本文经原作者授权转载，版权归原作者所有。原作者：知野（@knoYee_）。查看原文 →
hermes的skill hub技能商场上线了🥳🥳
17个类别，672个技能，里面包罗万象，大概可以分为四类
我帮大家归类出了7个可落地，能接入生产的skill，它们连起来刚好是一条线：工具层 → 输出层 → 知识层 → 推理层 → 部署层 → 可观测层 →安全层。
一、fastmcp
路径： optional/mcp/fastmcp
Agent 用它来接触真实业务系统
fastmcp 做的事情很简单：把你内部的 API、DB、CLI 包装成 Agent 能调的工具。
它提供了一个脚手架，scaffold_fastmcp.py 一键生成模板。写工具用 @mcp.tool，命名用 verb-based，docstring 写清楚类型。本地开发跑 fastmcp run / inspect / call，上线转 HTTP endpoint。
他在实际生产中：
▎ auth 走环境变量，不硬走编码。会把错误全报出来
二、Instructor
路径：optional-skills/mlops/instructor
不夸张地说，很多 AI 项目翻车都是同一个问题：
模型能答，但答出来的东西不能落库，不能进 workflow。
Instructor 解决的就是这个问题。
它基于 Pydantic，做三件事：
结构化输出 自动重试 类型安全解析
用法很直接：
from openai import OpenAI
import instructor
client = instructor.from_openai(OpenAI())
result = client.chat.completions.create( model="gpt-4o-mini", response_model=MyModel, messages=[{"role": "user", "content": "..."}], )
你不再只是让模型“回答一段话”， 而是让模型输出一个系统可以直接消费的对象。
有了 Instructor
▎模型就不只是在聊天，而是正在进入生产。
三、qdrant-vector-search
路径： optional/mlops/mlops-qdrant
FAISS 是玩具。Qdrant 是生产。
Docker 一键启动，Python client 操作。功能清单很简单：
- hybrid search
- 多向量
- metadata filter
- 量化
- HNSW
- Raft 分布式
- on-disk payload
client.create_collection() upsert() search(query_filter=Filter(...))
换 Qdrant 之后最直观的感受：延迟可控了，扩展不慌了，filter 精准了。
四、serving-llms-vllm
路径： bundled/mlops/mlops-inference-vllm
不想被 API 供应商锁死的话，vLLM 是最成熟的自部署方案。
一行启动：
vllm serve model --quantization awq --tensor-parallel-size N
内置 PagedAttention、continuous batching、prefix-caching、Prometheus metrics。
也支持 OpenAI API 兼容和离线 batch。
自己控成本、控延迟、控合规。三控都在自己手里。
五、docker-management
路径： optional/devops/devops-docker-management
这个在实际生产比较常用，
覆盖 Docker / Compose 全生命周期：
- 容器起停、exec、logs
- image prune
- volume / network cleanup
- Compose up / down / config
- 健康检查模板
Agent 自己能管容器 = 部署、运维、回滚全自动化。
六、Observability & Tracing
不是独立 Skill，是 Hermes 核心 + vLLM metrics 的组合。
生产里最痛苦的事是系统挂之后不知道哪挂了。
这套东西做的事：
- vLLM 内置 Prometheus，暴露 TTFT、请求数、GPU cache
- Docker logs
- Skill 执行 trace
Agent 被训练成：先查 metrics，再关联日志。
跑通之后，出问题 10 秒内能定位是 MCP 挂了、RAG 慢了还是 inference 爆了。
七、Security & Auth
也是 Hermes 内置的，不是独立 Skill。
所有 Skill 安装时自动做三件事：
- 扫描：防 prompt injection
- 检查：防 credential 泄露
- 审计：防 destructive command
MCP 层强制 env var auth + command approval + container isolation。
开箱就有，不需要自己搭。
其实这 7 个东西排在一起，逻辑很清楚：
MCP 打底 → 模型能碰系统 Instructor → 输出能落库 Qdrant → 知识能检索 vLLM → 模型能自跑 Docker → 部署能自动化 可观测 → 挂了能定位 安全 → 暴露了能兜底
自己可以动手装一下，体验一下
hermes skills install fastmcp hermes skills install instructor hermes skills install qdrant-vector-search hermes skills install serving-llms-vllm hermes skills install docker-management