super-hermes
Cranot/super-hermes加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你让 AI 分析一段复杂的并发代码。它回复：'这段代码的 session 处理耦合度过高，建议解耦。'——说完就没了。
你追问：为什么必须耦合？有没有办法解耦？解耦之后会有什么新问题？它沉默。
这就是普通代码分析的诅咒：它能指出'哪里有问题'，但无法回答'这个问题为什么必然存在'。因为它只是模式匹配，不是真正的结构推理。
Super Hermes 要解决的就是这件事。
Super Hermes 由独立开发者 Cranot 创建，源自一个历时两年的 AI 代码分析研究项目——agi-in-md。该项目进行了超过 40 轮研究、1000+ 次实验，总结出 204 条经验原则，最终提炼出一套可复用的分析方法论：Prism（棱镜）。
核心洞见是：与其让 AI '多想想'，不如给它一个不同的思维程序。不同的分析任务需要不同的认知路径——不是让模型'更聪明'，而是让它'用对方法'。
Super Hermes 包含 5 个 Hermes Agent 技能，通过 /命令 调用：
| 技能 | 作用 | 消耗 |
|---|---|---|
/prism-scan | 动态生成最佳分析透镜，一次性执行并输出发现+约束报告 | 最轻量 |
/prism-full | 多轮管道分析，后续轮次主动攻击前序结论，再综合 | 最重 |
/prism-3way | WHERE（结构考古）/WHEN（时间推演）/WHY（不可能性证明）+综合 | 通用 |
/prism-discover | 穷举一个代码库所有可能的分析维度 | 探索性 |
/prism-reflect | 自省分析——不仅报发现，还报告分析遗漏了什么 | 最独特 |
这是 Super Hermes 最独特的地方。每次分析后，它会输出一份'约束透明报告'：
═════════════════════════════════════════════
本次分析：最大化结构深度
优先：守恒定律、bug 分类、所有权链
牺牲：时间预测、安全面、用户适配
建议：
- 想了解代码随时间的退化：用 /prism-scan + 时间聚焦
- 想看安全攻击面：用 /prism-scan + 安全聚焦
- 想要完整多角度覆盖：用 /prism-full
守恒定律：深度 × 广度 = 常数。
本次分析选了深度。
═════════════════════════════════════════════
它明确告诉你：'我这次分析看不到什么'。这在其他 AI 分析工具里闻所未闻。
一个棱镜（Prism）是一份结构化分析程序，不是'请分析这段代码'这样的泛化指令。
以项目中验证得分最高的 l12.md 棱镜为例（9.8/10分），它告诉模型：
- 对代码最深层的结构问题提出一个可证伪的断言
- 找三个专家：一个防守、一个攻击、一个追问共同假设
- 设计一个改进方案，证明这个改进会在更深层重建原问题
- 从原版和改进版中，找出在所有实现中都保持不变的不变量
- 反转这个不变量——守恒定律就是你的发现
这个程序强迫模型去构建而非枚举，因此能发现枚举式分析看不到的东西。
项目直接提供 7 个经过实战验证的分析棱镜：
| 棱镜 | 发现目标 | 验证得分 |
|---|---|---|
error_resilience.md | 静默退出、延迟失败、状态腐化链 | 10.0/10 |
l12.md | 守恒定律（无法绕过的结构权衡）+ 元定律 + bug | 9.8/10 |
optimize.md | 关键路径追踪，安全修复 vs 不安全修复 | 9.5/10 |
identity.md | 代码声称是 vs 实际做的是否一致 | 9.5/10 |
deep_scan.md | 信息销毁、 laundering、静默转换 | 9.0/10 |
claim.md | 假设反转——普遍接受的真理实际上是假的？ | 9.0/10 |
simulation.md | 时间预测——什么会随时间崩溃 | 9.0/10 |
这些棱镜可以直接作为系统提示词使用，适用于任何支持 system prompt 的 LLM 工具（Claude CLI、Cursor、Anthropic API 等）。
Super Hermes 不只是分析工具——它内置了一个增长机制：
/prism-scan code.py → 生成分析 + 约束脚注
/prism-reflect code.py → 深度分析 + 将约束报告保存到 .prism-history.md
/prism-scan other.py → 读取 .prism-history.md，调整分析透镜覆盖过去的盲点
↑ THIS is 'grows with you' — AI 从自己的盲点中学习下一次该往哪看
安装极为简单：
# 一行命令安装（通过 Hermes Skills Hub）
hermes skills install Cranot/super-hermes/skills/prism-scan
# 或手动
git clone https://github.com/Cranot/super-hermes.git
cd super-hermes && bash install.sh
使用门槛：
/prism-scan、/prism-reflect 等命令.prism-history.md 只是追加文本文件，没有语义去重、修剪或验证机制Super Hermes 代表了一个小众但重要的方向：AI 分析的方法论工程。
当前大多数 AI 代码工具追求'更快的模型 + 更多的 token'，而 Cranot 的研究表明：给固定模型换一个'思维程序'，能带来比换模型更大的分析深度提升，且成本不变。
'守恒定律'（Conservation Law）这个概念的引入尤其有趣——它用数学语言描述了代码中的结构性不可能性：某些权衡不是代码写得不好，而是问题本身决定的。这一点，普通的'代码审查清单'永远触及不到。
在 AI 代码分析越来越同质化的今天，Super Hermes 是一股难得的方法论清流。
项目信息