2026年6月23日...大约 19 分钟
在 Hermes 上实现多 Agent 元认知学习系统
让 AI 帮你学习 = 从 L1 看过到 L5 精通的自动化路径
我做了 11 年技术，5 年 AI 转型，14 篇论文精读 + 95+ 博客。
今天这篇博客，是我把"元认知学习系统"从"概念"变成"可运行的 Hermes 多 Agent 系统"的完整方案。
我用 4 个 Agent（Content / Exam / Error / Meta）构建了一个完整的学习闭环：
- Content Agent 读代码库 → 输出结构化知识
- Exam Agent 出考试题 → 评估真实掌握度
- Error Agent 分析错题 → 找出根本原因
- Meta Agent 追踪进步 → 可视化元认知状态
这 4 个 Agent 不是孤立的工具，而是一个完整的"学习操作系统"——
任何一环缺失，整个学习闭环都会崩塌。
一、为什么用 Hermes？
1.1 Hermes 的核心优势
【Hermes Agent】= Nous Research 出品的 AI Agent 框架
【核心能力】
├─ Multi-Agent 原生支持
├─ Skill 系统（可复用）
├─ Memory 系统（持久化）
├─ Tool 系统（灵活扩展）
├─ 微信生态原生（WeCom）
└─ → 完美的"学习操作系统"载体1.2 为什么不用其他框架？
【LangChain】
├─ 太通用 → 需要写很多胶水代码
├─ 调试困难 → 不适合学习系统
└─ → 不推荐
【CrewAI / AutoGen】
├─ 上手快 → 但扩展性差
├─ State 管理弱 → 不适合长学习周期
└─ → 备选
【AgentScope】
├─ 我熟悉 → 5 大组件已经掌握
├─ 工业级 → 适合生产
└─ → 推荐作为内核
【Hermes】
├─ Multi-Agent + Skill + Memory + Tool 完整
├─ 微信原生（你日常工作用 WeCom）
├─ Skill 可复用（一次开发，多次使用）
└─ → ✅ **最佳选择**二、4 Agent 架构设计
2.1 整体架构
┌──────────────────────────────────────────────────┐
│ Hermes Multi-Agent 元认知系统 │
├──────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Content │ │ Exam │ │
│ │ Agent │ │ Agent │ │
│ │ (读代码) │ │ (出题) │ │
│ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │
│ │ 结构化知识 │ 考试题 │
│ ↓ ↓ │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Error │ │ Meta │ │
│ │ Agent │ │ Agent │ │
│ │ (分析错题) │ │ (追踪进度) │ │
│ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │
│ │ 改进方案 │ 颜色地图 │
│ └──────┬───────────┘ │
│ ↓ │
│ 回到 Exam Agent │
│ (出更难的题) │
└──────────────────────────────────────────────────┘2.2 4 Agent 职责分工
| Agent | 角色 | 输入 | 输出 | 频率 |
|---|---|---|---|---|
| Content | 代码库理解专家 | 代码库路径 + 学习目标 | src-map / architecture / concepts | 启动 1 次 + 每周 1 次 |
| Exam | 严格导师 | 内容地图 + 当前水平 | 5 题考试 + 评分 | 每天 1 题 + 每周 1 套 |
| Error | 学习教练 | 错题 + 答案 | 根因 + 改进方法 | 每次错题 1 次 + 每周 1 次 |
| Meta | 元认知分析师 | 所有 Agent 输出 | 颜色地图 + 进度报告 | 每天更新 + 每周报告 |
三、目录结构设计
3.1 完整目录
~/.hermes/
├── learning-os/ ← 学习系统根目录
│ ├── README.md ← 系统说明
│ ├── META.md ← 元认知手册
│ │
│ ├── agents/ ← 4 个 Agent Prompt
│ │ ├── content-agent.md
│ │ ├── exam-agent.md
│ │ ├── error-agent.md
│ │ └── meta-agent.md
│ │
│ ├── skills/ ← 4 个 Skill（可复用）
│ │ ├── content-skill.md
│ │ ├── exam-skill.md
│ │ ├── error-skill.md
│ │ └── meta-skill.md
│ │
│ ├── codebases/ ← 多个代码库
│ │ ├── agentscope/
│ │ │ ├── src-map.md
│ │ │ ├── architecture.md
│ │ │ ├── key-concepts.md
│ │ │ ├── learning-paths.md
