🏠 Главная › Developer Guide › trajectory format

Trajectory Format

Hermes Agent saves conversation trajectories in ShareGPT-compatible JSONL format for use as training data, debugging artifacts, and reinforcement learning datasets.

Source files: agent/trajectory.py, run_agent.py (search for _save_trajectory), batch_runner.py

File Naming Convention

Trajectories are written to files in the current working directory:

| File | When | |lang: ru

|------| | trajectory_samples.jsonl | Диалоги, которые завершились успешно (completed=True) | | failed_trajectories.jsonl | Разговоры, которые не удались или были прерваны (completed=False) |

Пакетный исполнитель (batch_runner.py) записывает в пользовательский выходной файл для каждого пакета. (например, batch_001_output.jsonl) с дополнительными полями метаданных.

Вы можете переопределить имя файла с помощью параметра filename в save_trajectory().

Формат записи JSONL

Каждая строка в файле представляет собой автономный объект JSON. Есть два варианта:

CLI/интерактивный формат (от _save_trajectory)

{
  "conversations": [ ... ],
  "timestamp": "2026-03-30T14:22:31.456789",
  "model": "anthropic/claude-sonnet-4.6",
  "completed": true
}

Формат пакетной программы (от 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
  }
}

Словари tool_stats и tool_error_counts нормализованы и включают в себя ВСЕ возможные инструменты (от model_tools.TOOL_TO_TOOLSET_MAP) с нулевыми значениями по умолчанию, обеспечение согласованной схемы между записями для загрузки набора данных HuggingFace.

Массив разговоров (формат ShareGPT)

Массив conversations использует соглашения о ролях ShareGPT:

Роль API ПоделитьсяGPT from
система "system"
пользователь "human"
помощник "gpt"
инструмент "tool"

Полный пример

{
  "conversations": [
    {
      "from": "system",
      "value": "You are a function calling AI model. You are provided with function signatures within <tools> </tools> XML tags. You may call one or more functions to assist with the user query. If available tools are not relevant in assisting with user query, just respond in natural conversational language. Don't make assumptions about what values to plug into functions. After calling & executing the functions, you will be provided with function results within <tool_response> </tool_response> XML tags. Here are the available tools:\n<tools>\n[{\"name\": \"terminal\", \"description\": \"Execute shell commands\", \"parameters\": {\"type\": \"object\", \"properties\": {\"command\": {\"type\": \"string\"}}}, \"required\": null}]\n</tools>\nFor each function call return a JSON object, with the following pydantic model json schema for each:\n{'title': 'FunctionCall', 'type': 'object', 'properties': {'name': {'title': 'Name', 'type': 'string'}, 'arguments': {'title': 'Arguments', 'type': 'object'}}, 'required': ['name', 'arguments']}\nEach function call should be enclosed within <tool_call> </tool_call> XML tags.\nExample:\n<tool_call>\n{'name': <function-name>,'arguments': <args-dict>}\n</tool_call>"
    },
    {
      "from": "human",
      "value": "What Python version is installed?"
    },
    {
      "from": "gpt",
      "value": "<think>\nThe user wants to know the Python version. I should run python3 --version.\n</think>\n<tool_call>\n{\"name\": \"terminal\", \"arguments\": {\"command\": \"python3 --version\"}}\n</tool_call>"
    },
    {
      "from": "tool",
      "value": "<tool_response>\n{\"tool_call_id\": \"call_abc123\", \"name\": \"terminal\", \"content\": \"Python 3.11.6\"}\n</tool_response>"
    },
    {
      "from": "gpt",
      "value": "<think>\nGot the version. I can now answer the user.\n</think>\nPython 3.11.6 is installed on this system."
    }
  ],
  "timestamp": "2026-03-30T14:22:31.456789",
  "model": "anthropic/claude-sonnet-4.6",
  "completed": true
}

Правила нормализации

Разметка содержимого рассуждений

Конвертер траекторий нормализует ВСЕ рассуждения в теги <think>, независимо от того, о том, как модель изначально производила его:

  1. Токены нативного мышления Поле (msg["reasoning"] от таких поставщиков, как Anthropic, OpenAI o-серия): Завернуто в <think>\n{reasoning}\n</think>\n и добавляется перед содержимым.

  2. REASONING_SCRATCHPAD XML (когда собственное мышление отключено и модель причин через XML-код, указанный системой): теги <REASONING_SCRATCHPAD> преобразован в <think> через convert_scratchpad_to_think().

  3. Пустые мыслительные блоки: каждый ход gpt гарантированно содержит <think>. блок. Если никаких рассуждений не было сделано, вставляется пустой блок: <think>\n</think>\n — это обеспечивает единообразный формат обучающих данных.

Нормализация вызова инструмента

Вызовы инструментов из формата API (с tool_call_id, именем функции, аргументами в виде строка JSON) преобразуются в JSON, завернутый в XML:

<tool_call>
{"name": "terminal", "arguments": {"command": "ls -la"}}
</tool_call>

— Аргументы анализируются из строк JSON обратно в объекты (без двойного кодирования). - Если синтаксический анализ JSON не удался (это не должно произойти — проверяется во время разговора), пустой {} используется с зарегистрированным предупреждением - Несколько вызовов инструментов за один ход помощника создают несколько блоков <tool_call>. в одном сообщении gpt

Нормализация отклика инструмента

Все результаты работы инструмента после сообщения помощника группируются в один tool. включите ответы JSON в формате XML:

<tool_response>
{"tool_call_id": "call_abc123", "name": "terminal", "content": "output here"}
</tool_response>

Системное сообщение

Системное сообщение генерируется во время сохранения (не берется из разговора). Он соответствует шаблону приглашения вызова функции Hermes с:

Определения инструментов включают name, description, parameters и required. (установите null, чтобы соответствовать каноническому формату).

Загрузка траекторий

Траектории стандартные JSONL — загружаются любым считывателем JSON-строк:

import json

def load_trajectories(path: str):
    """Load trajectory entries from a JSONL file."""
    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

# Filter to successful completions only
successful = [e for e in load_trajectories("trajectory_samples.jsonl")
              if e.get("completed")]

# Extract just the conversations for training
training_data = [e["conversations"] for e in successful]

Загрузка наборов данных HuggingFace

from datasets import load_dataset

ds = load_dataset("json", data_files="trajectory_samples.jsonl")

Нормализованная схема tool_stats гарантирует, что все записи имеют одинаковые столбцы. предотвращение ошибок несоответствия схемы Arrow во время загрузки набора данных.

Управление сохранением траектории

В CLI сохранение траектории контролируется:

# config.yaml
agent:
  save_trajectories: true  # default: false

Или через флаг --save-trajectories. Когда агент инициализируется с помощью save_trajectories=True, в конце вызывается метод _save_trajectory() каждого хода разговора.

Пакетный бегун всегда сохраняет траектории (это его основная цель).

Выборки с нулевыми рассуждениями на всех ходах автоматически отбрасываются пакетный запуск, чтобы избежать загрязнения обучающих данных необоснованными примерами.