内置工具参考
本文档记录了代码中现有的 Hermes 内置工具注册表。具体可用性仍可能因平台、凭证和启用的工具集而异。
browser 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
browser_back | 在浏览器历史记录中导航回上一页。需要先调用 browser_navigate。 | — |
browser_click | 点击快照中通过其引用 ID 标识的元素（例如 @e5）。引用 ID 在快照输出中以方括号显示。需要先调用 browser_navigate 和 browser_snapshot。 | — |
browser_close | 关闭浏览器会话并释放资源。完成浏览器任务后调用此工具以释放 Browserbase 会话配额。 | — |
browser_console | 从当前页面获取浏览器控制台输出和 JavaScript 错误。返回 console.log/warn/error/info 消息和未捕获的 JS 异常。使用此工具来检测静默的 JavaScript 错误、失败的 API 调用和应用程序警告。需要… | — |
browser_get_images | 获取当前页面上所有图片的列表及其 URL 和替代文本。对于查找要使用视觉工具分析的图片很有用。需要先调用 browser_navigate。 | — |
browser_navigate | 在浏览器中导航到 URL。初始化会话并加载页面。必须在其他浏览器工具之前调用。对于简单的信息检索，优先使用 web_search 或 web_extract（更快、更便宜）。当你需要…时使用浏览器工具。 | — |
browser_press | 按下键盘按键。对于提交表单（Enter）、导航（Tab）或键盘快捷键很有用。需要先调用 browser_navigate。 | — |
browser_scroll | 向某个方向滚动页面。使用此工具来显示当前视口下方或上方的更多内容。需要先调用 browser_navigate。 | — |
browser_snapshot | 获取当前页面无障碍树的基于文本的快照。返回带有引用 ID（如 @e1、@e2）的交互式元素，供 browser_click 和 browser_type 使用。full=false（默认）：包含交互式元素的紧凑视图。full=true：完整… | — |
browser_type | 将文本输入到由其引用 ID 标识的输入字段中。先清除字段，然后输入新文本。需要先调用 browser_navigate 和 browser_snapshot。 | — |
browser_vision | 截取当前页面的屏幕截图并使用视觉 AI 进行分析。当你需要从视觉上理解页面内容时使用此工具——对于验证码、视觉验证挑战、复杂布局或当文本快照…时特别有用。 | — |
clarify 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
clarify | 当你需要澄清、反馈或在继续之前需要决策时，向用户提问。支持两种模式：1. 多项选择 — 提供最多 4 个选项。用户选择一个或通过第 5 个“其他”选项输入自己的答案。2.… | — |
code_execution 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
execute_code | 运行一个可以编程式调用 Hermes 工具的 Python 脚本。当你需要 3 个以上的工具调用并在它们之间有处理逻辑时，需要在工具输出进入你的上下文之前过滤/减少大型工具输出时，需要条件分支（…）时使用此工具。 | — |
cronjob 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
cronjob | 统一的计划任务管理器。使用 action="create"、"list"、"update"、"pause"、"resume"、"run" 或 "remove" 来管理作业。支持带有一个或多个附加技能的技能支持作业，更新时使用 skills=[] 会清除附加的技能。Cron 运行发生在没有当前聊天上下文的新会话中。 | — |
delegation 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
delegate_task | 生成一个或多个子代理在隔离的上下文中处理任务。每个子代理都有自己的对话、终端会话和工具集。只返回最终摘要——中间工具结果永远不会进入你的上下文窗口。两种… | — |
file 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
patch | 在文件中进行有针对性的查找和替换编辑。在终端中使用此工具代替 sed/awk。使用模糊匹配（9 种策略），因此微小的空白/缩进差异不会破坏它。返回统一的差异。编辑后自动运行语法检查… | — |
read_file | 读取带有行号和分页的文本文件。在终端中使用此工具代替 cat/head/tail。输出格式：LINE_NUM|CONTENT。如果未找到，会建议相似的文件名。对于大文件，使用 offset 和 limit。注意：无法读取图像或… | — |
search_files | 搜索文件内容或按名称查找文件。在终端中使用此工具代替 grep/rg/find/ls。基于 Ripgrep，比 shell 等效命令更快。内容搜索（target='content'）：在文件内部进行正则表达式搜索。输出模式：包含行…的完整匹配项。 | — |