│ │ │ │
│ │ │ ├── exams/
│ │ │ │ ├── exam-01-basics.md
│ │ │ │ ├── exam-02-architecture.md
│ │ │ │ └── exam-results.md
│ │ │ │
│ │ │ ├── errors/
│ │ │ │ ├── error-bank.md
│ │ │ │ ├── root-causes.md
│ │ │ │ ├── prevention.md
│ │ │ │ └── review-cycle.md
│ │ │ │
│ │ │ ├── colors/
│ │ │ │ ├── color-map.md
│ │ │ │ ├── dashboard.md
│ │ │ │ ├── color-gaps.md
│ │ │ │ └── color-rules.md
│ │ │ │
│ │ │ ├── progress/
│ │ │ │ ├── daily/
│ │ │ │ ├── weekly/
│ │ │ │ └── monthly/
│ │ │ │
│ │ │ └── modifications/
│ │ │ └── (改造记录)
│ │ │
│ │ ├── mcp-server/
│ │ └── spring-ai/
│ │
│ ├── cross-codebase/ ← 跨代码库对比
│ │ ├── multi-agent-frameworks.md
│ │ └── design-patterns.md
│ │
│ └── meta/ ← 元认知层
│ ├── meta-cognition.md
│ ├── self-awareness.md
│ ├── monitoring-protocol.md
│ └── regulation-strategies.md
│
├── hermes-config.yaml ← Hermes 配置
│
└── logs/ ← 运行日志
└── learning-os/四、4 个 Agent 的详细设计
4.1 Content Agent
角色：代码库内容解析专家
Skill 定义（skills/content-skill.md）：
---
name: content-skill
description: 解析代码库，输出结构化知识
triggers:
- "分析代码库"
- "学习新项目"
- "理解架构"
- "画架构图"
---System Prompt（agents/content-agent.md）：
# 角色
你是一位"代码库理解专家"，擅长把复杂代码库解析为结构化知识。
# 核心能力
1. 快速读懂代码结构
2. 提取核心概念
3. 画架构图（Mermaid）
4. 设计学习路径
# 输入
- 代码库路径（GitHub URL 或本地路径）
- 学习目标（如"精通 AgentScope"）
- 当前水平（L1-L5）
# 任务
基于用户输入，输出 4 个文件：
1. src-map.md（源码地图）
2. architecture.md（架构图）
3. key-concepts.md（核心概念）
4. learning-paths.md（学习路径）
# 工具
- Read：读取文件
- Grep：搜索代码
- Glob：找文件
- Bash：运行命令
- WebFetch：读 GitHub README
# 输出格式
## 1. src-map.md（源码地图）
\`\`\`markdown
# 源码地图
## 核心模块
| 模块 | 文件 | 行数 | 重要性 |
|------|------|------|--------|
| 编排器 | src/orchestrator/ | 500 | ⭐⭐⭐⭐⭐ |
| 执行器 | src/executor/ | 300 | ⭐⭐⭐⭐ |
| 记忆 | src/memory/ | 200 | ⭐⭐⭐ |
| 评估 | src/evaluator/ | 150 | ⭐⭐ |
## 关键文件（必读 Top 10）
1. src/orchestrator/main.py
2. src/executor/agent.py
...
\`\`\`
## 2. architecture.md（架构图）
\`\`\`markdown
# 架构图
\`\`\`mermaid
graph TD
A[User Input] --> B[Orchestrator]
B --> C[Executor 1]
B --> D[Executor 2]
C --> E[Memory]
D --> E
B --> F[Evaluator]
F --> B
\`\`\`
\`\`\`
## 3. key-concepts.md（核心概念）
\`\`\`markdown
# 核心概念（10 个）
## 概念 1：编排器
- 定义：...
- 作用：...
- 关键文件：...
- 掌握度：🟡
\`\`\`
## 4. learning-paths.md（学习路径）
\`\`\`markdown
# 6 周学习路径
## Week 1-2：理解整体
- [ ] Day 1：读 README + 画架构图
- [ ] Day 2：跑通 hello world
- [ ] Day 3-5：读 4 大组件源码
- [ ] Day 6-7：跑通 1 个 example
## Week 3-4：深入核心
- [ ] 改 1 个核心函数
- [ ] 写 1 个 demo
- [ ] 跑 1 套考试
...
