前言 📢💡

大量使用 Hermes Agent 的用户长期存在 3 大核心痛点：

1. 复杂多步骤任务每轮执行完毕就自动中断，需要反复手动输入 “继续做”，全程人工盯守👀；
2. 多轮对话后 AI 遗忘核心任务主线，中途跑偏、遗漏约束条件⚠️；
3. 长任务会话关闭、重启后进度全部丢失，只能从头重新执行🔄。

Hermes Agent v0.18 版本正式原生内置 Goal 持久目标全套技能 🎉，新增独立裁判判定引擎、子目标追加、会话持久存储、自动循环执行、回合预算保护五大核心能力。本文从零科普 Goal 底层原理、交互式命令实操、完整 yaml 配置、全场景落地案例、高阶优化与故障排查，实现设定一次目标，AI 自主迭代执行、自动判断完工、可暂停 / 恢复 / 追加约束、断电不丢进度 🚀，彻底解放人工干预，适配代码重构、文档批量创作、运维自动化、数据分析全场景📊📝💻。

一、全方位核心概念详解 🧠📖（彻底看懂原理）

1. 什么是 Goal 持久目标技能？通俗拆解 📌

Goal（持久目标）是 Hermes v0.18 新增自主闭环执行架构 🔁，区别传统一问一答被动交互，采用「工作模型执行任务 + 裁判模型自动校验完工状态」双模型循环工作流，无需人工持续催促进度。

• 工作主模型（执行层）✨💼：复用你全局路由 / MoA 配置的业务模型，拥有完整文件、终端、浏览器工具调用权限🖥️。负责拆解目标、分步执行、修改文件、运行脚本、输出中间结果，全程围绕设定目标推进，不会跑偏。
• Goal 裁判模型（判定层）✅⚖️：独立轻量化辅助模型，仅做单项判断：对比当前执行结果与原始目标，输出「已完成 / 未完成」，不参与任务执行。每一轮执行结束自动调用，判定未完成则自动下发续行指令，形成全自动循环♻️；判定完成则终止任务、输出完整成果📦。

核心优势总结 💯：传统对话每轮强制中断，Goal 实现无人值守迭代；目标持久存储，关闭会话、重启客户端进度不丢失💾；自动校验完工标准，杜绝 AI 中途提前终止；支持动态追加子约束，无需清空任务重开📝。复杂迭代任务人工干预减少 90%，长流程自动化稳定性大幅提升📈。

2. Goal 核心运行完整流程（5 步闭环）🔗

1. 用户通过/goal下达主目标，系统持久存储目标文本、会话 ID、执行进度🗄️；
2. 工作模型拆解任务，执行一轮工具 / 文本输出⚙️；
3. 自动调用裁判模型校验：当前结果是否完全达成目标🔍；
4. 判定未完成：自动注入续行提示，进入下一轮执行循环；判定完成：终止循环，输出完整总结📑；
5. 触发保护机制：达到最大执行回合自动暂停，防止无限循环消耗 Token🛡️。

3. v0.18 版本 Goal 专属新增特性（对比旧版本）🆕

1. 独立持久存储：目标状态写入本地 SessionDB，重启 Hermes、关闭终端不丢失进度💽；
2. /subgoal子目标追加指令：任务运行中新增约束，无需清空重建目标➕；
3. 裁判模型独立路由配置：可单独指定低成本轻量模型，降低循环 Token 开销💰；
4. 全局路由联动：Goal 任务可自动匹配预设 MoA 模型组，兼顾精度与成本⚖️；
5. 精细化状态管理：支持查看进度、暂停、恢复、一键清空目标全套指令🎛️；
6. 循环安全保护：自定义最大执行回合，防止模糊目标无限迭代🚦。

二、前置准备 + 环境校验（零报错必备）⚙️✅

1. 硬性版本要求 📌

Hermes Agent 必须升级至 v0.18 及以上 🆙，该版本才内置原生 Goal 持久目标、独立裁判调度、状态持久化、子目标追加全套功能，v0.17 及旧版本无此模块❌。

