这不是换皮版，而是 WeHub 视角的重写。
花叔原书讲 Hermes 从入门到精通。WeHub 版只借它的结构启发和 MIT 授权，主线改成：Hermes 的单 Agent 学习机制如何迁移为 WeHub agent society 的可审计组织学习。
不是使用手册
少讲命令清单，多讲机制源头：什么是真 runtime，什么是 prompt 纪律，什么还只是待验证假设。
不是品牌比较
不写 “Hermes 比谁强”。只研究哪些能力能迁移到 WeHub，哪些必须留在单 profile 内。
不是完整协议
先做读本 seed。等 correction-retention smoke test 后，再抽象成 organization learning protocol。
WeHub 版的中心句。
橙皮书要和 “从 Prompt 到 Skill” 接上。
Google ADK Skills / SkillToolset 给了一个外部工程视角：Skill 不是 prompt snippet，也不是单个 tool schema，而是可发现、按需加载、可维护的能力封装。Hermes 解释经验如何被 runtime 留住；WeHub 还要回答：什么时候把经验升级成 skill，进入 capability architecture。
Tool
动作接口：能搜索、读文件、发消息、调用 API。它回答 “能不能做”。
Skill
程序性记忆：什么时候用、怎么用、如何验证、失败如何 fallback。它回答 “会不会正确地做”。
Runtime learning
经验进入 memory、session、skill、cron 等 durable surfaces，并在下一次任务中被找回。
Capability architecture
能力可发现、可组合、可评测、可版本化、可推广，也能过期、降级和淘汰。
三层 Skill 结构
ADK 官方文档把 Skills 组织成 L1 metadata、L2 instructions、L3 resources：先让 agent 发现能力，再按需加载操作原则，必要时再取 references、assets、scripts。它目前仍是 experimental，所以更适合作为工程视角，而不是成熟标准。
从 Prompt 到 Skill
这篇文章给橙皮书补上横向框架：agent runtime 的竞争，会从 tool calling 进入 capability architecture。Orange Book 的 §09 应该成为这条线的第一章。
从源码看，Hermes 的学习不是一句口号，而是五个 runtime 回路。
这一版已经把 `source-code-learning-loop-pass1.md` 融进橙皮书主线：先讲可验证机制，再讲 WeHub 的组织学习迁移。
1. Turn coordinator
agent/conversation_loop.py 协调每轮对话：恢复 system prompt、触发 memory prefetch、注入临时上下文，并在完整 turn 后同步外部记忆。
2. Memory provider
agent/memory_manager.py 把 provider 变成生命周期协议：system prompt block、prefetch、sync、session switch、pre-compress、memory-write hook。
3. Memory files
tools/memory_tool.py 让 USER.md 和 MEMORY.md 成为显式 durable mutation；写入是持久的，但当前 session prompt 可能仍保持冻结。
4. Session / gateway
hermes_state.py、gateway/session.py 把 transcript、FTS5/CJK search、session key 和平台身份一起构成 continuity scope。
5. Skills / cron
skill 是程序性记忆，cron 是主动注意力。稳定经验不只要被记住，还要能被调用、复用、调度和审计。
WeHub translation
临时进展进 session；稳定偏好进 profile memory；重复流程进 skill；重复责任进 cron；跨 agent 经验要经过 promotion / demotion gate。
学习与进化要分层：runtime learning 不是 DSPy + GEPA，DSPy + GEPA 也不是模型训练。
WeHub 版橙皮书会把 SOTA 理论拆成三层：运行时记忆与复用、离线 prompt/skill 优化、组织级 promotion/demotion。
DSPy
把 LLM workflow 写成 signatures、modules、metrics 和 optimizers，让 prompt 工程变成可测试、可编译、可优化的软件工程。
GEPA
读 execution traces，反思失败原因，生成 text variants，并用 Pareto-aware selection 保留更好的候选。
Evolution lab
Hermes runtime 产生经验和轨迹；外部优化管线用它们提出 improved skill/prompt/tool/code，再经过测试和 review 推广。
WeHub 定制版目录 v0.1
沿用原橙皮书 6 part 的清晰节奏，但每一部分都换成 WeHub agent 组织学习问题。
WeHub 版最需要讲清楚的，不是 “怎么记”，而是 “记到哪里”。
Profile-local
个人偏好、局部纠错、agent role evolution、私密 session recall。默认不外溢。
Team-shared
source map、team docs、nano-work cards、verified skills、host/agent topology。
Public-safe
公开 skill、demo、case report、eval、文章。必须经过隐私、质量和边界审查。
先写三章，再补一章 Skill 桥接。
WeHub 定制版不急着写完整 18 章。第一轮应该服务当前项目判断：Hermes 学习机制如何变成组织学习；§09 则负责把 runtime learning 接到 capability architecture。
§04 学习不是训练
把 source map 和源码 pass1 里的 conversation loop / memory provider / session gateway / skills cron 讲成一条可验证机制链。
§05 Human correction
设计 correction-retention smoke test，验证纠错是否进入正确 durable layer。
§07 三层记忆
给 WeHub 的 profile-local / team-shared / public-safe promotion model 打底。
§09 Skill 是程序性记忆
借 Google ADK Skills 的 metadata / instructions / resources 三层结构，解释 WeHub skill 如何成为可演化的能力资产。
来源与授权
原橙皮书 2.0 采用 MIT License。此 WeHub 定制版是内部改编 seed，保留 attribution，不直接复制原书正文。