write_file | 将内容写入文件，完全替换现有内容。在终端中使用此工具代替 echo/cat heredoc。自动创建父目录。覆盖整个文件——使用 patch 进行有针对性的编辑。 | — |
homeassistant 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
ha_call_service | 调用 Home Assistant 服务来控制设备。使用 ha_list_services 来发现每个域可用的服务及其参数。 | — |
ha_get_state | 获取单个 Home Assistant 实体的详细状态，包括所有属性（亮度、颜色、温度设定点、传感器读数等）。 | — |
ha_list_entities | 列出 Home Assistant 实体。可选地按域（light、switch、climate、sensor、binary_sensor、cover、fan 等）或区域名称（living room、kitchen、bedroom 等）过滤。 | — |
ha_list_services | 列出可用于设备控制的 Home Assistant 服务（操作）。显示可以在每种设备类型上执行的操作以及它们接受的参数。使用此工具来发现如何控制通过 ha_list_entities 找到的设备。 | — |
honcho 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
honcho_conclude | 将关于用户的结论写回 Honcho 的记忆中。结论是构建用户档案的持久事实——偏好、更正、澄清、项目上下文，或任何用户告诉你应该记住的… | — |
honcho_context | 向 Honcho 提出自然语言问题并获得综合答案。使用 Honcho 的 LLM（辩证推理）——成本高于 honcho_profile 或 honcho_search。可以查询任何对等方：用户（默认）、AI 助手或任何命名的对等方… | — |
honcho_profile | 从 Honcho 检索用户的同伴卡片——关于他们的关键事实的精选列表（姓名、角色、偏好、沟通风格、模式）。快速，无需 LLM 推理，成本最低。在对话开始时或当你需要快速了解事实…时使用此工具。 | — |
honcho_search | 对 Honcho 存储的关于用户的上下文进行语义搜索。返回根据与你的查询相关性排序的原始摘录——没有 LLM 综合。比 honcho_context 更便宜、更快。当你想要查找特定的过去事实并进行推理时很有用… | — |
image_gen 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
image_generate | 使用 FLUX 2 Pro 模型从文本提示生成高质量图像，并自动进行 2 倍超分辨率。创建详细、艺术性的图像，并自动放大以获得高分辨率结果。返回单个放大后的图像 URL。使用…显示它。 | FAL_KEY |
memory 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
memory | 将重要信息保存到持久性记忆中，这些信息在会话之间保留。你的记忆会在会话开始时出现在你的系统提示中——这是你在对话之间记住关于用户和环境信息的方式。何时保存… | — |
messaging 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
send_message | 向已连接的消息平台发送消息，或列出可用目标。重要：当用户要求发送到特定频道或人员（不仅仅是平台名称）时，首先调用 send_message(action='list') 以查看可用目标… | — |
moa 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
mixture_of_agents | 通过多个前沿 LLM 协作路由一个难题。进行 5 次 API 调用（4 个参考模型 + 1 个聚合器），并付出最大推理努力——请谨慎用于真正困难的问题。最适合：复杂数学、高级算法… | OPENROUTER_API_KEY |
rl 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
rl_check_status | 获取训练运行的状态和指标。速率限制：对同一运行强制要求两次检查之间至少间隔 30 分钟。返回 WandB 指标：step、state、reward_mean、loss、percent_correct。 | TINKER_API_KEY, WANDB_API_KEY |
rl_edit_config | 更新配置字段。首先使用 rl_get_current_config() 查看所选环境的所有可用字段。每个环境都有不同的可配置选项。基础设施设置（tokenizer、URLs、lora_rank、learning_ra…） | TINKER_API_KEY, WANDB_API_KEY |
rl_get_current_config | 获取当前环境配置。仅返回可修改的字段：group_size、max_token_length、total_steps、steps_per_eval、use_wandb、wandb_name、max_num_workers。 | TINKER_API_KEY, WANDB_API_KEY |
rl_get_results | 获取已完成训练运行的最终结果和指标。返回最终指标和训练权重的路径。 | TINKER_API_KEY, WANDB_API_KEY |