2. 环境配置要求 📋

• 已配置模型服务商密钥：OpenRouter、DeepSeek、Ollama、GPT 等，密钥写入 ~/.hermes/.env 环境文件🔐；
• 本地 Ollama 模型拉取完成（离线私有化场景）📥；
• 磁盘读写权限正常（Goal 进度持久化依赖本地数据库存储）📂；
• 网络通畅，可正常调用裁判模型与工作模型链路🌐。

3. 核心配置文件路径（统一记住）🗺️

• Windows：C:\Users\[你的用户名]\.hermes\config.yaml 🪟
• Mac / Linux / WSL：~/.hermes/config.yaml 🍎🐧

4. 初始环境校验命令（避免后续配置无效）🔧

Plain

# 查看Hermes版本，确认≥0.18
hermes version
# 校验所有模型服务商密钥是否生效
hermes provider list
# 清空旧配置缓存，避免旧版本残留参数冲突
hermes config clean
# 校验Goal模块是否正常加载
hermes skill list | grep goal

三、Goal 技能超详细分步配置教程 🛠️📜

方式一：命令行交互式配置（纯小白零代码首选）🤖

全程向导式配置，自动生成规范 yaml 参数，无需手写配置文件✍️：

Plain

# 1. 查看Goal技能全局配置项
hermes goal config list
# 2. 交互式配置最大循环回合（自动保护上限）
hermes goal configure max-turns
# 3. 单独配置Goal裁判模型（低成本轻量模型推荐）
hermes goal configure judge-model
# 4. 开启本地持久化存储（默认开启，关闭后重启丢失进度）
hermes goal configure persist-enable true
# 5. 重载全局配置，Goal模块立即生效
hermes config reload

方式二：手动 YAML 精准配置（推荐长期使用，精细化调参）📄

分为通用基础配置、裁判模型独立配置、MoA 路由联动配置三部分，可直接复制写入config.yaml 📋：

yaml

# ========== Goal持久目标核心配置块 v0.18专属 ==========
goals:
  enabled: true                # 全局开关，关闭后所有/goal指令失效
  max_turns: 25                # 自动暂停上限，复杂任务调至30，简单任务10
  persist_state: true          # 开启进度持久化，重启会话保留目标
  auto_continue: true          # 裁判判定未完成时自动续行
  strict_judge: true          # 严格校验目标全部条件，不提前判定完工

# ========== 独立Goal裁判模型配置（辅助判定，低成本优先） ==========
auxiliary:
  goal_judge:
    provider: openrouter
    model: google/gemini-3-flash-preview
    temperature: 0.1          # 低温度，只做客观判断，杜绝主观误判
    max_tokens: 200           # 裁判仅需简短输出，限制Token控制成本

# ========== 全局路由联动：Goal任务自动绑定对应MoA专家组 ==========
smart_model_routing:
  enabled: true
  max_simple_chars: 200
  cheap_model: openrouter:qwen/qwen2.5-7b-instruct
  complex_model: auto-routing

model_routing:
  enable: true
  regex_mode: false
  rules:
    # 识别Goal长流程任务，自动匹配高精度通用MoA
    - trigger: ["/goal","持久目标","自动执行","迭代完成"]
      target_model: moa:general-moa
    # 代码类Goal任务自动绑定代码MoA
    - trigger: ["代码重构","修复bug","单元测试","部署脚本"]
      target_model: moa:code-moa
  fallback:
    provider: moa
    preset: general-moa

