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

基于 Hermes Agent v0.20.0 实测（2026-08，deepseek-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。

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

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：

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：

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：

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

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-flash（2026-08 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

• 云端的结论复现验证过：约束成本比率跨环境稳定（1.4-1.6×）——这个数据可以在交付报价时作为成本估算依据

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。