Так, зміна базової моделі LLM у Hermes часто впливає на обробку навичок (та інструментів). Це поширений досвід для користувачів, таких як ви, які створюють з Hermes/OpenClaw.

Чому це трапляється
Hermes є модель-агностичним на рівні фреймворку — ви можете змінювати моделі через hermes model без переписування коду. Однак, фактична поведінка навичок і викликів інструментів змінюється, оскільки:
Різні моделі мають різну якість викликів інструментів / функцій — більш потужні моделі (наприклад, варіанти Claude, Qwen3.5/3.6, деякі GLM) більш надійно дотримуються структурованих схем інструментів, роблять менше неправильних викликів і краще ланцюжать інструменти/навички. Менші або локальні моделі (наприклад, деякі версії Gemma) галюцинують параметри, пропускають кроки або не викликають правильну навичку.
Розуміння та застосування навичок відрізняється — навички Hermes це повторювані процедури Markdown (покрокові робочі процеси, які навчив агент). Модель з високою здатністю може інтерпретувати, адаптувати та поєднувати їх більш розумно. Менша модель сприймає їх більш буквально або пропускає нюанси, що веде до різних шляхів виконання.
Обробка контексту та інтерпретація підказок — моделі різняться у тому, наскільки добре вони використовують вставлену пам’ять, індекс навичок і системні підказки. Перехід може змусити агента «забути», як правильно застосувати навичку, доки сесія не скидається або він не навчається заново.
Ефекти сесії / кешування — зміни моделі зазвичай вимагають /reset або нову сесію для повного ефекту (щоб очистити кешовані підказки/інструменти). Без цього поведінка може бути непослідовною.
Загальні спостереження користувачів
Перехід до потужнішої моделі виклику інструментів (як Qwen або Claude) робить навички набагато більш надійними та автономними.
Пониження до меншої локальної моделі часто призводить до збоїв або уповільнення/зменшення креативності складних ланцюгів навичок.
Цикл самовдосконалення (автоматичне створення/удосконалення навичок) також працює по-різному — кращі моделі генерують навички вищої якості.
Швидкі рішення / найкращі практики
Використовуйте hermes model для перемикання, потім /reset сесію.
Перевіряйте навички одразу після перемикання — попросіть Hermes оцінити або повторно запустити нещодавнє завдання.
Закріпіть хороші моделі для роботи з багатьма навичками (багато користувачів рекомендують конкретні варіанти Qwen або GLM для локального та потужного використання інструментів).
Ви навіть можете експериментувати з маршрутизацією моделей для кожної навички у деяких налаштуваннях, хоча це ще не повністю безшовно.