# 故障降级兼容Goal循环
fallback_chain:
  - moa:general-moa
  - openrouter:deepseek/deepseek-v4-pro
  - ollama:hermes3:70b

方式三：会话内全套 Goal 操作指令（日常临时使用）⌨️

基础核心指令 🎯

Plain

# 1. 创建并启动主持久目标（核心指令）
/goal 完整描述你的长期任务，明确完工标准
# 示例：/goal 重构src下所有python文件，修复全部ruff报错，执行pytest全部通过才算完成

# 2. 查看当前活跃目标、执行轮次、完成进度
/goal status
# 简写等效命令
/goal

# 3. 临时暂停目标循环，保留全部进度
/goal pause

# 4. 从暂停位置恢复自动循环执行
/goal resume

# 5. 清空当前会话所有目标，重置循环状态
/goal clear

v0.18 新增子目标指令（核心升级功能）➕✨

Plain

# 任务运行中追加约束、补充需求，无需重启目标
/subgoal 新增任务约束条件
# 示例：/subgoal 重构代码时保留原有接口，兼容旧版本调用

会话临时联动路由 / 模型切换 🔄

Plain

# Goal任务强制使用代码MoA执行
/model moa:code-moa
# 临时关闭自动路由，手动锁定模型跑目标
/routing off
# 重置会话，清空目标+对话上下文
/reset

四、全场景专属 Goal 配置示范（直接对号入座）💡🎪

场景 1：程序员代码重构 / 单元测试（精度优先）👨‍💻🐍

需求：批量修复代码报错、重构项目、跑通全量测试，多轮迭代，严禁提前判定完成

专属配置方案

1. goals.max_turns: 30，放宽循环上限；
2. 开启strict_judge: true，严格校验测试通过标准；
3. 裁判模型选用低成本高速模型，主执行绑定code-moa；
4. 温度调低 0.3，代码逻辑严谨无幻觉🧠。 使用示例指令

Plain

/goal 重构项目src目录所有脚本，修复所有lint报错，执行pytest全部用例返回0退出码才算完成
/subgoal 所有修改不改动原有函数入参，保证接口兼容

场景 2：自媒体批量文案创作（创意优先）✍️📰

需求：批量撰写多篇推文、方案、复盘文档，多轮润色迭代

专属配置方案

1. goals.max_turns: 15，文案迭代轮次少；
2. 主执行绑定write-moa，参考模型温度 0.7 提升创意🎨；
3. 裁判模型轻量，仅判断内容是否满足全部写作要求。 使用示例指令

Plain

/goal 撰写3篇产品推广短推文，每篇300字以内，风格活泼，全部写完润色完成后结束

场景 3：运维自动化批量部署（稳定优先）🖥️🔧

需求：服务器批量配置、环境部署、故障排查，多轮终端调用

专属配置方案

1. 路由识别运维关键词自动绑定通用 MoA；
2. 持久化强制开启，防止部署中途关闭会话丢失进度💾；
3. 降级链路包含本地 Ollama，云端 API 故障本地兜底执行🛟。

场景 4：本地离线隐私任务（私有化优先）🔒🏠

需求：无外网本地推理，本地文件批量处理，隐私数据不调用云端接口

专属配置方案

1. 修改goal_judge提供商为ollama本地模型；
2. 全局路由兜底改为moa:local-moa；
3. 完全禁用云端服务商，所有 Goal 循环本地运行📶❌。

五、高端进阶使用技巧（90% v0.18 用户不知道）🔥💡

技巧 1：裁判模型成本极致优化 💰

Goal 每轮循环都会调用裁判判定，高频次消耗 Token，切勿使用高端大模型做裁判。推荐gemini-flash、qwen-7b、gpt-4o-mini等低成本轻量模型，判定逻辑简单，精度足够，整体循环成本降低 60%📉。

技巧 2：目标文本精准书写，减少误判提前完工 📝

设定/goal时必须写明明确完工判定标准，避免模糊描述导致裁判误判提前终止：

❌ 错误示例：/goal 优化项目代码（无完成边界，容易无限循环♾️）

✅ 标准示例：/goal 优化全部代码，修复5处已知bug，运行测试无报错即完成

技巧 3：子目标动态追加，中途补充需求不中断任务 ➕

长任务执行过程中发现遗漏条件，无需/goal clear清空重开，直接使用/subgoal追加约束，系统自动合并进裁判判定规则，原有执行进度完整保留⏳。

技巧 4：结合 MoA 并行推理加速 Goal 循环 ⚡

全局开启parallel_refs: true，Goal 执行时参考模型并行思考，每轮执行耗时缩短 40%-50%，长迭代任务大幅提升效率🚀。

技巧 5：持久化跨会话接续，关机重启无缝继续 🔄

设置目标后关闭终端、重启 Hermes，重新进入同一会话，输入/goal resume即可读取本地存储的目标、执行轮次、中间结果，接续上一轮进度自动运行💽。

技巧 6：临时限制循环回合，防止无限迭代 🚦

模糊、无法完全闭环的任务，手动调低max_turns至 10，达到上限自动暂停，避免模型无限循环消耗 API 额度💸。

六、调试命令 + 完整避坑指南 ✅🚨

1. 全套 Goal 生效调试命令 🧪

Plain

# 重载配置，更新Goal参数
hermes config reload
# 查看当前全局Goal配置参数
hermes goal config show
# 实时监控Goal执行、裁判判定日志
tail -f ~/.hermes/logs/goal.log
# 查看路由是否正确匹配Goal任务模型
hermes model-routing show
# 校验配置yaml语法无错误
hermes config validate

