Появилась новая порода инструментов: агенты, которые не живут в окне чата, которое ты открываешь и закрываешь, а работают в облаке круглосуточно и общаются с тобой через мессенджер – как коллега, который никогда не выходит из сети.
Hermes – один из самых интересных представителей этой идеи. От похожих агентов вроде OpenClaw его отличает встроенная петля самообучения: система, которая следит за вашими разговорами, вытаскивает из них полезные паттерны и записывает их в долговременную память и навыки.
Ниже – как Hermes устроен, как его настроить и как эта петля самообучения работает под капотом.
Что такое Hermes и чем он отличается от OpenClaw
Hermes – облачный AI-агент, структурно похожий на OpenClaw: работает 24/7, а ты общаешься с ним через мессенджер, а не через терминал или вкладку браузера.
Различий три.
Первое – Hermes идёт с куда большей библиотекой навыков из коробки, так что меньше времени уходит на ручную обвязку интеграций.
Второе – настройка заметно проще: почти всё берёт на себя пошаговый мастер в терминале (TUI).
Третье, и самое важное, – Hermes построен вокруг постоянного самоулучшения. Он не просто выполняет задачи, а копит процедурное знание о том, как выполнять их лучше со временем.
Установка
Hermes живёт на сервере и работает круглосуточно, так что ставить его лучше на VPS, а не на ноутбук – тогда агент всегда онлайн. Подойдёт любой недорогой VPS, но бери от 4 ГБ RAM: сам Hermes, его инструменты и локальная память любят оперативку. Из недорогих вариантов – VDSina, от $2/мес, серверы в Европе.
Поставить Hermes – одна команда. Единственное, что нужно заранее, – установленный git.
На Linux, macOS или WSL: curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
На Windows в PowerShell: iex (irm https://hermes-agent.nousresearch.com/install.ps1)
Установщик сам подтянет всё нужное – uv, Python, Node, Playwright. После установки перезапустите терминал и запустите hermes setup – мастер проведёт по настройке по порядку: модель → терминал-бэкенд → шлюз сообщений → инструменты.
Выбор и роутинг моделей
Первое реальное решение в настройке – какой LLM-провайдер питает «мозг» агента.
Аутентификация идёт через OAuth, а не через сырые API-ключи. Это удобно: можно залогиниться через уже существующую сессию Claude Code или Codex CLI, а не вводить ключ руками.
Моя рекомендация. Из всех вариантов лично я ставлю на GPT-5.5 через подписку Codex – вход по OAuth (пункт «OpenAI ▸ Codex CLI»), а не по API-ключу. Так вы платите за подписку, а не за каждый токен по счётчику, и получаете стабильный сильный кодер. Тот же принцип работает и для других провайдеров: где есть вход через подписку или OAuth – берите его, а не billing по API.
Что здесь сделано по-настоящему грамотно – как Hermes разделяет модель для основного разговора и модели для фоновых и вспомогательных задач. По умолчанию обе роли тянет одна модель, но каждую вспомогательную задачу можно направить на свою.
Роли, которые поддерживают такой оверрайд:
vision– анализ и описание изображений;web_extract– выжимка из длинных веб-страниц;compression– сжатие переполненного контекста разговора;title_generation– генерация заголовков сессий;curator– фоновый агент, отвечающий за петлю самообучения;kanban_decomposer– разбивка крупных задач на подзадачи в Kanban-режиме;monitor,session_search,approvalи ещё несколько – на этой версии ролей больше десятка.
Настраивается это прямо в config.yaml.
Такой явный роутинг решает реальную проблему с OpenRouter как выбором по умолчанию: один и тот же номинально «тот же» провайдер часто разворачивается множеством разных поставщиков, нередко в разных квантованиях, и OpenRouter молча тасует их между запросами.
На практике это значит, что внутри одной сессии вы говорите не с одной стабильной моделью, а с меняющимся составом её по-разному настроенных копий – часть из них хуже держит вызовы инструментов и шаблоны промптов.
