Уходит ли лобстер в прошлое? Разбираемся с инструментами Hermes Agent, которые увеличивают вашу производительность в 100 раз

25 февраля команда под названием Nous Research тихо выпустила v0.1.0 в GitHub. Изначально у модели Hermes была только однострочная команда установки и однострочное позиционирование продукта: "Агент, который растет вместе с вами."

В то время мало кто обращал на это внимание, хотя Nous Research уже имел определенную репутацию в модельном мире circle, а их модели серии Hermes уже набрали 33 миллиона загрузок на HuggingFace. Однако все внимание разработчиков было сосредоточено на уважаемом OpenClaw "Лобстере". Превзойдя React всего за 33 дня, "Лобстер" стал проектом с самым быстрым ростом количества звезд в истории GitHub, достигнув пика в 710 звезд в час. Однако именно в это время исследователь по безопасности продолжал раскрывать уязвимости со средней скоростью 2,2 уязвимости (CVE) в день в течение того же периода времени, накопив 138 уязвимостей в системе безопасности за 63 дня. Все сообщество начало переосмысливать вопрос: Может ли эта штука действительно использоваться в производственной среде?

На этом фоне Hermes Agent, как конкурент, наконец, нашел возможность и начал свой первый период быстрого роста.

Hermes внедрила инструмент в свой код для миграции одним щелчком мыши из OpenClaw. Разработчикам, покинувшим OpenClaw, нужно было куда-то переходить, и Hermes Agent стал широко рекомендуемым выбором.

Итак, начиная с начала марта, Hermes Agent ворвался в GitHub Trending, достигнув 11-го места с более чем 2200 звездами. AwesomeAgents назвал его «самым амбициозным релизом агента с открытым исходным кодом на сегодняшний день». В настоящее время на GitHub у Hermes 69,9 тыс. звезд и 9 тыс. форков.

Сегодня Rhythm BlcokBeats расскажет всем, что отличает этого агента.

Что такое Hermes Agent?

Агент Hermes — это саморазвивающийся ИИ-агент, созданный компанией Nous Research, и в настоящее время это единственный агент со встроенным циклом обучения.

Он может автоматически создавать навыки на основе опыта использования, постоянно совершенствовать эти навыки в процессе использования, активно закреплять знания в виде повторно используемых активы, извлекать свою собственную историю прошлых разговоров и углублять свое понимание вас как пользователя в течение нескольких сеансов.

Таким образом, простыми словами, главное преимущество Агента Hermes заключается в том, что чем больше вы его используете, тем умнее и удобнее он становится.

Его позиционирование — это не программистский ассистент, встроенный в IDE, и не оболочка чата для одного API, а действительно самодостаточный агент на вашем сервере, который может помнить то, что он выучил, и его возможности со временем становятся сильнее.

С самого начала Nous Research позиционировала себя как лабораторию ИИ с открытым исходным кодом, децентрализованную, с целью создания ИИ, управляемого пользователем, а не сосредоточения интеллекта в руках нескольких закрытых компаний. Их ранняя работа была сосредоточена на серии моделей Hermes, с значительными инвестициями в инфраструктуру и работу на уровне системы. Они также исследовали технологию DisTrO для обучения моделей с использованием распределенных по всему миру потребительских GPU, а также среды моделирования для взаимодействия агентов и долгосрочного поведения, такие как WorldSim и Doomscroll.

Команда Hermes Agent - это та же группа людей, что и за сериями моделей Nomos и Psyche.

Какие полезные инструменты?

Основной механизм Hermes Agent - это его система памяти и система навыков. Агент поддерживает два кратких основных файла: MEMORY.md хранит информацию об окружающей среде, соглашения и обобщенный опыт из прошлых задач; USER.md хранит ваши предпочтения и стиль общения. Эти два файла автоматически вставляются в системные запросы в начале каждой сессии, выступая в качестве "долговременной оперативной памяти" Агента. Кроме того, все исторические сеансы хранятся в полнотекстовой поисковой базе данных SQLite, что позволяет Агенту извлекать разговоры, состоявшиеся несколько недель назад.

Что касается системы навыков, каждый раз, когда выполняется сложная задача (обычно более 5 вызовов инструментов), Агент автономно создает структурированный документ Markdown "навык", записывая шаги выполнения, известный контент и методы проверки для будущего повторного использования. Файлы навыков следуют принципу поэтапного раскрытия: по умолчанию Агент отображает только имя и описание навыка (около 3000 токенов), загружая полный контент навыка только при необходимости, чтобы контролировать потребление токенов.

Что касается инструментов, Агент Hermes поставляется со встроенной поддержкой более 40 инструментов, охватывающих такие задачи, как извлечение данных из веб-страниц, автоматизация браузера, компьютерное зрение, генерация изображений, преобразование текста в речь и даже планирование задач автоматизации с использованием естественного языка, такие как генерация отчетов, резервное копирование данных, мониторинг системы и многое другое.