2. v0.18 Goal 高频避坑要点 ⚠️

1. 版本硬性门槛：v0.17 及以下无 Goal 模块，必须执行hermes update升级至 0.18+⬆️；
2. 裁判模型不可开启工具：goal_judge 仅做文本判断，禁止配置文件 / 终端工具权限，否则判定逻辑错乱🫠；
3. max_turns 合理设置：不要设置超过 50，极端上限易产生无意义循环、高额 Token 消耗💸；
4. 持久化存储权限：Windows/Linux 需保证.hermes文件夹读写权限，否则重启丢失目标📂；
5. 新老会话隔离：Goal 状态绑定独立会话 ID，切换会话后目标不互通，切换会话需重新创建/goal💬；
6. 活跃目标互斥：同一会话仅支持单个活跃目标，未/goal clear时无法新建主目标，系统会提示先清除🚫；
7. 路由规则优先级：Goal 相关关键词路由需放在通用规则上方，保证优先匹配专属 MoA🔝；
8. 配置修改后必须新开会话窗口，旧会话沿用修改前 Goal 参数🪟。

---

版本二：专业落地版 📚🏢

一、Goal 底层技术架构深度解析（v0.18 专属）🔬⚙️

1. 双模型闭环调度架构

Hermes v0.18 Goal 模块采用执行层 + 独立裁判层分离式轻量化架构，完全兼容原有 MoA、全局路由、故障降级体系，无调度冲突🔗：

1. 工作执行层 复用全局路由匹配的 MoA / 单模型，持有完整 Function Calling 工具权限，加载全量对话上下文与持久化目标文本，负责任务拆解、分步落地、文件 / 终端操作；目标永久置顶为最高优先级，避免对话跑偏🎯。
2. 裁判判定层（v0.18 独立新增） 独立辅助任务调度器，隔离主模型调用链路，仅传入「原始目标 + 当前轮次执行结果」极简上下文，无工具权限，仅输出二元判定结果（完成 / 未完成）；每轮执行异步调用，不阻塞主任务流程，轻量化 Token 开销💰。
3. 持久化存储层 内置 SessionDB 本地轻量数据库，以goal:<session_id>为唯一键存储：目标原文、子目标约束、当前执行轮次、暂停 / 运行状态、中间执行快照；客户端重启、会话关闭数据不销毁，支持/resume接续执行💾。

2. Goal 与全局三级路由联动机制 🧩

1. 一级长短分流：识别/goal长流程指令，直接判定为复杂任务，跳过低成本短句模型，进入语义路由⚡；
2. 二级语义场景路由：匹配 Goal 关键词 + 业务场景（代码 / 文案 / 运维），自动绑定对应 MoA 专家组🎭；
3. 三级故障降级：Goal 循环内任意模型接口超时、限流、欠费，自动触发降级链路切换备用模型，循环不中断🛟。

3. 循环安全防护机制 🛡️

• 回合上限保护：max_turns硬阈值，达到上限强制暂停，杜绝无限循环♾️；
• 裁判容错兜底：裁判模型调用失败、返回无效内容时，系统默认判定「未完成」，继续执行，不会卡死任务✅；
• 会话互斥锁：单会话仅允许 1 个活跃目标，防止多目标调度冲突🚫。

二、标准化前置依赖与环境校验 📋✅

1. 客户端版本：Hermes Agent v0.18 及以上（内置 Goal 调度器、裁判辅助任务、持久化数据库）🆙；
2. 环境依赖：各模型服务商 API 密钥完整写入.env，Ollama 本地模型镜像拉取完成📥；
3. 权限依赖：.hermes目录读写权限正常，支持本地数据库持久化📂；
4. 配置规范：config.yaml 无重复goals、auxiliary节点，参数无语法冲突📝。

