Nous Research, стартап из Остина с $70M финансирования, выпустил Hermes Agent — open-source AI-агент, который учится на собственном опыте и выстраивает модель пользователя между сессиями. 8 апреля вышла версия v0.8.0 с 209 мёрдж-реквестами и 82 закрытыми issue.

Что такое Hermes Agent

Главная идея — замкнутый цикл обучения (closed learning loop). Агент не просто выполняет команды: он создаёт навыки (skills) из сложных задач, улучшает их при повторном использовании, сохраняет знания в постоянную память и строит психологический профиль пользователя через систему Honcho.

ℹ Что такое Honcho?
Honcho — библиотека памяти от Plastic Labs, которая использует диалектическое моделирование (dialectic reasoning). После каждого разговора система анализирует диалог и формирует «выводы» о предпочтениях, привычках и целях пользователя. Со временем эти выводы накапливаются, давая агенту понимание, выходящее за рамки сказанного напрямую.

Архитектура обучения


graph TD
    A[Диалог с пользователем] --> B[Выполнение задачи]
    B --> C{Задача сложная?}
    C -->|Да| D[Создание нового skill]
    C -->|Нет| E[Сохранение в память]
    D --> F[Skill Hub — agentskills.io]
    E --> G[FTS5 полнотекстовый поиск]
    G --> H[Кросс-сессионный recall]
    F --> I[Повторное использование]
    I --> J[Самоулучшение skill]
    J --> I
    H --> A

Навыки совместимы со стандартом Agent Skills — открытой спецификацией, которую изначально разработала Anthropic, а сейчас поддерживают OpenAI, Cursor, GitHub Copilot, Gemini CLI и десятки других агентных платформ.

Ключевые возможности

ВозможностьДетали
Модели200+ через OpenRouter, Nous Portal, OpenAI, Google AI Studio, z.ai/GLM, Kimi, MiniMax
ПлатформыCLI, Telegram, Discord, Slack, WhatsApp, Signal, Email
ИнфраструктураЛокально, Docker, SSH, Daytona, Singularity, Modal
ПамятьFTS5-поиск, Honcho-профилирование, кросс-сессионный контекст
АвтоматизацияВстроенный cron-планировщик с доставкой на любую платформу
ПараллелизмИзолированные субагенты, Python RPC для пайплайнов
RL-исследованияГенерация траекторий, Atropos RL-среды, сжатие для обучения
💡 Серверless-режим
Бэкенды Daytona и Modal поддерживают серверless-персистентность: окружение агента «засыпает» при простое и «просыпается» по запросу. Между сессиями затраты практически нулевые — можно запустить на VPS за $5/месяц.

Что нового в v0.8.0

Релиз от 8 апреля получил название «The Intelligence Release»:

  • Background-уведомления — агент сам узнаёт о завершении фоновых процессов (обучение модели, тесты, деплой) без поллинга
  • Переключение модели на лету — смена провайдера и модели прямо из CLI, Telegram или Discord с интерактивным выбором
  • Google AI Studio — нативная поддержка Gemini с автоопределением длины контекста через models.dev
  • MCP OAuth 2.1 — безопасное подключение внешних MCP-серверов
  • Бесплатный MiMo v2 Pro — модель Xiaomi доступна на Nous Portal для вспомогательных задач (сжатие, vision, суммаризация)

Hermes Agent — один из первых open-source агентов, где самообучение не маркетинговый термин, а работающий цикл: задача → навык → улучшение → переиспользование.

Установка

Установка в одну строку для Linux, macOS и WSL2:

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermes          # запуск
hermes setup    # мастер настройки
hermes model    # выбор модели
⚠ Windows
Нативная Windows не поддерживается. Нужен WSL2. На Android работает через Termux, но с ограничениями — голосовые зависимости пока несовместимы.

Контекст для отрасли

Hermes Agent появился на волне интереса к персистентным агентам — системам, которые сохраняют контекст и навыки между сессиями. В отличие от Claude Code или Codex CLI, которые привязаны к конкретным провайдерам, Hermes работает с любым LLM-бэкендом и любой инфраструктурой.

Nous Research — не новичок в open-source AI. Компания известна семейством моделей Hermes 4, которые, по заявлениям разработчиков, конкурируют с проприетарными системами при минимальных ограничениях контента. С привлечением $70M (раунд возглавил Paradigm) Nous наращивает экосистему: модели, агенты, RL-фреймворк Atropos и собственный портал для инференса.

Проект распространяется под лицензией MIT. Код, документация и Skills Hub доступны на GitHub.