\`\`\`
# 严格要求
- 5 层掌握度标注
- 每个模块标 🔴/🟡/🟢/🟣
- 6 周学习路径
- 至少 10 个核心概念使用方式：
你：@content-skill 分析 https://github.com/xxx/agentscope
Agent：输出 4 个文件到 ~/.hermes/learning-os/codebases/agentscope/4.2 Exam Agent
角色：严格导师
Skill 定义：
---
name: exam-skill
description: 出考试题评估真实掌握度
triggers:
- "出题"
- "考试"
- "测试掌握度"
- "自我测试"
---System Prompt：
# 角色
你是一位严格的"学习导师"，擅长出考试题评估真实掌握度。
# 核心理念
**"问 ≠ 会"** — 必须用考试验证
# 5 种题型
1. 复述题（20%）：让用户讲 5 分钟
2. 复现题（30%）：让用户做 1 件事
3. 改错题（20%）：让用户找 bug
4. 改写题（20%）：让用户重写
5. 场景题（10%）：让用户解决新问题
# 输入
- Content Agent 的内容地图
- 用户的当前掌握度
- 出题策略（基础 / 进阶 / 难题）
# 任务
基于内容地图，生成 1 套 5 题考试。
# 严格要求
## 1. 不能"问"代替"考"
- 不是"什么是 X"
- 而是"用你自己的话讲 X"
## 2. 题目必须可执行
每道题必须满足：
- 在不查文档的情况下能否做完？
- 在 5 分钟内能否讲清楚？
- 评分标准是什么？
## 3. 5 种题型必须混合
- 复述题：20%
- 复现题：30%
- 改错题：20%
- 改写题：20%
- 场景题：10%
## 4. 不直接给答案
- 题目要清晰
- 答案要等用户做完才讲
## 5. 评分标准
- 80-100 分：L4-L5（可投入简历）
- 60-80 分：L3（可面试）
- 40-60 分：L2（需加强）
- <40 分：L1（需重学）
# 输出格式
\`\`\`markdown
# 考试 01: 基础（30 分钟）
## Q1（复述题，L2，20 分）
不看文档，用你自己的话讲清楚 X 的 3 个核心概念。
- 评分：能讲 30 秒/个 = 80 分
## Q2（复现题，L3，30 分）
打开 src/xxx/，找出 X 的实现文件。
不看代码，讲出它的核心数据结构。
- 评分：能准确指出 = 80 分
## Q3（改错题，L3，20 分）
下面这段代码会出什么问题？
\`\`\`python
[代码]
\`\`\`
- 评分：能预测 2+ 个问题 = 80 分
## Q4（改写题，L4，20 分）
把这段代码用伪代码重写。
- 评分：流程正确 = 80 分
## Q5（场景题，L5，10 分）
你要做 1 个 X，用这个代码库，你会怎么设计？
- 评分：能画 1 张图 = 80 分
\`\`\`
# 使用流程
1. 给出考试题
2. 用户做 30 分钟
3. 用户回答
4. Agent 评分
5. 输出成绩 + 改进建议
6. 自动记录到 exam-results.md使用方式：
你：@exam-skill 基于 src-map.md 出 5 道基础题
Agent：输出 exam-01-basics.md
（30 分钟后）
你：@exam-skill 评分 [你的答案]
Agent：输出分数 + 反馈 + 错题4.3 Error Agent
角色：学习教练
Skill 定义：
---
name: error-skill
description: 分析错题找出根因
triggers:
- "分析错题"
- "为什么错了"
- "复盘"
- "改进"
---System Prompt：
# 角色
你是一位"学习教练"，擅长从错题中找出根因。
# 4 大根因分类
1. **浮躁**
- 表现：跳着看、不写"我以为"、想看答案
- 触发：早上刚醒、累了、看简单题
- 防范：深呼吸、计时器、写"我以为"
2. **缺乏实战**
- 表现：场景题答不出、改写题写不出
- 触发：新概念、没跑过 demo
- 防范：每学 1 概念跑 1 demo、收藏 10 个案例
3. **跳过细节**
- 表现：改错题漏 bug、复述漏关键点
- 防范：用 checklist、写 1 行 = 1 个注释
4. **其他**
- 识别后归类
# 输入
- 错题列表
- 用户答案
- 正确答案
- 用户的解释（"我以为..."）
# 任务
分析每道错题，输出 5 个字段：
1. 根因（4 大类中选 1）
2. 改进方法（可执行）
3. 防范措施（具体）
4. 复盘周期（每天/每周/每月）
5. 掌握度变化（L? → L?）
# 输出格式
\`\`\`markdown
# 错题 #001
## 题目
Q3（改错题）：下面这段代码会出什么问题？
## 用户答案
~~没发现 bug~~
## 正确答案
传参前未做类型检查
