О Р А Н Ж Е В А Я К Н И Г А

Hermes Agent: Полное руководство

Первый AI-агент, который поставляется со встроенными «вожжами». Практическое руководство по фреймворку с открытым исходным кодом от Nous Research.

Агент, который растет вместе с вами

Ключевые слова: Самообучающийся агент · Межсессионная память · Система навыков · MCP · Мультиплатформенность

Для: Разработчиков и энтузиастов AI, желающих создать своего персонального AI-агента Версия: v260408

HuaShu

WeChat: 花叔 · Bilibili: AI进化论-花生

Основано на Hermes Agent v0.7.0. Инструменты AI быстро развиваются — некоторое содержимое может меняться в будущих версиях. За актуальной информацией обращайтесь к официальной документации.

Содержание

ОГЛАВЛЕНИЕ

Часть 1: Концепции

• §01 Не очередной агент: От «Уздечки» к Hermes
• §02 Hermes Agent с первого взгляда: 60 секунд на понимание

Часть 2: Основные механизмы

• §03 Цикл обучения: Агент, который строит свои собственные «вожжи»
• §04 Трехуровневая память: От золотой рыбки к старому другу
• §05 Система навыков: Саморазвивающиеся способности
• §06 40+ инструментов и MCP: Подключите всё

Часть 3: Практическая настройка

• §07 Установка и конфигурация: Три способа
• §08 Первый разговор: Позвольте Hermes узнать вас
• §09 Мультиплатформенный доступ: Найдите его везде
• §10 Пользовательские навыки: Научите Hermes новым трюкам
• §11 Интеграция MCP: Подключите свой стек инструментов

Часть 4: Реальные сценарии

• §12 Персональный ассистент знаний: Сила межсессионной памяти
• §13 Автоматизация разработки: От ревью кода до деплоя
• §14 Создание контента: От исследования до черновика
• §15 Оркестрация мульти-агентов: Запустите трех лошадей одновременно

Часть 5: Глубокие размышления

• §16 Hermes vs OpenClaw vs Claude Code: Это не выбор
• §17 Границы самообучающихся агентов: Как далеко это может зайти

§01 Не очередной агент: От «Уздечки» к Hermes

Не очередной агент: От «Уздечки» к Hermes

Ажиотаж вокруг OpenClaw еще не утих, а тут появляется Hermes Agent. Это не «еще один инструмент для агентов» — это первый раз, когда концепция Harness Engineering (Инженерия упряжи) была превращена в продукт.

Еще один?

Я понимаю. Вы устали.

OpenClaw положил начало «лобстерной лихорадке» в конце 2025 года. 26 миллионов пользователей. Каждая крупная технологическая компания в Китае бросилась создавать свой собственный продукт, похожий на лобстера. Ваши ленты в соцсетях, вероятно, были заполнены постами «Я выращиваю лобстера» в течение нескольких недель. И теперь, прежде чем лобстерная лихорадка полностью утихла, появляется что-то новое.

В феврале 2026 года Nous Research выпустила Hermes Agent. Менее чем за два месяца количество звезд на GitHub превысило 27 000.

Ваша первая реакция, вероятно: «Я все еще не разобрался с лобстером, а теперь это?»

Я потратил неделю, разбирая Hermes сверху донизу, и обнаружил, что он идет совершенно другим путем, чем OpenClaw. Hermes — это не очередной лобстер. Он создает то, о чем мы говорили уже некоторое время, но никто так и не выпустил в качестве продукта.

Что такое Harness Engineering

Если вы читали предыдущую оранжевую книгу «Harness Engineering», можете пропустить эту часть. Если нет, вот версия на 30 секунд.

В начале 2026 года в мире AI-кодинга возник консенсус: узким местом является не модель, а окружение. Команда LangChain провела эксперимент, используя одну и ту же модель (GPT-5.2-Codex), но изменяя только конфигурацию окружающей «упряжи» (harness). Результаты подскочили с 52,8% до 66,5%, рейтинг поднялся с Top 30 до Top 5. Ни одной строки кода модели изменено не было.

Митчелл Хашимото (создатель Terraform) первым назвал это: Harness Engineering. Его подход был прямолинейным — каждый раз, когда AI совершал ошибку, он добавлял правило, чтобы та же ошибка не повторилась. Файл был живым, постоянно растущим.

