Hermes Agent — open-source self-hosted агент от Nous Research с закрытым циклом обучения. Помнит контекст между сессиями, сам пишет переиспользуемые навыки и чистит их в фоне. MIT-лицензия, 24/7 через Telegram и другие каналы.

У большинства ИИ-ассистентов память как у золотой рыбки — закрыл терминал, и всё стёрлось. Hermes Agent ломает именно этот паттерн: агент запоминает факты, учится на ошибках и становится полезнее с каждой сессией.

Что это и как начать использовать

Представьте не чат-бота в браузере и не плагин в IDE, а сотрудника, который живёт на вашем сервере. Вы пишете ему задачу через Telegram — он на сервере запускает код, читает файлы, ищет в вебе и возвращает результат. Не нужно держать ноутбук включённым. Не нужно открывать IDE. Агент работает 24/7 там, где вы его поставили.

Три шага до рабочего агента:

  1. Установить одной командой — curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash для Linux, macOS, WSL2 и Android (Termux). Для Windows — iex (irm https://hermes-agent.nousresearch.com/install.ps1) в PowerShell. Установщик сам тянет Python 3.11, Node.js, ripgrep и ffmpeg.
  2. Выбрать модель — hermes setup --portal запускает мастер с OAuth-логином в Nous Portal: одна авторизация покрывает 300+ моделей и четыре облачных инструмента (веб-поиск, генерация картинок, TTS, браузер).
  3. Начать чат — hermes открывает интерактивный TUI-чат. Для подключения Telegram: hermes gateway setup и hermes gateway start.

Пять минут от установки до первого ответа. Не преувеличение.

Что это

Hermes Agent — автономный ИИ-агент, который живёт на вашем сервере (VPS, облако или домашняя машина), а не в браузере или IDE. Это не чат-обёртка вокруг одного API и не coding copilot, привязанный к редактору: агент запускает код, работает с файлами, ищет в вебе, общается через мессенджеры и накапливает опыт между сессиями.

Ключевое отличие от большинства open-source агентов — Closed Learning Loop (закрытый цикл обучения). Термин описывает систему, в которой агент не просто отвечает на запросы, а замыкает контур: получил задачу → решил → сохранил опыт → применил опыт в следующей задаче. Как control loop в инженерии — система измеряет результат и корректирует поведение на основе обратной связи, только здесь «измерение» — это анализ собственных действий, а «корректировка» — сохранение навыка.

Цикл состоит из четырёх звеньев:

  • помнит факты и предпочтения между сессиями через файлы памяти;
  • сам создаёт навыки (SKILL.md) после сложных задач — документирует процедуру, чтобы не переоткрывать решение;
  • подчищает и консолидирует навыки в фоне (Curator) — убирает дубликаты, архивирует устаревшие;
  • опционально оптимизирует навыки офлайн через GEPA — отдельный пайплайн эволюции промптов.

Проект от Nous Research — лаборатории, которая стоит за моделями Hermes, Nomos и Psyche. Лицензия MIT. Репозиторий NousResearch/hermes-agent.

Важно: Hermes — это фреймворк вокруг обучающегося агента. Качество ответов, скорость и стоимость зависят от выбранной базовой модели и включённых toolsets. Слабая модель не станет сильнее от того, что агент у неё умный.

Зачем нужно

  • Память между сессиями — конвенции проекта, ваши предпочтения и прошлые решения не стираются при закрытии терминала. Базовый контекст живёт в MEMORY.md (факты среды, ~2 200 символов) и USER.md (профиль пользователя, ~1 375 символов) и всегда в системном промпте.
  • Самообучающиеся навыки — после сложной задачи агент сохраняет процедуру в SKILL.md и переиспользует её, а не переоткрывает решение заново. Прогрессивное раскрытие: в каталоге видны только имена навыков (~3k токенов), полное содержимое загружается по требованию.
  • Доступ из мессенджеров — Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, Email, SMS, Microsoft Teams, Google Chat и ещё 10+ платформ. Написали с телефона — агент работает на сервере.
  • Model-agnostic — Claude, GPT, Gemini, локальный Ollama, 300+ моделей через Nous Portal или OpenRouter. Смена одной командой: hermes model. Провайдер можно переключать посреди задачи без перезапуска.
  • Безопасное исполнение — шесть sandbox-бэкендов (local, Docker, SSH, Singularity, Modal, Daytona). Код и правки файлов — только в контролируемой среде. Daytona и Modal дают serverless-персистентность: окружение засыпает, когда неактивно, и стоит копейки.
  • Research-ready — batch-генерация траекторий, экспорт для RL/fine-tuning через Atropos, совместимость со стандартом agentskills.io — открытый формат навыков, которые можно переносить между агентами и публиковать в Skills Hub.