Ещё стоит знать: если хочется сэкономить на разговорной модели, не теряя в качестве кода, Hermes поддерживает команды /claude_code и /codex – они делегируют задачи по коду напрямую этим CLI, а не гонят их через основную модель.
Терминал-бэкенды
Ключевая часть архитектуры – терминал-бэкенд: он определяет, где и как реально выполняются shell-команды и Python-скрипты и как агент касается вашей файловой системы.
- Local – по умолчанию. Команды выполняются прямо на вашей машине с правами вашего пользователя, без изоляции. Это верный выбор для локальной разработки и доверенного личного использования, когда вы хотите, чтобы агент правил ваши настоящие проекты. Безопасность здесь держится целиком на встроенной системе одобрений, которая перехватывает разрушительные команды (
rm -rf /,DROP TABLE) и спрашивает явное разрешение перед запуском. - Docker – агент работает внутри изолированной песочницы и не может тронуть хост-систему.
- SSH – агент выполняет команды и работает с файлами на удалённом сервере по соединению.
- Modal – всё крутится в serverless-песочницах в облаке.
- Daytona – слой управления контейнерами, заточенный под AI-кодеров: быстрее, чем гонять Docker напрямую, и сам ставит окружение и зависимости.
Для большинства личных сценариев Local достаточно – остальные варианты важны, если вы гоняете недоверенный код или работаете в команде.
Шлюз сообщений и инструменты
После бэкенда настройка переходит к тому, где вы будете реально общаться с агентом. Самый удобный вариант – Telegram: при выборе он даёт прямую ссылку, которая поднимает преднастроенного бота, – ручной возни с токеном не требуется (хотя свой бот через токен BotFather тоже можно подключить).
Дальше мастер проводит по включению отдельных инструментов и их провайдеров – автоматизация браузера, генерация картинок, синтез речи и веб-поиск. Для веб-поиска удобно поднять self-hosted Firecrawl или Exa. Кстати, для генерации картинок есть тот же путь через подписку: «OpenAI (Codex auth)» даёт gpt-image-2 бесплатно через OAuth – без отдельного ключа.
X-поиск требует подписку Grok – это стоит знать заранее, прежде чем искать его в меню.
Slash-команды, которые стоит знать
Hermes идёт с длинным списком slash-команд, большинство понятны по названию, но пару стоит выделить:
/background <промпт>– запускает задачу в фоне, не прерывая основную сессию;/goalставит долгую цель, к которой агент идёт настойчиво, с подкомандами пауза/возобновление/очистка/статус;/subgoalуправляет мелкими целями внутри активной;/kanbanоркеструет асинхронную долгую работу через несколько независимых агентов – как настоящая Kanban-доска, где пул задач раздаётся воркерам;- на стороне разработки:
/github_pr_workflowведёт полный цикл от ветки до мержа с CI,/github_code_reviewревьюит пул-реквесты,/codebase_inspectionразбирает репозиторий по языкам и строкам; - и кластер команд-интеграций –
/notion,/obsidian,/youtube_contentи другие, каждая оборачивает конкретный сервис.
Полный список – hermes skills (или /commands в чате); каждый навык автоматически доступен как /<имя-навыка>.
Cron и Webhooks
Два примитива автоматизации заслуживают отдельного внимания.
- Cron – запускает скрипт по таймеру. Если при создании передать
--no-agent, Hermes выполнит обычный Python- или bash-скрипт и просто перешлёт результат, вообще не тратя токены модели. - Webhooks – мощнее: они дают агенту реагировать на внешние события, а не на таймер. Можно настроить вебхук так, чтобы, например, новый пул-реквест на GitHub запускал авто-ревью.
Контекст-движки
Контекст-движок управляет тем, как Hermes сжимает историю разговора, когда она подходит к лимиту токенов модели.
- Compressor – по умолчанию. Применяет lossy-суммаризацию к середине длинного разговора (срабатывает примерно на половине окна).