В той книге я разбил «Упряжь» на пять компонентов. Эти пять компонентов — ключ к пониманию Hermes.

Сопоставление пяти компонентов

Harness Engineering — это методология. Она говорит вам: «Какую упряжь вы должны построить для своего AI». Но у методологий есть проблема: исполнение полностью ручное. Вы должны сами писать CLAUDE.md, сами настраивать хуки, сами строить систему памяти, сами проектировать рабочие процессы.

Что сделал Hermes: встроил все пять компонентов.

Посмотрите на левую колонку в сравнении с правой. Левая сторона — всё вручную. Вам нужно быть опытным инженером, чтобы это настроить. Правая сторона — готова к работе сразу после установки.

Это фундаментальное различие между Hermes и OpenClaw. OpenClaw дает вам систему «конфигурация-как-поведение»: вы пишете SOUL.md, и он становится тем, кем вы хотите. Его система памяти способна (Daily Logs + MEMORY.md + семантический поиск), а экосистема навыков огромна, но навыки в основном пишутся и поддерживаются вручную. Hermes имеет все пять измерений, встроенных «из коробки», и они работают автоматически.

Соединяя точки: Если вы использовали CLAUDE.md + хуки + память от Claude Code, вы уже занимались Harness Engineering вручную. То, что делает Hermes, превращает этот ручной процесс в автоматизированную систему. От «вы строите упряжь для AI» до «AI строит свою собственную упряжь».

Почему Nous Research создала это

Команда, стоящая за Hermes Agent, — это не большая компания, а исследовательская лаборатория AI с открытым исходным кодом.

Nous Research описывают как «таинственную силу в сообществе open-source». Ключевая фигура, Teknium, соучредитель лаборатории и руководитель пост-тренировки. На ранних этапах они полагались на Redmond AI для вычислений, и команда всегда была небольшой. Тем не менее, семейство моделей Hermes, которое они выпустили (от Hermes 3 8B/70B/405B до Hermes 4 14B/70B/405B), достигло производительности передового уровня только за счет пост-тренировки. Никакого обучения с нуля, не требуется огромного бюджета на вычисления.

Эта философия переходит и на Hermes Agent: используя инструменты с открытым исходным кодом + любой LLM API, даже отдельные лица могут развертывать AI-агентов, которые конкурируют с коммерческими решениями. Лицензия MIT, полностью открытый исходный код.

Их основные принципы довольно ясны. Контроль пользователя превыше всего. Модель управляема — вы можете настраивать ее поведение по мере необходимости, свободное от корпоративных политик контента. Они явно не занимаются цензурой, заявляя, что модель «не обременена цензурой, нейтрально выровнена». В то же время они не идут на компромисс в производительности творчества, математики, кодинга или рассуждений.

Эти принципы сформировали дизайн-философию Hermes Agent: он не принимает решения за вас — вы устанавливаете правила, он учится правилам, а затем становится все лучше и лучше. Контроль остается у пользователя; система берет на себя сложность выполнения.

Не замена, а прогрессия

Существует распространенное заблуждение: Hermes пришел на смену Claude Code или OpenClaw. Это не так. Эти три инструмента решают проблемы на разных уровнях.

Claude Code занимается интерактивным кодингом. Вы сидите в терминале, обмениваясь мнениями, сотрудничая в реальном времени. Это ваш партнер по парному программированию.

OpenClaw занимается «конфигурацией-как-поведением». Вы пишете SOUL.md, и он становится тем, кем вы хотите. Конфигурация прозрачна, экосистема зрелая, с более чем 5 700 навыками сообщества на ClawHub.

Hermes занимается автономной фоновой работой + самоулучшением. Вам не нужно сидеть рядом с ним. Он работает сам по себе, учится сам по себе, развивается сам по себе. Онлайн 24/7, доступен в любое время через Telegram или Discord.

Интересный момент: все три инструмента используют стандарт agentskills.io, поэтому навыки взаимозаменяемы. Навык, который вы написали в Claude Code, работает и в Hermes, и наоборот. Это не три параллельные линии — скорее, три роли с разными задачами в одной экосистеме.

Ключевая рекомендация

Если вы просто пишете код, Claude Code более чем достаточно. Если вы хотите фонового агента 24/7, который следит за вашими задачами и становится умнее самостоятельно, тогда вам стоит обратить внимание на Hermes.