Как устроено

Всё проходит через единое агентное ядро (AIAgent в run\_agent.py). CLI, мессенджер-шлюз, cron и batch-раннер — точки входа в один и тот же цикл ReAct (Reason + Act — стандартный паттерн для агентов: модель рассуждает, вызывает инструмент, читает результат, рассуждает снова, пока не даст ответ). Системный промпт → API-вызов → tool calls → повтор.

Идентичность: SOUL.md

Файл ~/.hermes/SOUL.md занимает слот №1 в системном промпте — до памяти и навыков. Задаёт личность, тон и жёсткие ограничения. Пишется вручную, остаётся статичным между сессиями. Это не промпт-шаблон, а идентичность агента: кем он себя считает, как отвечает, чего не делает.

Память: три уровня

УровеньЧто хранитКак попадает в контекст
1. Markdown-файлыMEMORY.md (факты среды, ~2 200 символов), USER.md (профиль пользователя, ~1 375 символов)Всегда в системном промпте как снимок на старте сессии
2. SQLite + FTS5Полная история разговоров CLI и мессенджеров в state.dbПоиск по прошлым сессиям по запросу + LLM-резюмирование
3. Внешние провайдеры8 подключаемых backend’ов (Honcho и др.)Префетч релевантных воспоминаний перед каждым ходом

Honcho — система диалектического моделирования пользователя (dialectic user modeling). Вместо того чтобы хранить плоский список фактов о пользователе, агент строит углублённую модель через диалог: уточняет, проверяет гипотезы, корректирует понимание. Ближе к тому, как живой собеседник формирует впечатление о вас, чем к CRM-карточке.

Навыки и Curator

Навыки — Markdown с YAML-frontmatter в ~/.hermes/skills/. Агент создаёт их через skill\_manage после сложных задач (5+ tool-вызовов), ошибок с успешным обходом или ваших корректировок.

Curator — фоновая чистка навыков. Если прошло 7 дней и агент простаивал 2+ часа, запускается проход по агент-созданным навыкам: оставить, дополнить, объединить или архивировать. Встроенные и hub-навыки не трогает. Перед каждым прогоном — tar.gz-снимок для отката. Curator никогда не удаляет навыки — максимум архивирует.

GEPA (офлайн-оптимизация)

GEPA (Genetic-Pareto Prompt Evolution) — отдельный пайплайн в hermes-agent-self-evolution, не часть рантайма. Читает трассы из SQLite, анализирует точки сбоя, генерирует варианты навыков и оценивает через Pareto-оптимизацию — отбирает варианты, которые улучшают один показатель без ухудшения других. GPU не нужен, ~$2–10 за прогон. Полезен, когда встроенный learning loop упирается в потолок, но полноценный fine-tuning пока рано.

Sandboxing: шесть бэкендов

БэкендНазначение
localЗапуск на той же машине (dev и доверенные задачи)
DockerИзолированный контейнер с hardening
SSHУдалённая машина по SSH
SingularityHPC-окружения
ModalServerless (hibernation, оплата только за активность)
DaytonaServerless с persistence между сессиями

Агент может редактировать файлы и запускать код, но только в контролируемой среде.

Модель-агностичность и инструменты

  • Провайдеры: 20+ — Nous Portal, OpenRouter, OpenAI, Anthropic, Google Gemini, DeepSeek, xAI/Grok, Hugging Face, Z.AI/GLM, Kimi/Moonshot, MiniMax, Alibaba/Qwen, NVIDIA NIM, GitHub Copilot и другие, плюс любой кастомный OpenAI-совместимый endpoint
  • Минимум 64K токенов контекста — требование к модели. Меньше — агент не сможет вести многошаговые tool-calling сценарии
  • 60+ toolsets: браузер, код-исполнение, vision, image generation (FLUX), MCP-интеграции, voice mode, cron-планировщик, delegation subagents
  • Tool Gateway через Nous Portal: web search, image gen, TTS, cloud browser — под одной подпиской
  • Checkpoints и rollback перед изменениями файлов
  • Профили — изолированные экземпляры со своим конфигом, памятью, навыками и SOUL.md (hermes profile create)
  • Cron на естественном языке — «каждый будний день в 9:00» без ручного cron-синтаксиса
  • Лимит 90 ходов на задачу — защита от бесконечных циклов и сжигания кредитов