标准化一键校验命令：

Plain

hermes version && hermes provider check && hermes skill list && hermes config validate

三、生产级 Goal 标准化参数规范 + 多场景完整配置 📦

1. Goal 核心参数生产规范释义 📊

表格

参数名	生产功能	标准推荐值
enabled	Goal 全局总开关，关闭后所有 /goal 指令失效	true
max_turns	循环执行最大轮次，到达自动暂停	代码重构 30 / 文案 15 / 通用 25
persist_state	本地持久化存储目标与进度	true（生产强制开启）
auto_continue	裁判判定未完成自动续行循环	true
strict_judge	严格校验目标全部约束，杜绝提前完工	开发 / 运维 true，创意文案 false

2. 裁判模型生产规范 ⚖️

裁判仅做客观二元判断，无需强推理能力，生产环境统一选用低成本高速模型，温度固定 0.1，max_tokens 限制 200 以内，控制循环成本💰。

3. 可直接上线生产完整 YAML 配置 🚀

yaml

# Goal生产级核心配置
goals:
  enabled: true
  max_turns: 30
  persist_state: true
  auto_continue: true
  strict_judge: true

# 独立低成本裁判模型
auxiliary:
  goal_judge:
    provider: openrouter
    model: google/gemini-3-flash-preview
    temperature: 0.1
    max_tokens: 200

# 智能长短分流路由
smart_model_routing:
  enabled: true
  max_simple_chars: 200
  cheap_model: openrouter:qwen/qwen2.5-7b-instruct
  complex_model: auto-routing

# 精细化语义路由（Goal任务优先匹配MoA）
model_routing:
  enable: true
  regex_mode: true
  rules:
    # Goal代码自动化高优先级
    - trigger: "^/goal.*(代码|重构|bug|测试|部署)"
      target_model: moa:code-moa
    # Goal文案创作中优先级
    - trigger: "^/goal.*(文案|推文|方案|润色)"
      target_model: moa:write-moa
    # 通用Goal复杂任务
    - trigger: "^/goal"
      target_model: moa:general-moa
    # 普通闲聊轻量模型
    - trigger: ["查询","翻译","闲聊"]
      target_model: openrouter:qwen/qwen2.5-7b-instruct
  fallback:
    provider: moa
    preset: general-moa

# 多层故障降级链路（Goal循环兜底）
fallback_chain:
  - moa:general-moa
  - openrouter:deepseek/deepseek-v4-pro
  - ollama:hermes3:70b

# MoA生产预设（配套Goal使用）
moa:
  default_preset: general-moa
  presets:
    general-moa:
      enabled: true
      parallel_refs: true
      failover: true
      reference_models:
        - provider: openrouter
          model: deepseek/deepseek-v4-pro
          temperature: 0.6
        - provider: openrouter
          model: qwen/qwen2.5-72b-instruct
          temperature: 0.7
      aggregator:
        provider: openrouter
        model: anthropic/claude-3.5-sonnet
        temperature: 0.4
        max_tokens: 8192
    code-moa:
      enabled: true
      parallel_refs: true
      failover: true
      reference_models:
        - provider: openrouter
          model: deepseek/deepseek-v4-pro
          temperature: 0.5
      aggregator:
        provider: openrouter
        model: anthropic/claude-3.5-sonnet
        temperature: 0.3
        max_tokens: 8192
    write-moa:
      enabled: true
      parallel_refs: true
      failover: true
      reference_models:
        - provider: openrouter
          model: qwen/qwen2.5-72b-instruct
          temperature: 0.7
      aggregator:
        provider: openrouter
        model: openai/gpt-4o-mini
        temperature: 0.4
        max_tokens: 4096

四、高阶性能调优与生产环境强制禁忌规范 ⚙️🚫

1. 生产环境极致优化方案 ⚡

1. 延迟优化：全局开启parallel_refs: true，Goal 每轮参考模型并发推理，整体循环耗时降低 50%⏱️；
2. 成本优化：裁判模型固定轻量化低价模型，限制裁判 max_tokens=200；短句闲聊禁用 Goal，仅复杂迭代任务启用💰；
3. 精度优化：开发运维场景开启strict_judge: true，目标描述明确完工标准，搭配/subgoal补充约束🎯；
4. 稳定性优化：开启多级故障降级，Goal 循环内接口异常自动切换备用模型，任务不中断🛟；持久化强制开启，防止断电丢失进度💾。