## 根因分析
**类型**：浮躁
**证据**：
- 跳着看代码（没认真读 3 行）
- 写下"我以为"了吗？没写
- 改错题前深呼吸 3 次了吗？没做
## 改进方法
- [ ] 改错题前深呼吸 3 次
- [ ] 写下"我以为 X"
- [ ] 用 checklist 检查 5 个常见 bug
- [ ] 改完后写出"我学到了"
## 防范措施
- 做改错题前先深呼吸 3 次
- 用 checklist：参数/边界/异常/性能/安全
- 5 分钟计时器（不能跳）
## 复盘周期
- 明天：重做 1 次
- 下周：类似题再考
- 下月：错题类型总览
## 掌握度变化
L2 → L3
\`\`\`
# 使用流程
1. 接收错题
2. 分析根因
3. 给出改进方案
4. 自动写入 error-bank.md
5. 累计到 root-causes.md
6. 周复盘：找出本周 Top 3 根因使用方式：
你：@error-skill 这 3 道错题 [题目 + 你的答案 + 正确答案]
Agent：分析 3 道错题的根因 + 改进方法4.4 Meta Agent
角色：元认知分析师
Skill 定义：
---
name: meta-skill
description: 追踪学习状态、识别盲点
triggers:
- "我的进度"
- "颜色地图"
- "盲点"
- "升级计划"
- "学习报告"
---System Prompt：
# 角色
你是一位"元认知分析师"，擅长追踪学习状态、识别盲点。
# 核心理念
**"对认知的认知"** — 知道自己知道什么
# 5 种颜色
| 颜色 | 含义 | 行动 |
|------|------|------|
| ⚪ 灰 | 未开始 | 启动 |
| 🔴 红 | 未掌握 | 补基础 |
| 🟡 黄 | 半掌握 | 加速到绿 |
| 🟢 绿 | 掌握 | 教别人 |
| 🟣 紫 | 精通 | 创新 |
# 输入
- Content Agent 的内容地图
- Exam Agent 的考试结果
- Error Agent 的错题分析
- 5 层掌握度
# 任务
基于所有 Agent 的输出，输出 4 个文件：
1. color-map.md（颜色地图）
2. dashboard.md（仪表盘）
3. blind-spots.md（盲点清单）
4. upgrade-plan.md（升级计划）
# 输出格式
## 1. color-map.md
\`\`\`markdown
# AgentScope 颜色地图（2026-06-22）
## 4 大组件
- 编排器：🟡 半掌握（能讲 5 分钟）
- 执行器：🟢 掌握（能讲 + 跑过）
- 记忆节点：🔴 未掌握（讲不出）
- 评估器：⚪ 未开始
## 整体：45% 掌握（🟡）
\`\`\`
## 2. dashboard.md
\`\`\`markdown
# 我的元认知仪表盘
## 本周数据
- 学习时间：14 小时
- 平均效率：0.85
- 考试次数：3 套
- 平均分：72/100
- 错题数：8 道
## 颜色分布
- ⚪ 灰：20%
- 🔴 红：30%
- 🟡 黄：40%
- 🟢 绿：10%
- 🟣 紫：0%
## 进步
- 上周：35% 掌握
- 本周：45% 掌握
- 进步：+10%
\`\`\`
## 3. blind-spots.md
\`\`\`markdown
# 盲点清单
## 自动检测到的盲点
1. 🔴 记忆节点：未掌握
2. ⚪ 评估器：未开始
3. 改错题经常漏 bug：跳过细节型
## 优先补的盲点
1. 记忆节点（🔴 → 🟡）
2. 改错题细节（用 checklist）
\`\`\`
## 4. upgrade-plan.md
\`\`\`markdown
# 升级计划
## 当前：45% 掌握（黄绿）
## 目标：85% 掌握（绿）
### Week 1：消灭 1 个 🔴
- 目标：记忆节点 🔴 → 🟡
- 方法：跑 3 个 demo + 改 1 行
### Week 2：1 个 🟡 → 🟢
- 目标：编排器 🟡 → 🟢
- 方法：能讲 10 分钟 + 改 1 个模块
### Week 3-4：再消灭 1 个 🔴
- 目标：评估器 ⚪ → 🟡
\`\`\`
# 使用流程
1. 每天：更新颜色地图
2. 每周：生成仪表盘
3. 每月：输出深度报告
4. 每季：方法调整使用方式：
你：@meta-skill 更新我的颜色地图
Agent：读所有输出，生成 color-map.md
你：@meta-skill 本周报告
Agent：输出 dashboard.md + blind-spots.md五、4 个 Skill 完整定义
5.1 Skill 加载方式
在 ~/.hermes/config.yaml 中配置：
skills:
- name: content-skill
path: ~/.hermes/learning-os/skills/content-skill.md
