Trajectory 格式
Hermes Agent 以 ShareGPT 兼容的 JSONL 格式保存对话轨迹，用作训练数据、调试产物和强化学习数据集。
源文件：agent/trajectory.py、run_agent.py（搜索 _save_trajectory）、batch_runner.py
文件命名约定
Trajectory 写入当前工作目录的文件中：
| 文件 | 何时生成 |
|---|---|
trajectory_samples.jsonl | 成功完成的对话（completed=True） |
failed_trajectories.jsonl | 失败或中断的对话（completed=False） |
批量运行器（batch_runner.py）为每批写入自定义输出文件（如 batch_001_output.jsonl），包含额外的元数据字段。
你可以通过 save_trajectory() 的 filename 参数覆盖文件名。
JSONL 条目格式
文件中每行是一个自包含的 JSON 对象。有两种变体：
CLI/交互式格式（来自 _save_trajectory）
{
"conversations": [ ... ],
"timestamp": "2026-03-30T14:22:31.456789",
"model": "anthropic/claude-sonnet-4.6",
"completed": true
}
批量运行器格式（来自 batch_runner.py）
{
"prompt_index": 42,
"conversations": [ ... ],
"metadata": { "prompt_source": "gsm8k", "difficulty": "hard" },
"completed": true,
"partial": false,
"api_calls": 7,
"toolsets_used": ["code_tools", "file_tools"],
"tool_stats": {
"terminal": {"count": 3, "success": 3, "failure": 0},
"read_file": {"count": 2, "success": 2, "failure": 0},
"write_file": {"count": 0, "success": 0, "failure": 0}
},
"tool_error_counts": {
"terminal": 0,
"read_file": 0,
"write_file": 0
}
}
tool_stats 和 tool_error_counts 字典被标准化为包含所有可能的工具（来自 model_tools.TOOL_TO_TOOLSET_MAP），零值默认，确保条目间一致的 Schema 以便 HuggingFace 数据集加载。
Conversations 数组（ShareGPT 格式）
conversations 数组使用 ShareGPT 角色约定：
| API 角色 | ShareGPT from |
|---|---|
| system | "system" |
| user | "human" |
| assistant | "gpt" |
| tool | "tool" |
完整示例
{
"conversations": [
{
"from": "system",
"value": "You are a function calling AI model..."
},
{
"from": "human",
"value": "What Python version is installed?"
},
{
"from": "gpt",
"value": " nét\n{'name': 'terminal', 'arguments': {'command': 'python3 --version'}}\n n"
},
{
"from": "tool",
"value": " n{'tool_call_id': 'call_abc123', 'name': 'terminal', 'content': 'Python 3.11.6'}\n n"
},
{
"from": "gpt",
"value": "Python 3.11.6 is installed on this system."
}
],
"timestamp": "2026-03-30T14:22:31.456789",
"model": "anthropic/claude-sonnet-4.6",
"completed": true
}
标准化规则
推理内容标记
Trajectory 转换器将所有推理标准化为 tég 标签，无论模型最初如何生成：
-
原生思考 Token（来自 Anthropic、OpenAI o-series 等 Provider 的
msg["reasoning"]字段）：包装为tég\n{reasoning}\n n并前置到内容之前。 -
REASONING_SCRATCHPAD XML（当原生思考被禁用且模型通过系统提示指示的 XML 推理时）：
<REASONING_SCRATCHPAD>标签通过convert_scratchpad_to_think()转换为tég。 -
空思考块：每个
gpt轮次保证有一个tég块。如果未产生推理，插入空块：tég\n n— 这确保训练数据格式一致。
工具调用标准化
API 格式的工具调用（带 tool_call_id、函数名、JSON 字符串参数）转换为 XML 包装的 JSON：
nét
{"name": "terminal", "arguments": {"command": "ls -la"}}
n
- 参数从 JSON 字符串解析回对象（不双重编码）
- 如果 JSON 解析失败（不应发生 — 在对话期间已验证），使用空
{}并记录警告 - 一个助手轮次中的多个工具调用在单个
gpt消息中产生多个nét块
工具响应标准化
助手消息后的所有工具结果分组为单个 tool 轮次，使用 XML 包装的 JSON 响应：
n
{"tool_call_id": "call_abc123", "name": "terminal", "content": "output here"}
n
- 如果工具内容看起来像 JSON（以
{或[开头），会被解析以使内容字段包含 JSON 对象/数组而非字符串 - 多个工具结果用换行符连接在一条消息中
- 工具名称按位置与父助手的
tool_calls数组匹配
系统消息
系统消息在保存时生成（不从对话中获取）。它遵循 Hermes 函数调用提示模板，包含：
- 解释函数调用协议的前言
- 包含 JSON 工具定义的
<tools>XML 块 FunctionCall对象的 Schema 参考nét示例
工具定义包括 name、description、parameters 和 required（设为 null 以匹配规范格式）。
加载 Trajectory
Trajectory 是标准 JSONL — 使用任何 JSON-lines 读取器加载：
import json
def load_trajectories(path: str):
"""从 JSONL 文件加载 trajectory 条目。"""
entries = []
with open(path, "r", encoding="utf-8") as f:
for line in f:
line = line.strip()
if line:
entries.append(json.loads(line))
return entries
# 仅过滤成功完成的数据
successful = [e for e in load_trajectories("trajectory_samples.jsonl")
if e.get("completed")]
# 仅提取用于训练的对话
training_data = [e["conversations"] for e in successful]
为 HuggingFace 数据集加载
from datasets import load_dataset
ds = load_dataset("json", data_files="trajectory_samples.jsonl")
标准化的 tool_stats Schema 确保所有条目具有相同的列，防止数据集加载时的 Arrow Schema 不匹配错误。
控制 Trajectory 保存
在 CLI 中，trajectory 保存由以下配置控制：
# config.yaml
agent:
save_trajectories: true # 默认：false
或通过 --save-trajectories 标志。当 Agent 以 save_trajectories=True 初始化时，每个对话轮次结束时调用 _save_trajectory() 方法。
批量运行器始终保存 trajectory（这是其主要目的）。
所有轮次中零推理的样本会被批量运行器自动丢弃，以避免用非推理样本污染训练数据。