- LCM (Lossless Context Management) – альтернатива с другим подходом: вместо текстового summary строит направленный ацикличный граф для навигации по контексту без потерь. Важная деталь: LCM не встроен в Hermes, а ставится отдельным плагином (
hermes-lcm) и включается в конфиге.
Memory-движки
Внешние провайдеры памяти работают рядом со встроенными локальными файлами Hermes – MEMORY.md и USER.md – и добавляют семантический поиск и графы знаний. Несколько можно настроить прямо в мастере:
- Honcho – строит детальный профиль пользователя, фоновыми LLM-вызовами синтезируя наблюдения по сессиям;
- OpenViking – контекстная база, выстраивающая файловую иерархию знаний с многоуровневым извлечением;
- Mem0 – полностью управляемый облачный сервис памяти с серверным извлечением фактов, семантическим поиском и дедупликацией;
- Hindsight – продвинутая долговременная память на графе знаний (в стиле GraphRAG): вытаскивает сущности из сессий и строит связи;
- Holographic – локальное хранилище фактов на SQLite без внешних зависимостей, с системой доверия к фактам;
- RetainDB – облачный API для командной памяти с гибридным поиском;
- ByteRover – портативная локальная память через CLI, строит иерархическое дерево знаний;
- Supermemory – семантическая долговременная память с графовым API.
Для повседневной работы встроенной локальной памяти большинству достаточно – тяжёлые системы берут реальные ресурсы (особенно RAM для локальных) в обмен на возможности, которые большинству пока не нужны. Как выстроить эти слои памяти так, чтобы агент помнил нужное и не тонул в мусоре, мы разбираем в гайде по архитектуре памяти агента.
Петля самообучения
Это та самая фича, что сильнее всего отличает Hermes от обычного агента: набор асинхронных фоновых процессов, которые постоянно анализируют ваши разговоры, вытаскивают из них полезные паттерны и записывают их в долговременную память и навыки.
Триггеры. Hermes не анализирует каждое сообщение в реальном времени – это жгло бы токены впустую. Вместо этого он держит два счётчика. Триггер памяти срабатывает каждые десять реплик пользователя – проверяет, не появилось ли новых фактов, которые стоит сохранить. Триггер навыков срабатывает примерно каждые десять-пятнадцать итераций инструментов в рамках одного хода: если агент только что продрался через задачу методом проб и ошибок, этот опыт стоит проанализировать и, возможно, превратить в навык.
Фоновый ревью-агент. Снимок разговора уходит в полностью отдельный изолированный процесс, который работает параллельно, не прерывая основную сессию. Он действует в двух направлениях. На декларативной стороне – если замечает новые предпочтения или детали окружения (любовь к Supabase, проект на Python 3.12) – обновляет MEMORY.md и USER.md. На процедурной – если видит, что агент решил нетривиальную задачу, может создать новый навык, отредактировать существующий или дополнить его. Для каждого навыка Hermes ведёт скрытый лог использования: сколько раз навык подгружался и применялся.
Куратор. Без присмотра этот процесс рано или поздно наплодит сотни навыков – часть избыточных, часть устаревших. Куратор не даёт базе знаний деградировать. Он запускается, только когда выполнены два условия сразу: прошло достаточно времени с прошлого запуска (по умолчанию семь дней) и основной агент достаточно долго простаивал (два часа). Перед любыми изменениями он автоматически делает резервную копию всей папки навыков – любой неудачный результат откатывается одной командой.
Работа куратора идёт в две фазы. Первая – чисто механическая, без всякого LLM-вызова: по метрикам использования он помечает навыки, созданные агентом и не использованные дольше 30 дней, и архивирует те, что простаивают дольше 90 дней. Вторая – настоящее LLM-ревью отдельным изолированным агентом на той модели, что задана для роли curator. По каждому навыку куратор решает: оставить как есть, починить, слить с другим о том же или заархивировать. В конце он выдаёт детальный отчёт с картой переименований – что во что превратилось после слияний, чтобы логика каждого решения была полностью прозрачной. Важно: встроенные и установленные из хаба навыки куратор не трогает, а архивы восстановимы – автоудаления не бывает.