Установка

Linux / macOS / WSL2 / Android (Termux)

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
source ~/.bashrc   # или: source ~/.zshrc
hermes setup       # провайдер, модель, инструменты
hermes             # интерактивный TUI-чат

Установщик автоматически ставит: uv (быстрый Python-пакетный менеджер), Python 3.11, Node.js v22, ripgrep, ffmpeg. Единственное требование перед запуском — git в системе. На Linux также нужны curl и xz-utils.

Windows (PowerShell)

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

Native Windows поддерживается — CLI, gateway, TUI и tools работают без WSL. Браузерный dashboard chat pane требует WSL2 (нужен POSIX PTY).

macOS / Windows через Desktop-установщик

Для macOS и Windows есть отдельный Desktop-установщик — ставит CLI и нативное приложение в один клик. После CLI-only установки Desktop можно добавить командой hermes desktop.

Telegram за 5 минут

hermes gateway setup    # токен от @BotFather
hermes gateway start    # pairing-код → подтверждение → готово

Nous Portal (рекомендуется)

hermes setup --portal
hermes portal status

Одна OAuth-авторизация покрывает 300+ моделей и четыре облачных инструмента: веб-поиск (Firecrawl), генерация картинок (FAL), TTS (OpenAI), облачный браузер (Browser Use). Отдельные API-ключи для каждого не нужны.

Структура ~/.hermes/

~/.hermes/
├── config.yaml      # модель, sandbox, toolsets
├── .env             # API-ключи
├── SOUL.md          # идентичность (слот №1 промпта)
├── memories/
│   ├── MEMORY.md    # факты агента
│   └── USER.md      # профиль пользователя
├── skills/          # встроенные, hub, агент-созданные
├── state.db         # SQLite + FTS5 для поиска по сессиям
└── cron/jobs.json   # расписание задач

Основные команды

КомандаНазначение
hermesTUI-чат с автодополнением и streaming
hermes modelВыбор провайдера и модели
hermes toolsВключение/отключение toolsets
hermes gatewayМессенджер-шлюз
hermes setup --portalМастер + Nous Portal OAuth
hermes claw migrateМиграция из OpenClaw
hermes doctorДиагностика проблем
/skillsПросмотр выученных навыков
/insights \[--days N\]Аналитика использования

Технические детали проверены по официальной документации Nous Research (hermes-agent.nousresearch.com, github.com/NousResearch/hermes-agent) на 26.07.2026. При расхождении — ориентируйся на официальную документацию.

Когда использовать

СценарийПодходит?Почему
Долгосрочный персональный агент с памятью и самообучениемДаClosed Learning Loop, навыки, Curator
24/7 ассистент в Telegram с сервераДаGateway + serverless (Modal/Daytona) или VPS $5/мес
Нужен готовый веб-UI из коробкиНетТолько TUI; веб — через OpenAI-compatible API + внешний UI
Desktop-агент «на ноутбуке без сервера»ОграниченноРаботает локально, но архитектура рассчитана на постоянный сервер
Production-корпоративный бот с SLAНетИсследовательский фреймворк, нужен мониторинг и hardening
Несколько специализированных агентов (дизайнер, код, research)ДаПрофили с отдельными ботами, SOUL.md и навыками

Сравнение с OpenClaw

Hermes и OpenClaw — ближайшие аналоги в open-source экосистеме. Оба persistent, оба работают через мессенджеры, но делают противоположный архитектурный выбор: Hermes упаковывает gateway вокруг обучающегося агента; OpenClaw упаковывает агента вокруг messaging gateway.