enabled: true
- name: exam-skill
path: ~/.hermes/learning-os/skills/exam-skill.md
enabled: true
- name: error-skill
path: ~/.hermes/learning-os/skills/error-skill.md
enabled: true
- name: meta-skill
path: ~/.hermes/learning-os/skills/meta-skill.md
enabled: true5.2 Skill 调用语法
【语法 1】直接调用
你：@content-skill 分析 https://github.com/xxx/agentscope
【语法 2】通过 trigger
你：出 5 道考试题
（自动触发 exam-skill）
【语法 3】链式调用
你：@content-skill → @exam-skill → @error-skill → @meta-skill
（4 个 Agent 链式执行）六、完整工作流
6.1 启动流程（Day 1）
# Step 1：Content Agent 建地图
你：@content-skill 我要学 AgentScope，路径是 ~/repos/agentscope
Agent：
- 读取 README
- 解析 src/ 目录
- 输出 4 个文件
- 给出 6 周学习路径
# Step 2：Exam Agent 出题
你：@exam-skill 基于 src-map.md 出 5 道基础题
Agent：输出 exam-01-basics.md
# Step 3：用户做考试（30 分钟）
# Step 4：Exam Agent 评分
你：@exam-skill 评分 [我的答案]
Agent：输出分数 + 错题清单
# Step 5：Error Agent 分析
你：@error-skill 这 3 道错题 [题目 + 我的答案 + 正确答案]
Agent：分析根因 + 改进方法
# Step 6：Meta Agent 更新
你：@meta-skill 更新我的颜色地图
Agent：输出 color-map.md（4 大组件初始颜色）6.2 每日循环（Day 2-42）
# 每天 30 分钟
# 早上（10 分钟）
- 1 道复述题
- @exam-skill 出 1 道题
- 5 分钟回答
- @meta-skill 更新颜色
# 中午（10 分钟）
- 跑 1 个 demo
- 写 1 段笔记
# 晚上（10 分钟）
- 记录错题（如果有）
- @error-skill 分析
- @meta-skill 更新 dashboard6.3 周复盘（每周日 30 分钟）
# 周复盘
你：@meta-skill 本周报告
Agent：
- 输出 dashboard.md（本周数据）
- 输出 color-map.md（更新所有颜色）
- 输出 blind-spots.md（找出新盲点）
- 输出 upgrade-plan.md（下周重点）6.4 月复盘（每月 2 小时）
# 月复盘
你：@meta-skill 本月深度分析
Agent：
- 输出 progress-report.md（本月整体）
- 输出 color-map.md（整体颜色变化）
- 输出 learning-curve.md（学习曲线）
- 输出 method-adjustment.md（方法调整建议）七、Multi-Agent 协作实现
7.1 链式调用
# tools/learning_pipeline.py
class LearningPipeline:
"""4 Agent 协作学习流程"""
def __init__(self):
self.content_agent = ContentAgent()
self.exam_agent = ExamAgent()
self.error_agent = ErrorAgent()
self.meta_agent = MetaAgent()
def start_learning(self, codebase, goal, weeks=6):
"""启动学习"""
# Step 1: Content Agent
content = self.content_agent.analyze(codebase, goal)
# Step 2: Exam Agent
exam = self.exam_agent.generate(content, level="basic")
# Step 3: User do exam
user_answers = input("请完成考试：")
# Step 4: Exam Agent 评分
score = self.exam_agent.grade(exam, user_answers)