Поставляется со встроенной упряжью

Вернемся к вопросу, с которого мы начали: почему на этот раз все иначе?

Лобстерная лихорадка научила обычных пользователей кое-чему: AI может быть «тем, кого ты выращиваешь», а не просто «тем, что ты открываешь и используешь». SOUL.md, система памяти и персонализация OpenClaw позволили людям впервые испытать, что такое «мой AI» на самом деле.

Но владельцы лобстеров также обнаружили проблему: вам нужно построить всю упряжь самостоятельно. Писать SOUL.md, вручную настраивать навыки, периодически чистить память. Лобстер становится лучше с использованием, но только если вы готовы тратить время на его кормление.

Hermes использует другой подход: упряжь встроена в заводские настройки, и она растет сама по себе.

С самого первого разговора Hermes начинает автоматически записывать в память, извлекать навыки и оптимизировать рабочие процессы. Чем дольше вы его используете, тем глубже его понимание вас, тем выше качество его работы. Вы не обучаете его — он обучает себя сам.

Hermes — это первый агент, который поставляется со встроенной упряжью. И упряжь растет сама по себе.

§02 Hermes Agent с первого взгляда: 60 секунд

Hermes Agent с первого взгляда: 60 секунд

Одна блок-схема, один набор цифр, одна сравнительная таблица. После этих трех вещей вы будете знать, что такое Hermes.

Архитектура на одной картинке

Архитектуру Hermes Agent можно выстроить в одну линию:

—– Начало текста картинки —– Цикл обучения → Трехуровневая память → Система навыков → 40+ инструментов → Мультиплатформенный шлюз —– Конец текста картинки —–

Слева направо, задача каждого модуля в одном предложении:

Цикл обучения — это сердце Hermes. После завершения каждой задачи он автоматически проводит ретроспективу: что следует запомнить, какие навыки следует извлечь, нуждаются ли существующие навыки в оптимизации. Этот цикл работает непрерывно — вам никогда не нужно запускать его вручную.

Трехуровневая память — это мозг Hermes. Сессионная память помнит «что только что произошло», постоянная память помнит «кто вы и что вы любите», а память навыков помнит «как делать дела». У каждого уровня своя задача, они хранятся в индексах SQLite + FTS5 и извлекаются по запросу, а не загружаются все сразу.

Система навыков — это библиотека навыков Hermes. Каждый навык — это отдельный markdown-файл, хранящийся в каталоге ~/.hermes/skills/. Есть три источника: встроенные в репозиторий, созданные самим агентом или установленные из общедоступного хаба. Ключевая особенность: навыки не статичны — они самоулучшаются в процессе использования.

40+ встроенных инструментов — это руки и ноги Hermes. Пять категорий: выполнение (запуск кода, работа с файлами), информация (поиск, скрапинг), медиа (изображения, видео), память (чтение/запись в хранилище) и координация (делегирование суб-агентам). Плюс интеграция MCP, подключающаяся к 6 000+ внешних приложений.

Мультиплатформенный шлюз — это входная дверь Hermes. Telegram, Discord, Slack, WhatsApp, Signal, CLI — 14 поддерживаемых платформ. Вы можете отправить ему сообщение в Telegram, он обработает его в фоновом режиме на вашем VPS, и разговоры остаются непрерывными на всех платформах.

Ключевые цифры

Версия v0.7.0, выпущена 3 апреля 2026 года. Несколько цифр, на которые стоит обратить внимание:

27 000+ звезд за два месяца — это быстро. Имейте в виду, OpenClaw достиг своего нынешнего масштаба только благодаря вирусности лобстерной лихорадки в соцсетях. Hermes достиг этих цифр без какого-либо сопоставимого вирусного эффекта, что говорит о том, что сообщество разработчиков искренне считает, что он решает реальную проблему.

Ключевые отличия от OpenClaw

После лобстерной лихорадки вопрос, который задают все: в чем на самом деле разница между Hermes и OpenClaw?

Два самых больших разрыва — это способность к обучению и моделирование пользователя. Навыки OpenClaw в основном пишутся и настраиваются вручную — их эволюция зависит от сообщества и активного обслуживания пользователями. Чем дольше вы используете Hermes, тем точнее становятся его навыки, тем глубже его память, тем плавнее выполнение.

