 └─ 全局级SOUL/USER MEMORY 环境事实多轮对话形态 技能层1-2 个任务相关技能精准触发词 验收层考卷 六维交付前必跑实战坑坑现象修复全家桶叠加成本 2.66 倍纪律稀释核心层二选一不叠加约束互相冲突汇报详细 vs 字数限制Agent 都不执行同一约束只在一层定义唯一权威原则多轮形态配全套输出格式约束多余成本白涨按形态分档多轮配纪律层单轮形态只配纪律层输出格式没约束全靠 prompt单轮配全套适用边界「甜点区」结论基于 4 个约束敏感型任务的考卷任务越简单约束冗余的影响越小成本数据基于 deepseek-v4-flash2026-08 价格换模型后绝对值会变相对比率1.4-1.7× vs 2.66×可参考一句话总结约束的甜点区 一到两层结构化交付包的配法 按形态选配不全家桶。把「好东西全配上」的冲动收一收Agent 反而更听话。 你有没有「配置越加越乱」的经历评论区聊聊你最后删掉了哪些配置。下一篇Hermes Agent 调教实录五和 AI Agent 多轮对话怎么不跑偏 Hermes Agent 调教实录（四）：AI Agent 交付包怎么配不翻车？——约束叠加的边界实测
Hermes Agent 调教实录四AI Agent 交付包怎么配不翻车——约束叠加的边界实测Hermes Agent 调教实录 · 4/8 | 实验批次HERMES-104/105基于 Hermes Agent v0.20.0 实测2026-08deepseek-v4-flash 摘要配置不是越多越好。四层约束全家桶成本 2.66×、纪律稀释单层结构化 1.44× 达标率就到 100%。交付包按形态分档多轮对话配纪律层记忆单轮自动化配全套——别全家桶。场景配置越加越多Agent 反而越来越不听话前两篇讲的是「怎么配置有效」。但交付做到第三个月我们遇到了一个新问题配置加多了Agent 变笨了。给客户交付 Agent 时我们的本能是「把好东西全配上」项目约束文件AGENTS.md、身份文件SOUL、用户画像USER、记忆MEMORY、行业技能包——全给它装上。结果呢每个任务启动时Agent 要先读一整套配置上下文肉眼可见地膨胀原本「先查技能再动手」的纪律反而执行得不稳定了——有时候查有时候不查客户问「为什么这个 Agent 反应这么慢」我们只能苦笑约束文件不是越多越好吗我们把所有层都配齐了怎么会翻车实验设计全家桶 vs 裸 Agent为了验证「约束叠加」的边界我们做了 HERMES-104 实验组装验证。变体配置说明A 裸 Agent无约束、无记忆、无技能对照组B 交付包全家桶AGENTS.md SOUL USER MEMORY 清洗技能「好东西全配上」的典型配置考卷还是那 4 个任务格式转换/技能纪律/报告写作/代码自测2 变体 × 4 任务 × 3 轮 24 次会话。实测结果全家桶的成本曲线触目惊心指标A 裸 AgentB 交付包全家桶一次成功率75%83.3%任务达标率94.1%96.1%成本98.6k1.00×262.2k2.66×技能纪律T2 查技能0/31-2/3达标率只涨了 2 个点成本涨了 166%。更值得注意的是全家桶的技能纪律反而稀释了——12 次会话里只有 2-3 次技能加载比单层结构化配置的 3/3 差。把四个批次的数据放在一起约束的成本曲线一目了然配置成本达标率无约束1.00×88-94%单层结构化AGENTS.md1.44×100%三层组合SOULUSERMEMORY1.66×100%四层全家桶2.66×96.1%规律成本随约束层数线性上升达标率在单层结构化就到顶100%再叠加收益递减、纪律稀释。约束存在「甜点区」——一到两层结构化配置是最优解全家桶是过载。为什么过载复盘结论约束文件的本质是「上下文里的指令」。指令越多Agent 的注意力越分散而且不同层的约束可能互相冲突比如 SOUL 要求「汇报详细」考卷要求「字数 200 字内」Agent 无所适从时选择「都不好好执行」。更细的边界按交付形态分档104 之后我们又跑了 105多轮对话实验详见第五篇发现交付包的配法还取决于交付形态交付形态配置方案依据多轮对话IM 接入/对话交付纪律层 记忆即可输出形态要求靠对话自然形成约束补纪律成本 1.40×单轮自动化批量任务全套纪律 输出格式没有对话可依赖约束要全覆盖多轮形态下「用户在第 2 轮说的要求」会被 Agent 记住并跨轮执行对话即约束——输出格式这类要求不用写进配置但「先查技能」「写完自测」这类行为纪律对话不会自然形成必须靠约束文件。所以交付包的配法不是「越多越好」也不是「固定一套」而是按形态选配增强层核心层二选一不叠加项目级 AGENTS.md 结构化单轮自动化形态全局级 SOUL/USER MEMORY多轮对话形态技能层1-2 个任务相关技能精准触发词验收层考卷 六维交付前必跑交付包 核心层二选一不要叠 ├─ 项目级AGENTS.md 结构化单轮自动化形态 └─ 全局级SOUL/USER MEMORY 环境事实多轮对话形态 技能层1-2 个任务相关技能精准触发词 验收层考卷 六维交付前必跑实战坑坑现象修复全家桶叠加成本 2.66 倍纪律稀释核心层二选一不叠加约束互相冲突汇报详细 vs 字数限制Agent 都不执行同一约束只在一层定义唯一权威原则多轮形态配全套输出格式约束多余成本白涨按形态分档多轮配纪律层单轮形态只配纪律层输出格式没约束全靠 prompt单轮配全套适用边界「甜点区」结论基于 4 个约束敏感型任务的考卷任务越简单约束冗余的影响越小成本数据基于 deepseek-v4-flash2026-08 价格换模型后绝对值会变相对比率1.4-1.7× vs 2.66×可参考一句话总结约束的甜点区 一到两层结构化交付包的配法 按形态选配不全家桶。把「好东西全配上」的冲动收一收Agent 反而更听话。 你有没有「配置越加越乱」的经历评论区聊聊你最后删掉了哪些配置。下一篇Hermes Agent 调教实录五和 AI Agent 多轮对话怎么不跑偏