rl_list_environments | 列出所有可用的 RL 环境。返回环境名称、路径和描述。提示：使用文件工具读取 file_path 以了解每个环境的工作原理（验证器、数据加载、奖励）。 | TINKER_API_KEY, WANDB_API_KEY |
rl_list_runs | 列出所有训练运行（活动的和已完成的）及其状态。 | TINKER_API_KEY, WANDB_API_KEY |
rl_select_environment | 选择用于训练的 RL 环境。加载环境的默认配置。选择后，使用 rl_get_current_config() 查看设置，使用 rl_edit_config() 修改它们。 | TINKER_API_KEY, WANDB_API_KEY |
rl_start_training | 使用当前环境和配置启动新的 RL 训练运行。大多数训练参数（lora_rank、learning_rate 等）是固定的。在开始之前使用 rl_edit_config() 设置 group_size、batch_size、wandb_project。警告：训练… | TINKER_API_KEY, WANDB_API_KEY |
rl_stop_training | 停止正在运行的训练作业。如果指标看起来不好、训练停滞或你想尝试不同的设置时使用。 | TINKER_API_KEY, WANDB_API_KEY |
rl_test_inference | 任何环境的快速推理测试。使用 OpenRouter 运行几步推理 + 评分。默认：3 步 x 16 次完成 = 每个模型 48 次 rollout，测试 3 个模型 = 总共 144 次。测试环境加载、提示构建、推理… | TINKER_API_KEY, WANDB_API_KEY |
session_search 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
session_search | 搜索你过去对话的长期记忆。这是你的回忆——每个过去的会话都是可搜索的，此工具会总结发生了什么。在以下情况下主动使用此工具：- 用户说“我们以前做过这个”、“记得当”、“上次… | — |
skills 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
skill_manage | 管理技能（创建、更新、删除）。技能是你的程序性记忆——用于重复任务类型的可重用方法。新技能保存到 ~/.hermes/skills/；现有技能可以在它们所在的任何位置修改。操作：create（完整的 SKILL.m…） | — |
skill_view | 技能允许加载有关特定任务和工作流的信息，以及脚本和模板。加载技能的完整内容或访问其链接的文件（参考资料、模板、脚本）。首次调用返回 SKILL.md 内容加上… | — |
skills_list | 列出可用技能（名称 + 描述）。使用 skill_view(name) 加载完整内容。 | — |
terminal 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
process | 管理通过 terminal(background=true) 启动的后台进程。操作包括：'list'（列出所有进程）、'poll'（检查状态并获取新输出）、'log'（带分页的完整输出）、'wait'（阻塞直到完成或超时）、'kill'（终止进程）、'write'（发送输入…） | — |
terminal | 在 Linux 环境中执行 shell 命令。文件系统状态在多次调用间会保留。不要使用 cat/head/tail 来读取文件——请改用 read_file。不要使用 grep/rg/find 来搜索——请改用 search_files。不要使用 ls 来列出目录… | — |
todo 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
todo | 管理当前会话的任务列表。适用于包含 3 个或以上步骤的复杂任务，或当用户提供多个任务时。不带参数调用可读取当前列表。写入操作：- 提供 'todos' 数组来创建/更新项目 - merge=… | — |
vision 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
vision_analyze | 使用 AI 视觉分析图像。提供全面的描述并回答关于图像内容的特定问题。 | — |
web 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
web_search | 在网络上搜索任何主题的信息。返回最多 5 个相关结果，包含标题、URL 和描述。 | PARALLEL_API_KEY 或 FIRECRAWL_API_KEY 或 TAVILY_API_KEY |
web_extract | 从网页 URL 提取内容。以 Markdown 格式返回页面内容。也适用于 PDF URL——直接传递 PDF 链接，它会转换为 Markdown 文本。少于 5000 字符的页面返回完整 Markdown；更大的页面则由 LLM 进行摘要。 | PARALLEL_API_KEY 或 FIRECRAWL_API_KEY 或 TAVILY_API_KEY |
tts 工具集
| 工具 | 描述 | 所需环境 |
|---|---|---|
text_to_speech | 将文本转换为语音音频。返回一个 MEDIA: 路径，平台会将其作为语音消息传递。在 Telegram 上以语音气泡播放，在 Discord/WhatsApp 上作为音频附件。在 CLI 模式下，保存到 ~/voice-memos/。语音和提供商… | — |