Hermes Agent — самообучающийся AI-агент от Nous Research

Open-source автономный AI-агент от Nous Research, построенный вокруг одной идеи: агент должен учиться на собственном опыте. В отличие от большинства агентных платформ, где навыки создаются вручную, Hermes автоматически генерирует и улучшает skills после каждой задачи. Чем дольше он работает — тем быстрее и точнее становится.

Зачем это нужно

Большинство AI-агентов работают по принципу «получил задачу — выполнил — забыл». Каждый новый запрос — с чистого листа. Hermes Agent устроен иначе: после выполнения задачи он анализирует, что сработало, и сохраняет решение как переиспользуемый навык (skill). При повторных задачах того же типа загружает этот skill и работает быстрее.

Добавьте к этому persistent multi-level memory (рабочая, долгосрочная, модель пользователя), изолированные субагенты с собственными терминалами и research pipeline для генерации training data — и получается агент, который не просто выполняет команды, а накапливает экспертизу.

Ключевые возможности

Как работает learning loop

flowchart LR
    A["Получить задачу"] --> B["Загрузить контекст + память + skills"]
    B --> C["Выполнить задачу"]
    C --> D["Проанализировать результат"]
    D --> E{"Создать / улучшить skill?"}
    E -->|Да| F["Сохранить skill"]
    E -->|Нет| G["Обновить память"]
    F --> G
    G --> H["Углубить модель пользователя"]

После выполнения задачи агент оценивает, стоит ли превращать решение в переиспользуемый навык. Если да — создаёт SKILL.md файл с инструкциями, примерами и конфигурацией инструментов. При повторных задачах того же типа загружает этот skill и работает быстрее.

Skills хранятся в формате agentskills.io — открытый стандарт. Источники навыков: встроенные (40+), автогенерируемые, ClawHub (500+), LobeHub и любой GitHub-репозиторий с SKILL.md.

Архитектура

flowchart TD
    A["Пользователь"] --> B["Gateway (Telegram / Discord / CLI)"]
    B --> C["Hermes Core"]
    C --> D["LLM (Nous Portal / OpenRouter / свой)"]
    C --> E["Memory Store"]
    C --> F["Skills Engine"]
    C --> G["Tool Registry (40+)"]
    C --> H["Sandbox Manager"]
    H --> I["Local / Docker / SSH / Modal / Singularity"]
    C --> J["Subagents (isolated)"]

Быстрый старт

# Установка (Linux / macOS / WSL2)
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

# Настройка (интерактивный мастер)
hermes setup

# Запуск
hermes

Устанавливает uv, Python 3.11, клонирует репозиторий и настраивает окружение. Без sudo.

Подключение мессенджеров

# Интерактивная настройка gateway
hermes gateway setup

# Запуск gateway
hermes gateway

# Установка как systemd-сервис (для VPS)
hermes gateway install

Мастер проведёт через подключение Telegram, Discord, Slack или WhatsApp. Работает как systemd-сервис на VPS.

Миграция из OpenClaw

hermes claw migrate

Автоматически переносит skills, память и настройки из OpenClaw.

Sandbox-бэкенды

Для постоянной работы на VPS — Docker. Для тяжёлых разовых задач (ресёрч, генерация данных) — Modal.

Сравнение с OpenClaw

Тарифы и инфраструктура

Hermes Agent — бесплатный и open-source. Платите только за LLM и хостинг.

Можно использовать мощную модель (Claude Opus, GPT-5) для сложных задач и дешёвую (Hermes-3, GPT-4o-mini) для рутинных. Переключение через hermes model без изменения кода.

Ограничения

• Ранний проект — v0.4–0.6 (апрель 2026), возможны breaking changes
• Меньше мессенджеров — 6 против 20+ у OpenClaw, нет iMessage
• Моложе сообщество — меньше готовых skills и интеграций
• Python-стек — если инфраструктура на TypeScript, потребуется отдельное окружение
• Нет веб-интерфейса — всё через CLI и мессенджеры
• Зависимость от LLM — качество агента = качество модели + стоимость API

Когда стоит присмотреться

• Вам нужен агент, который учится на задачах и становится быстрее со временем
• Вы хотите research pipeline для генерации training data и файнтюнинга
• Вам нужны изолированные субагенты для параллельных задач
• Вы работаете на Python и хотите лёгкий self-hosted агент на VPS
• Вы уже используете OpenClaw и хотите делегировать ему «умные» задачи с накоплением опыта

Ссылки

• Официальный сайт
• GitHub
• Документация
• Discord (Nous Research)
• Nous Portal

По теме

• Статья: 12 приёмов, которые превращают ИИ-агента из игрушки в рабочий инструмент
• Блог: EmDash — Cloudflare собрал «наследника WordPress» за два месяца с помощью ИИ-агентов
• База знаний: OpenClaw — open-source персональный ИИ-агент для мессенджеров

Если вы разбираетесь, какой AI-агент подойдёт под ваши задачи — self-hosted, облачный или гибрид — напишите, помогу выбрать архитектуру.