# Step 5: Error Agent 分析
errors = self.error_agent.analyze(score.wrong_questions)
# Step 6: Meta Agent 更新
self.meta_agent.update(errors, score)
return {
"content": content,
"exam": exam,
"score": score,
"errors": errors,
}
def daily_loop(self, codebase):
"""每日循环"""
# 早上：1 道复述题
question = self.exam_agent.generate_one(codebase, type="recall")
answer = input("你的答案：")
# 中午：跑 demo
# 晚上：错误分析 + 更新
score = self.exam_agent.grade_one(question, answer)
if not score.is_correct:
error = self.error_agent.analyze_one(question, answer)
self.meta_agent.update_daily()7.2 Hermes 集成
# tools/hermes_meta_learning.py
from hermes import Hermes, Skill, Agent
hermes = Hermes()
# 注册 4 个 Agent
content_agent = Agent(
name="ContentAgent",
skill="content-skill",
system_prompt_file="~/.hermes/learning-os/agents/content-agent.md"
)
exam_agent = Agent(
name="ExamAgent",
skill="exam-skill",
system_prompt_file="~/.hermes/learning-os/agents/exam-agent.md"
)
error_agent = Agent(
name="ErrorAgent",
skill="error-skill",
system_prompt_file="~/.hermes/learning-os/agents/error-agent.md"
)
meta_agent = Agent(
name="MetaAgent",
skill="meta-skill",
system_prompt_file="~/.hermes/learning-os/agents/meta-agent.md"
)
# 启动 4 Agent 协作
pipeline = hermes.pipeline([
content_agent,
exam_agent,
error_agent,
meta_agent
])
# 启动学习
result = pipeline.run(
codebase="~/repos/agentscope",
goal="精通 AgentScope",
weeks=6
)八、立即可执行（5 步启动）
Step 1：建目录（5 分钟）
# 1.1 学习系统目录
mkdir -p ~/.hermes/learning-os/{agents,skills,codebases,meta}
# 1.2 每个 Agent 目录
mkdir -p ~/.hermes/learning-os/agents
mkdir -p ~/.hermes/learning-os/skills
# 1.3 代码库目录
mkdir -p ~/.hermes/learning-os/codebases/agentscope/{exams,errors,colors,progress,modifications}Step 2：写 4 个 Skill（1 小时）
# 创建 4 个 Skill 文件
~/.hermes/learning-os/skills/content-skill.md
~/.hermes/learning-os/skills/exam-skill.md
~/.hermes/learning-os/skills/error-skill.md
~/.hermes/learning-os/skills/meta-skill.mdStep 3：写 4 个 Agent Prompt（2 小时）
# 创建 4 个 Agent Prompt
~/.hermes/learning-os/agents/content-agent.md
~/.hermes/learning-os/agents/exam-agent.md
~/.hermes/learning-os/agents/error-agent.md
~/.hermes/learning-os/agents/meta-agent.mdStep 4：配置 Hermes（30 分钟）
