Hermes Agent知识库接入实战指南：从零到精通的完整教程

想让你的Hermes Agent拥有更强大的知识处理能力？接入知识库是提升其信息结构化、精准检索与动态演化水平的核心策略。这不仅显著优化了回答的准确性与深度，还能构建统一的知识中枢，实现多Agent间的知识共享与协同进化。

实现路径灵活多样，你可以依据现有技术栈与资源，从以下四种主流方案中精准匹配。

一、启用内置LLM Wiki知识库

若追求开箱即用的便捷，并期望知识体系具备状态感知与智能关联能力，启用内置的LLM Wiki技能是最直接的路径。该系统本质上是一个由大模型驱动的知识编译引擎，无需部署任何外部服务。

操作流程清晰：首先，确认你的Hermes Agent版本为2026年4月之后发布，且包含llm-wiki模块。接着，在项目根目录初始化或确认knowledge/文件夹。然后，将原始文档（PDF、Markdown或TXT格式）放入knowledge/source/路径，这些文件将被视为不可变更的原始知识源。

核心步骤是运行编译命令hermes knowledge compile --all。此时，大模型将自动为文档生成摘要页、提炼实体与概念页，并构建导航索引。最后，在启动Agent时添加--enable-skill llm-wiki参数，即可在对话中自动调用该Wiki系统进行查询与编辑。

二、接入表格存储（Tablestore）知识库服务

对于已深度集成阿里云生态，或需要多Agent共享、统一管理海量知识资产的团队，接入Tablestore的全托管RAG服务是高效且稳定的选择。

实施流程可概括为“云端配置，本地连接”。首先，通过命令行npm install -g tablestore-agent-cli安装桥梁工具。随后，前往阿里云控制台，在Tablestore服务中创建实例并开通“知识库”功能，获取关键的Endpoint与AccessKey信息。

接下来，在Hermes Agent的配置目录中，创建skills/tablestore-config.yaml文件，填入云服务配置信息。执行注册命令后，最后一步是在Agent主配置文件config.yaml的enabled_skills列表内，添加tablestore-agent-knowledge技能。至此，Agent便具备了连接云端知识库的能力。

三、对接自建向量数据库RAG服务

若团队内部已维护如Chroma、Qdrant或Weaviate等向量数据库，并希望保持技术栈的自主性与灵活性，通过HTTP接口进行低耦合对接是理想方案。

此方案核心在于“桥接”。确保自建向量库服务正常运行，且目标知识文档的向量嵌入已完成，同时对外提供HTTP API查询端点（例如http://localhost:8000）。

在Hermes Agent侧，操作聚焦于Skill的自定义开发。在skills/目录下新建文件夹（如custom-rag-skill），其中需包含两个关键文件：定义依赖与API地址的skill.yaml，以及实现核心逻辑的main.py。在main.py中，编写标准RAG调用流程：接收用户查询，调用向量检索接口获取相关上下文，拼接后送入大模型生成最终答案。完成后，通过hermes skill install命令安装并启用此自定义Skill。

四、挂载本地文件系统知识源

此方案适用于最轻量级、对实时性要求不高的场景。其思路直接：将本地文件夹内的文本文件作为只读知识源使用，无需依赖任何数据库或网络服务，简单且有效。

配置仅需三步：首先，在Agent工作目录下创建文件夹（如local-kb/），放入所有纯文本知识文件（.txt, .md格式）。接着，编辑主配置文件config.yaml，在memory配置块下添加指向该文件夹的路径，例如local_kb_path: ./local-kb。

最后，确保默认的file-reader Skill处于启用状态，该技能支持对UTF-8编码文本进行逐行切片与关键词匹配。重启Agent后，即可在对话中使用/kb search 关键词指令触发本地知识检索。