OpenClawHermes Agent
ФокусЭкосистема, простота, контрольСамооценка и самоулучшение
ИнструментыБольше на старте, messaging-hub-first60+ toolsets, MCP-интеграции
ПамятьPersistent, без авто-создания навыковClosed Learning Loop — сам создаёт и улучшает навыки
Модель пользователяБазоваяHoncho dialectic — глубокая, диалектическая
SandboxingСтандартный6 бэкендов (включая serverless Modal/Daytona)
Подходит дляГипер-персонализированные задачи, ручное управлениеДолгосрочный рост, память, автоматизация
Веб-UIДа (Control UI)Нет по умолчанию (только TUI)
Стиль«Коробочный продукт»«Исследовательский», безопасный по умолчанию

Многие запускают оба: OpenClaw — для гипер-персонализированных задач и веб-UI, Hermes — для самообучения и долгосрочной памяти. Миграция: hermes claw migrate.

Ограничения

Ограничения

Что учитывать

Нет веб-UI по умолчанию: из коробки это TUI (терминальный интерфейс) и мессенджерный агент.

Для браузерного чата нужен внешний UI-слой, который подключается к Hermes через OpenAI-compatible API. Веб-интерфейса «из коробки» нет.

Требует сервера: на ноутбуке Hermes запускается и работает, но архитектура рассчитана на постоянный фон и стабильное окружение.

Serverless (Daytona/Modal) — рабочий вариант: агент засыпает, когда неактивен, и не стоит денег в простое.

Качество зависит от базовой модели: Hermes даёт каркас, память и обучение, но не заменяет сильную reasoning-модель там, где она нужна.

Минимум 64K токенов контекста — требование, не рекомендация. Модели с меньшим окном отбрасываются при запуске.

Sandboxing не заменяет мониторинг: shell, файлы и внешние каналы всё равно требуют человеческого контроля и понятных лимитов.

approval-mode по умолчанию — manual: агент спрашивает перед destructive-командами.

Проект молодой: команды, API и поведение отдельных toolsets могут меняться между минорными релизами.

Обновление через hermes update — не Docker-образ, а git-pull в исходном репозитории.

GEPA и Curator не магия: автообучение помогает накапливать опыт, но критичные навыки нужно валидировать вручную на реальных задачах.

Curator архивирует, но не удаляет — у вас всегда есть откат.

Антипаттерны

Антипаттерны

Чего не делать

Запускать без sandbox на production: сначала ограничьте toolsets через hermes tools и выберите бэкенд исполнения (Docker или SSH), потом уже давайте агенту широкий доступ.

local-бэкенд уместен на dev-машине, не на сервере с реальными данными.

Держать ключи в репозитории: секреты живут в hermes config set, .env или отдельном secret-store.

Не в коде проекта, не в config.yaml в git-репозитории. Hermes разделяет конфигурацию и секреты по дизайну.

Игнорировать Curator: это часть learning loop.

Без регулярной чистки и фиксации знаний агент накапливает дубликаты и мусор. Проверяйте hermes curator status периодически.

Ждать, что одна модель закроет всё: рутину дешевле отдать быстрой модели (DeepSeek, Qwen), а сложные решения — флагману (Claude, GPT).

Профили позволяют держать разные модели для разных задач.

Включать все sandbox-бэкенды сразу: начните с local или Docker.

Отладка шести бэкендов одновременно съест больше времени, чем сами задачи.

Чеклист

Чеклист

Проверка перед запуском

Python 3.11+ готов: python --version показывает актуальную версию.

Установщик тянет Python через uv, но если ставите вручную — проверьте.

TUI отвечает: команда hermes открывает рабочий streaming-чат, а не падает на первом ходе.

Если падает — hermes doctor покажет что не так.

Модель настроена: через hermes model или hermes setup --portal задан провайдер и базовый профиль.

Контекст модели — минимум 64K токенов.

Tool Gateway подключён: hermes portal status подтверждает, что портал и облачные toolsets доступны.

Без этого веб-поиск, TTS и image gen не работают.

Мессенджерный канал жив:

hermes gateway setup и pairing проходят до конца, агент получает и отправляет сообщения в Telegram/Discord.

Бэкап ~/.hermes/: каталог сохраняется в snapshot или контролируется отдельно от рабочего кода.

state.db, skills/ и memories/ — это весь накопленный опыт агента.

Навыки проверены: /skills показывает понятный набор agent-created навыков без мусора и дубликатов.

Curator включён по умолчанию.

Ссылки

Ссылки

По теме

По теме