Среди этих инструментов наиболее популярными — теми, которые чаще всего используются сообществом, с высокой обратной связью и согласованностью с архитектурой Hermes и потребностями сообщества разработчиков — являются:

Hindsight в настоящее время является самым популярным автономным инструментом в экосистеме, выступая в качестве рекомендуемого плагина долговременной памяти Hermes. Он автоматически вызывает соответствующую контекстную информацию перед каждым вызовом долговременной памяти (LLM), поддерживает локальное развертывание PostgreSQL или облачное развертывание и был встроен в качестве провайдера памяти в Hermes.

Anthropic-Cybersecurity-Skills является набором навыков с наибольшим количеством звезд в экосистеме, включающим более 753 структурированных навыков в области кибербезопасности, которые напрямую соответствуют структуре MITRE ATT&CK, что делает его подходящим для исследований в области безопасности и сценариев тестирования на проникновение.

mission-control является самой популярной панелью управления агентами в экосистеме, поддерживающей управление парком агентов, распределение задач, отслеживание затрат и совместную работу нескольких агентов, и высоко рекомендованной сообществом в качестве стандарта для производственных развертываний.

Самосовершенствование агента Hermes является технологией эволюционного самосовершенствования, которая использует DSPy + GEPA для оптимизации навыков, предложений и кода.

Рабочая область Hermes является встроенной рабочей областью в Hermes, объединяющей интерфейс чата, терминал и диспетчер навыков, служащей самой популярной графической точкой входа.

Кроме того, он может создавать отдельных дочерних агентов, каждый из которых имеет свой собственный контекст разговора, независимый терминал и скрипты Python RPC, что позволяет создавать параллельные конвейеры без затрат на переключение контекста.

Что касается гибкости инфраструктуры, он поддерживает шесть терминальных бэкендов: локальный, Docker, удаленный SSH, безсерверный Daytona, контейнер Singularity и облачные функции Modal. Daytona и Modal "засыпают" при простое, что приводит к минимальным затратам. Вы можете запускать его на VPS или GPU-кластере за 5 долларов, выполнять команды через Telegram и заставлять его работать на облачных серверах, на которые вы никогда напрямую не подключаетесь по SSH.

Агент Hermes в настоящее время имеет наиболее прямые конкурентные отношения с OpenClaw, оба из которых являются фреймворками агентов с открытым исходным кодом для разработчиков.

Их архитектурные философии сильно различаются: Основная конструкция OpenClaw представляет собой «управляющую плоскость», единый долговременный процесс, отвечающий за управление сессиями, маршрутизацию, выполнение инструментов и состояние, при этом все проходит через этот центральный контроллер. Hermes, с другой стороны, помещает собственный цикл выполнения Агента в свое ядро, создавая вокруг этого итеративного цикла «делай, учись, улучшай» такие компоненты, как шлюзы, планировщик задач и исполняемая среда инструментов.

Различие в их системах навыков особенно значимо: Навыки OpenClaw в основном создаются вручную и загружаются с разных уровней, таких как рабочая область, личные, общие или плагины; Hermes, с другой стороны, стремится к тому, чтобы Агент генерировал навыки из опыта, формируя настоящий автономный цикл обучения.

Как установить и использовать

Начать работу очень просто. С помощью одной команды "curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash" вы можете завершить установку. Он поддерживает Linux, macOS и WSL2. Агент Hermes автоматически обрабатывает все конфигурации без ручного вмешательства.

Веб-сайт Hermes

После завершения установки Hermes Agent запустите команду "hermes setup", чтобы начать мастер настройки. Выберите поставщика модели (поддерживает Nous Portal, OpenRouter, OpenAI или любую другую пользовательскую конечную точку), подключитесь к вашей платформе обмена сообщениями (Telegram, Discord, Slack или WhatsApp), а затем начните свой первый разговор. С первого взаимодействия Hermes Agent сразу переходит в режим обучения, начинает накапливать память, создавать навыки и становиться более способным после каждой сессии.

Основные команды для повседневного использования:

hermes (начало разговора),

модель hermes (выберите поставщика и модель LLM),

инструменты hermes (настройте включенные инструменты),

шлюз hermes (запустите шлюз сообщений, интегрируясь с такими платформами, как Telegram, Discord),

настройка hermes (запустите мастер полной настройки, настроив весь контент за один раз),

переход на hermes claw (переход с OpenClaw)

Обновление Hermes (обновление до последней версии),

Hermes Doctor (диагностика проблем);

Агент Hermes подходит для таких сценариев, как: универсальный ИИ-помощник, который должен помнить контекст между сессиями и постоянно совершенствоваться; пользовательский рабочий процесс Агента, который объединяет инструменты, плагины, серверы MCP, браузеры или оболочки; развертывание Агента на локальном оборудовании, облачных виртуальных машинах или недорогой инфраструктуре без серверов; а также сценарии, требующие постоянного помощника для поддержания поисковой истории разговоров и усвоенных навыков на всех платформах.

Более конкретно, его можно использовать для общения с ним в Telegram, выполняя задачи на облачной виртуальной машине, настраивая автоматизацию и отправляя отчеты на любую платформу, или поручая ему выполнение периодических задач; интегрировать его в Slack или Discord для обеспечения поддержки сотрудничества с ИИ для всей команды; или использовать его функцию экспорта трассировки для генерации данных обучения для обучения модели вызова инструментов следующего поколения.