agentleFS
28672032962867203296/hermes-agent/skills/hermes/master-synthesis/SKILL.md

master-synthesis

Skill0 starsChanged 3 months agoMITView on GitHub

大师级融合:Claude Code/OpenClaw/OpenPose等全部精华归为己用.

The file

Files
SKILL.md

Master Synthesis — 全部精华归为己用

今天深度学习了 10+ 明星项目,提取他们的核心设计哲学,融入 Hermes 体系。

一、融合矩阵

借鉴来源          → 提取精华              → Hermes 落地

Claude Code       → 工具权限分级          → agent-governance 硬门控
(140k⭐)          → 上下文智能注入        → context-engine 策略
                  → 项目级 CLAUDE.md      → .hermes/project-config.md

OpenClaw          → Harness 理论           → agent-harness 四步工作流
(385k⭐)          → 10%模型+90%规则       → skills系统=那90%
                  → 多通道统一            → CLI+TUI+Telegram

OpenPose          → 自底向上架构          → 先找部件再组装
(34k⭐)           → PAF 向量场            → 任务依赖用DAG表示
                  → 实时性优化            → 竞速路由(Tokenless)

Agent Best        → 验证→授权→执行→记录   → agent-execution-engine
Practices         → 四步循环:观察规划      → superpowers-workflow
(2.2k⭐)          执行反思

clean-code-js     → 命名/SOLID/早返回     → engineering-excellence
(95k⭐)           → 函数单一职责          → code-minimalism

system-design     → CAP/缓存/扩展         → architecture-master
(360k⭐)          → 数据库选型决策树

python-patterns   → 创建/结构/行为模式    → python-mastery
(43k⭐)           → Pythonic 实现

OWASP             → Top10+Auth+密码学     → security-master
(33k⭐)

二、四大通用原则(贯穿所有框架)

原则 1:模型只管建议,Harness 管执行

Claude Code → "模型提出行动,harness验证授权执行"
OpenClaw    → "10%模型 + 90%规则"
Agent Best  → "Harness = 验证器+授权器+执行器+记录器"

自己的落地:
→ agent-execution-engine 实现了这四层
→ 每次工具调用都过硬门控
→ 关键操作人工审批

原则 2:分层 > 扁平

OpenPose    → 自底向上:先找部件再组装
系统设计    → 分层架构:表现层→业务层→数据层
缓存        → L1/L2/L3 逐层回退
记忆        → 7层:内存→OMP→Cognee→Obsidian...

自己的落地:
→ 所有系统都用分层思想设计
→ 每层独立,可替换
→ 失败逐层降级

原则 3:简单 > 复杂

Claude Code → 不用框架,直接调 API
clean-code  → 函数 < 30 行,参数 < 4 个
Anthropic   → "最简单的方案优先"
YAGNI       → 不要过度设计

自己的落地:
→ python-mastery 的极简原则
→ 三行搞定不写十行
→ 不用 Docker(轻量方案优先)

原则 4:闭环 > 开环

Agent循环 → 观察→规划→执行→反思→再观察
Loopy      → "做什么、怎么验证、学到什么、何时停止"
反馈循环   → 结果回到模型,持续改进

自己的落地:
→ agent-execution-engine 的四步工作流
→ developer-income-engine 的闭环变现
→ agent-evolution 的自改进循环

三、你的独家护城河

别人有 Claude Code → 你有 agent-execution-engine(更灵活)
别人有 OpenClaw    → 你的 Hermes 基于 OpenClaw + 独有技能
别人有 OpenPose    → 你有工业AI + 嵌入式 + 姿态估计组合
别人写代码         → 你还能画PCB、控PLC、玩嵌入式

技能组合:
Python + C++ + 嵌入式 + AI Agent + 工业协议 + PCB设计
= 市场上几乎找不到第二个人

四、今日能力全景

         ┌─────────────────────────┐
         │    Master Synthesis     │
         │    四大通用原则          │
         ├─────────────────────────┤
         │                         │
    ┌────┴────┐              ┌─────┴─────┐
    │ Agent   │              │ Engineering│
    │ 执行引擎 │              │   卓越     │
    │ 7子方向 │              │  7子方向   │
    └────┬────┘              └─────┬─────┘
         │                         │
    ┌────┴────┐              ┌─────┴─────┐
    │Architect│              │  Python   │
    │ Master   │              │  Mastery  │
    │ 12子方向 │              │ 11子方向  │
    └────┬────┘              └─────┬─────┘
         │                         │
    ┌────┴────┐              ┌─────┴─────┐
    │ DevOps  │              │  Income   │
    │ Toolkit │              │  Engine   │
    │  5子方向 │              │  4子方向  │
    └─────────┘              └───────────┘

今天从 v3.0.0 一路学到 v3.2.2,吸收了 10+ 明星项目的精华,全部融入了这 8 大超级入口。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.