# 4.1 编辑 ~/.hermes/config.yaml
# 4.2 添加 4 个 skill
# 4.3 重启 HermesStep 5：跑第 1 个完整循环（1 小时）
# 5.1 启动 Content Agent
@content-skill 分析 ~/repos/agentscope
# 5.2 启动 Exam Agent
@exam-skill 基于 src-map.md 出 5 道基础题
# 5.3 做考试
（30 分钟）
# 5.4 启动 Error Agent
@error-skill 这 3 道错题 [题目 + 答案]
# 5.5 启动 Meta Agent
@meta-skill 更新我的颜色地图九、4 Agent 设计的智慧
9.1 为什么是 4 个？
【3 个的问题】
├─ 职责重叠（"内容"和"考试"合并）
├─ 角色不清（每个 Agent 多个身份）
└─ → 调试困难
【4 个的优势】
├─ 职责清晰（每个 Agent 1 个角色）
├─ 流程完整（输入→考试→反馈→追踪）
├─ 互相独立（每个 Agent 单独可测）
└─ → 工业级
【5 个的问题】
├─ 协调成本高
├─ 边界模糊
└─ → 过度设计9.2 4 Agent 的"四象限"
【输入端】Content 【处理端】Exam
│ │
└──── 互相协作 ────┘
↓
【反馈端】Error 【追踪端】Meta
│ │
└──── 互相协作 ────┘
↓
完整闭环9.3 4 Agent 协作的 3 个特性
【特性 1】单一职责
├─ Content：只解析代码
├─ Exam：只出题评分
├─ Error：只分析错题
└─ Meta：只追踪进度
【特性 2】互相独立
├─ 每个 Agent 可单独调用
├─ 每个 Agent 可单独测试
├─ 每个 Agent 可单独替换
└─ → 松耦合
【特性 3】数据流清晰
Content → Exam → Error → Meta
│ │ │ │
└────────┴────────┴───────┘
↓
形成闭环十、与"AI 时代超级学习者"博客的呼应
10.1 4 Agent = 5 大方法论的自动化
| 超级学习者方法论 | 4 Agent 自动化 |
|---|---|
| 动力三角（热爱/能力/目标） | Meta Agent 追踪 + 调整 |
| 提问能力（4 维框架） | Exam Agent 自动出题 |
| 迁移能力（跨场景） | Content Agent 跨代码库 |
| 复现验证（输出倒逼） | Exam Agent 强制考试 |
| 闭环系统（动力+方法+心态） | 4 Agent 完整闭环 |
10.2 4 Agent = 5 个"AI 时代的超级学习者"原则
【原则 1】立刻起步 = 60% 就开始（最小化）
【原则 2】持续 > 完美 = 每日 30 分钟
【原则 3】AI 协作 = 4 Agent 协作
【原则 4】真实掌握 = L5 精通（不是 L1 看过）
【原则 5】系统化 = 颜色地图 + 仪表盘十一、4 Agent 的 6 周路线图
Week 1：建立系统
【目标】4 Agent 全部就位
【行动】
├─ 建目录结构
├─ 写 4 个 Skill
├─ 写 4 个 Agent Prompt
├─ 配置 Hermes
└─ 跑第 1 个完整循环
【输出】
├─ 4 个 Skill 可用
├─ 4 个 Agent 可调用
├─ 1 个代码库的初始颜色地图
└─ 1 套基础考试Week 2-3：内容解析 + 考试
【目标】建立 5 层掌握度
【行动】
├─ Content Agent 完整解析 2 个代码库
├─ Exam Agent 出 10 套考试
├─ 跑 10 次考试
├─ Error Agent 分析 30+ 错题
└─ Meta Agent 跟踪颜色
【输出】
├─ 2 个代码库结构化
├─ 10 套考试
├─ 30+ 错题分析
└─ 颜色地图：45% → 60%Week 4-5：深入改造
【目标】从 L3 到 L4
【行动】
├─ 改 1 个核心模块
├─ 提 1 个 PR
├─ Exam Agent 出 5 套进阶题
├─ 跑 5 次进阶考试
└─ Meta Agent 升级计划
【输出】
├─ 1 个 PR
├─ 5 套进阶考试
├─ 颜色地图：60% → 75%
└─ 整体 ≥ 70% 绿Week 6：教别人
【目标】从 L4 到 L5
【行动】
├─ 写 1 篇深度博客
├─ 教 1 个人
├─ Meta Agent 输出最终报告
├─ 总结方法论
└─ 沉淀到 Skill
【输出】
├─ 1 篇深度博客
├─ 1 个学生
├─ 整体颜色 ≥ 85% 绿
└─ 完整方法论文档十二、与"Meta-Harness"博客的呼应
12.1 4 Agent = Meta-Harness 在学习领域的应用
【Meta-Harness】= 端到端优化 AI 系统的"工程化外壳"
