Все сейчас обсуждают недавний релиз Hermes Agent от Nous Research. Разработчики обещают автономного stateful-агента с процедурной памятью и замкнутым циклом самообучения. Я решил посмотреть: арендовал простейший VPS, накатил агента и неделю гонял его рабочими задачами.

Спойлер: не прорыв, как по мне, но понаблюдать стоит.

Железо и развертывание

Для чистоты эксперимента я разворачивал агента на откровенном «калькуляторе»: 1 x 3.3 ГГц CPU • 1 ГБ RAM • 15 ГБ NVMe. Для проектов, связанных с постоянным хостингом ИИ-агентов, оптимизация ресурсов — это критический фактор, и здесь Hermes показывает себя чуть менее "прожорливым" чем OpenClaw. При грамотном контроле за тем, что именно выполняет агент, таких мощностей хватает за глаза.

Сам процесс установки занял ровно 10 минут через простые bash-команды:

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermes setup    # выбираем провайдера (OpenRouter для 200+ моделей)
hermes          # поехали

В качестве провайдера я выбрал Codex. И сейчас это точно мой фаворит в рамках LLM провайдеров для агентов через Oauth - проста не идет ни в какое сравнение с приседаниями с враждебными Antigravity и Claude Code.

Далее простейшим образом в мастере установки выбираете удобный канал для работы с агентом, я выбрал Telegram.

Архитектура: Ожидание vs Реальность

Автогенерация навыков

Ключевая киллер-фича Hermes — его процедурная память. По задумке, работая через ReAct-цикл (Reason → Act → Observe), агент должен распознавать сложные повторяющиеся паттерны в задачах и самостоятельно писать для себя переиспользуемые Python-скрипты. Сохраняется всё это в открытом стандарте agentskills.io, что делает навыки портативными.

Звучит круто. Но на практике я уже реализовывал подобную логику в OpenClaw в полуручном режиме: если видел повторяющийся процесс, просто просил агента формализовать его в навык. Hermes обещает делать это полностью автономно.

Итог за неделю: ни одного нового сгенерированного навыка. Справедливости ради, мои задачи в основном сводились к классической помощи в разработке и деплою, без сложных многоэтапных ресерчей. Видимо, рутина просто не пробивает порог сложности для триггера рефлексии, либо сама фича еще откровенно сырая.

Память и контекст

Для долгосрочной памяти здесь используется связка базы SQLite (с полнотекстовым поиском FTS5) и фонового профилировщика Honcho. Агент сам решает, когда добавить, обновить или удалить информацию из базы через встроенный memory tool, чтобы не сжечь окно контекста.

Реализация чистая и гибкая (всё тюнится в config.yaml), но опять же — для тех, кто глубоко ковыряет архитектуру автономных систем и работал с тем же OpenClaw, это скорее правильная гигиеническая норма, чем какой-то wow-эффект.

Изолированное выполнение

Из коробки Hermes предлагает отличную фичу — прокидывание выполнения кода в изолированные песочницы вроде Docker, Modal или Daytona. Более того, для тяжелых пайплайнов заложен механизм масштабирования, когда агент по RPC программно спавнит субагентов с урезанным контекстом.

Так же можно оставить и локальное исполнение, что я и сделал.

Итог

Hermes Agent — это не прорывная технология или какой то качественный скачок вроде первых моделей ChatGPT или OpenClaw. Однако это грамотно спроектированный фреймворк, который стандартизирует то, что сейчас собирается из костылей.

Агента на Гермесе я пока оставлю для ежедневных задач. Во-первых, в телеграме у меня и так остальной рой агентов. Во-вторых, репозиторий обновляется быстрыми темпами, и есть вероятность что из этого что то выйдет. Будем посмотреть.