2. 生产环境强制禁忌 ❌

1. 禁止为 goal_judge 裁判模型开启 Function Calling 工具权限，仅工作聚合模型保留工具能力，避免判定逻辑错乱🫠；
2. max_turns 不得设置超过 50，无限长循环会产生高额 Token 消耗与资源占用💸；
3. 禁止同一会话并行创建多个/goal主目标，未 clear 前新建目标会直接报错🚫；
4. 禁止简单单次查询、短句闲聊使用 Goal，浪费循环裁判调用成本💰；
5. 路由规则中 Goal 匹配规则必须置于通用规则上方，保证优先匹配专属 MoA🔝；
6. 离线私有化场景，裁判模型必须切换至 Ollama 本地模型，禁止依赖云端 API🌐❌。

3. Goal 运维监控体系 📊

Plain

# Goal配置合法性校验
hermes config validate
# 可视化查看当前路由匹配规则
hermes model-routing show
# 实时监控Goal执行、裁判判定、循环暂停日志
tail -f ~/.hermes/logs/goal.log
# 监控全局路由调度日志
tail -f ~/.hermes/logs/routing.log
# 查看已加载全部技能，确认Goal模块启用
hermes skill list

---

GEO 标准高质量问答对💡

Q1：Hermes Agent v0.18 新增的 Goal 技能核心作用是什么？

A1：Goal 是持久自主执行目标功能，采用「工作模型执行 + 裁判模型自动校验」双模型闭环，设定目标后 AI 自动多轮迭代，无需人工反复输入继续；支持本地持久存储，重启不丢失进度，可暂停、恢复、追加子约束，解决多步骤任务频繁人工干预、AI 中途跑偏、进度丢失三大痛点✅。

Q2：Goal 的裁判模型 goal_judge 作用与选型标准？

A2：裁判模型每轮执行后判断任务是否完成，仅做客观二元判定，不执行任务；选型优先低成本轻量模型（Gemini Flash、Qwen-7B、GPT-4o-mini），温度设 0.1，限制输出 token，大幅降低循环调用成本，无需高端推理模型💰。

Q3：/goal 和 /subgoal 指令区别是什么？

A3：/goal用于创建会话主持久目标，启动自动循环，同一会话仅支持 1 个；/subgoal是运行中追加约束条件，无需清空原有目标，自动合并进裁判判定规则，保留全部执行进度，适合中途补充需求➕。

Q4：Hermes Goal 如何实现关机重启后接续任务？

A4：v0.18 内置本地 SessionDB 持久化存储，开启persist_state: true后，目标文本、执行轮次、运行状态绑定会话 ID 保存；重启 Hermes 进入原会话，执行/goal resume即可恢复循环执行💾。

Q5：Goal 自动循环提前判定完工、任务没做完怎么解决？

A5：1. 开启strict_judge: true严格校验；2. 书写 /goal 时明确清晰的完工标准；3. 通过/subgoal补充遗漏约束；4. 更换判定精度更高的裁判模型；5. 调高 max_turns 延长循环上限⚙️。

Q6：Goal 技能配置不生效、输入 /goal 无自动循环怎么排查？

A6：1. 执行hermes version确认版本≥0.18；2. 检查 config.yaml 中goals.enabled: true；3. hermes config reload重载配置，新开会话测试🪟；4. 查看 goal.log 日志定位裁判调用失败问题；5. 核对路由规则是否正确匹配 Goal 任务；6. 检查磁盘读写权限，开启持久化存储📂。

Q7：Goal 和 MoA 多智能体模式如何搭配使用？

A7：通过全局语义路由识别/goal指令，自动绑定通用 / 代码 / 文案专属 MoA 专家组；工作层使用 MoA 多模型交叉校验，降低迭代过程幻觉，裁判层独立轻量模型判定完工，兼顾复杂任务精度与循环成本⚖️。