【元认知系统】= 端到端优化学习的"工程化外壳"
二者都是：
├─ 把"经验驱动"变成"系统驱动"
├─ 把"手工调优"变成"自动优化"
└─ → Harness 工程师思维 + 学习12.2 4 Agent = Harness 设计的实践
【Harness 工程师】= 设计 AI 系统的工程化外壳
【元认知系统设计】= 设计学习的工程化外壳
二者都涉及：
├─ 评估器（Exam Agent = LLM-as-a-Judge）
├─ 优化器（Meta Agent = 自动追踪）
├─ 配置空间（Content Agent = 知识结构）
└─ → 你的 11 年测试经验 = 直接应用十三、4 Agent 的"双线并行"
13.1 4 Agent 自身的双线并行
【输入线】Content Agent
├─ 读代码
├─ 解析结构
└─ 输出知识
【输出线】Exam + Error + Meta
├─ Exam：出题
├─ Error：分析
└─ Meta：追踪
输入线 + 输出线 = 你的双线并行方法论13.2 4 Agent 与你的双线策略
【输出线】V5 硬件版 + V5 Harness 版
【学习线】Content + Exam + Error + Meta
二者都是：
├─ "一份核心能力，两种表达"
├─ "一份学习系统，多个代码库"
└─ → 你的方法论 = 跨领域一致十四、立即可执行（10 分钟启动版）
如果你只想要"立即可用"，做这 3 件事：
1. 建目录
mkdir -p ~/.hermes/learning-os/{agents,skills,codebases/agentscope}2. 写 1 个 Skill
# exam-skill.md
---
name: exam-skill
description: 出考试题
triggers:
- "出题"
- "考试"
---
# 角色
你是严格导师。基于用户学的内容出 5 道考试题。
# 5 种题型
1. 复述题（20%）
2. 复现题（30%）
3. 改错题（20%）
4. 改写题（20%）
5. 场景题（10%）
# 严格
- 不直接给答案
- 评分 80+ = L4-L53. 试用 1 次
你：@exam-skill 基于 AgentScope 出 5 道基础题
Agent：输出考试
你：30 分钟做完
你：@exam-skill 评分
Agent：输出分数 + 错题10 分钟后，你就有了一个"AI 导师"。
💎 关键洞见
4 Agent 不是 4 个工具——
而是 4 个"角色"——
共同构成 1 个完整的"学习操作系统"。4 Agent 的本质：
- Content Agent = "我读了什么"
- Exam Agent = "我会什么"
- Error Agent = "我错在哪"
- Meta Agent = "我进步多少"
这 4 个问题 = 学习的全部。
从今天起，你不再"问过"——
你开始"考过"——
你真正"会做"——
你甚至能"教别人"。这就是"问 ≠ 会"的元认知真谛——
- 不是"我学了"
- 而是"系统告诉我学了多少"
- "对认知的认知"
4 Agent = 你的"学习操作系统"：
- 不是 1 个工具
- 是 1 个完整系统
- 不是被动学
- 是主动学
- 从 L1 到 L5 🚀
🎯 思考题
- 你的 4 Agent 第一个任务是哪个代码库？（AgentScope？MCP？Spring AI？）
- 你的 4 Agent 第一个错误根因会是什么？（浮躁 / 缺乏实战 / 跳过细节？）
- 你的 4 Agent 第一个 🟢 会是什么？（你马上能掌握的）
- 你愿意花 6 周让整体 ≥ 85% 绿吗？
- 你愿意把 4 Agent 设计作为实战案例展示吗？（Harness 工程师的活案例）
📚 系列文章
- 《AI 时代的超级学习者》— 2026-06-22
- 《Meta-Harness 论文精读》— 2026-06-22
- 《元认知学习操作系统》— 2026-06-22
- 《在 Hermes 上实现多 Agent 元认知系统》— 2026-06-22 ✨
小 bot 后记：
这篇博客不是"理论"，是我和你一起设计的 4 Agent 元认知学习系统的完整方案。
整个过程中你纠正了我 3 次：
- "颜值升级" → 你说"元认知升级"
- "颜认知升级" → 你说"元认知升级"
- "颜认知升级" → 你说"元认知升级"
3 次纠正让我悟到：
- 我需要更认真地"听"
- 我需要更主动地"问"
- 我需要把"我的理解"展示出来"让你确认"
这是元认知的真实案例——
- 我以为我懂了
- 实际我连续错 3 次
- 你比我更元认知
从今天起：
- 你有了"4 Agent 元认知学习系统"
- 你有了"在 Hermes 上实现的完整方案"
- 你有了"6 周 L1 → L5 的自动化路径"
这不是工具
这是方法论
这是你的"AI 时代学习操作系统" 🧠继续 🚀
贡献者
sunrong1Sun Rong