Как пользоваться этим хорошо
Облачные агенты вроде Hermes реально полезны для любого процесса, который можно гонять 24/7 (кодинг – заметное исключение), при условии, что вы аккуратно оцифровали этот процесс и собрали под него хороший навык с проверками.
Рабочий цикл, который обычно даёт результат:
- Запишите себя, подробно проходя процесс от начала до конца – лучше через диктовку, чтобы поймать детали.
- Скормите запись или заметки кодинг-агенту со скилл-генератором, чтобы получить первый черновик навыка.
- Встройте evals – эталонные решения, которые задают «правильный исход»: только они дают измерять, работает навык или нет.
- Прогоните навык в тесте и доводите и evals, и сам навык по результатам – большую часть правок делайте руками, а не делегируйте.
- Только когда навык ведёт себя стабильно и предсказуемо, отдавайте его всегда-включённому агенту.
Главная мысль: круг задач, которые можно отдать такому агенту, ограничен не его сырой мощью, а тем, насколько хорошо вы умеете описать работу.
Три принципа держатся во всех сценариях: не отдавайте кодинг бесконтрольному 24/7-агенту, держите человека в петле и проверяйте, что агент реально выдаёт, и относитесь к доводке навыков как к постоянной работе, а не разовой.
Если по этой логике собрать своего агента и поставить ему пару регулярных задач – рутина (сводки, мониторинг, выгрузки) начнёт делаться сама. Как именно строить такой пайплайн – мы по шагам разбираем у нас: про управляющий файл агента это гайд по CLAUDE.md, а про подключение внешних инструментов – гайд по MCP-серверам.
Хочешь развернуть своего агента и поставить рутину на автопилот не в одиночку? В сообществе EdgeLab Space разбираем это на практике – эфиры, шаблоны, поддержка: edgelab.space
FAQ
Что такое Hermes от Nous Research?
Hermes — AI-агент, который живёт на сервере и сам себя улучшает. В гайде — чем он отличается от OpenClaw, установка одной командой, настройка моделей, бэкендов, Telegram и инструментов.
Чем Hermes отличается от других агентов?
Ключевое — петля самообучения: агент работает 24/7 на сервере и улучшает себя. Ради неё его и ставят.
как войти в гермес через подписку openai и claude
«Войти» в Hermes – не отдельный аккаунт Hermes, а подключение модели при первом запуске мастера настройки. Простой путь – Nous Portal: один вход открывает доступ к 300+ моделям, включая Claude и GPT. Модель можно подключить и напрямую – по API-ключу провайдера (Anthropic, OpenAI, OpenRouter и другие). Прямого входа по вашей потребительской подписке ChatGPT или Claude у Hermes нет: модель подключается через Nous Portal или по API-ключу либо аккаунту провайдера – точный способ смотрите в документации Hermes.
что такое hermes ai
Open-source агент от Nous Research: живёт на сервере, работает постоянно, общение через мессенджер, встроенная петля самообучения – сам дописывает свою память и навыки. Ставится одной командой на недорогой VPS.
hermes работает на моей подписке claude или openai
Hermes не привязан к одной подписке: он подключается к моделям через Nous Portal (единый вход, 300+ моделей, включая Claude и GPT) или напрямую по API-ключам провайдеров. Так что доступны и Claude, и GPT – подключение идёт через Nous Portal или по API-ключу/аккаунту провайдера, а не напрямую от потребительской подписки.
hermes это бесплатно
Сам Hermes – да: open-source под MIT, установка ничего не стоит. Платите за две вещи: сервер, где агент крутится (подойдёт VPS от пары долларов в месяц), и за модель – через подписку или по API-ключу. У Nous Portal есть бесплатный тариф и платные уровни поверх него.