Но у OpenClaw есть то, с чем Hermes не может сравниться: зрелость экосистемы. 5 700+ навыков сообщества на ClawHub с готовыми решениями для всевозможных сценариев. Сообщество Hermes все еще находится на ранней стадии. Сетевые эффекты от 26 миллионов пользователей во время лобстерной лихорадки дали OpenClaw огромное преимущество, которое одни только технологии не могут преодолеть.

Различие в одной строке: OpenClaw — это лобстер, которого вы выращиваете сами. Hermes — это лобстер, который растет сам по себе. Один зависит от вашего тщательного кормления; другой учится на собственном опыте.

$5 — и вы в деле

Стоимость — это то, о чем многие беспокоятся. Ответ может вас удивить.

Сам Hermes бесплатен, с открытым исходным кодом по лицензии MIT. Вы платите только за вызовы LLM API. Стоимость развертывания зависит от выбранной конфигурации:

Самый дешевый вариант: любой VPS за $5/месяц (Hetzner CX22 стоит около $4/месяц; DigitalOcean, Vultr тоже подойдут), Ubuntu 22.04. Без запуска локального LLM использование памяти остается ниже 500 МБ. В паре с OpenRouter, использующим Claude Haiku или DeepSeek, затраты на API также остаются низкими.

Еще дешевле: Serverless. Используйте Daytona или Modal в качестве бэкенда — среда «засыпает» в простое и автоматически «просыпается» при поступлении сообщения. Затраты в межсессионный период практически равны нулю.

Для тех, кто заботится о конфиденциальности: Запустите Ollama на вашем VPS с локальной моделью с открытым исходным кодом 8B или 70B. Затраты на API равны нулю, но вам понадобится более мощный VPS (рекомендуется 16 ГБ+ ОЗУ).

Независимо от выбранного варианта, VPS за $5 + Telegram Bot дают вам персонального AI-агента, работающего 24/7. Это соотношение цены и производительности намного превосходит коммерческие решения для агентов по подписке.

Ключевая рекомендация

Для сравнения: подписка Claude Code Pro стоит $20/месяц, подписка Max — $200/месяц. При настройке Hermes с VPS за $5 + затраты на API, ежемесячные расходы для большинства случаев использования остаются ниже $10. Конечно, они позиционируются по-разному, поэтому прямое сравнение цен не совсем корректно — но порог входа, несомненно, намного ниже.

Для кого эта книга

Последний вопрос: для вас ли эта книга?

Если к вам относится что-либо из перечисленного, читайте дальше:

Вы использовали Claude Code или OpenClaw и хотите получить Агента, способного автономно выполнять фоновые задачи. Не те, за которыми нужно сидеть и наблюдать, — а те, которые продолжают работать, пока вы спите.

Вы знаете о Harness Engineering и хотите посмотреть, как выглядит эта методология, когда она превращается в продукт.

Вы хотите развернуть частного AI-Агента на собственном VPS, где ваши данные никогда не покидают ваш сервер.

Вам просто интересно, что именно сделал правильно open-source проект, набравший 27 000+ звёзд за два месяца.

В следующих главах мы начнём с Обучающего цикла и будем слой за слоем разбирать ключевые механизмы Hermes.

§03 Обучающий цикл: Самообучающийся Агент

Обучающий цикл: Самообучающийся Агент

Самое удивительное в Hermes Agent — не то, что он может делать, а то, что он меняется. Чем больше вы его используете, тем лучше он становится. Это не маркетинговый трюк. Это наблюдаемый, проверяемый механизм с замкнутым циклом.

Начнём с реального сценария

Представьте, что вы впервые просите Hermes написать Python-скрипт. Вы говорите: напиши мне парсер, который собирает заголовки и краткие описания с определённого сайта.

Он выдаст рабочий скрипт. Но стиль может не совпадать с вашими предпочтениями, имена переменных — не соответствовать вашим соглашениям, обработка ошибок — отличаться от вашей. Всё нормально — он вас ещё не знает.

К десятому разу всё будет иначе. Он будет знать, что вы предпочитаете httpx, а не requests. Что вы любите записывать логи ошибок в файл, а не выводить в терминал. Что структура вашего проекта обычно организована по модулям в каталоге src/. Что вы ненавидите длинные функции.

Никто не учил его этому. Он разобрался сам.

Вот что делает Обучающий цикл.

Пять шагов, один замкнутый цикл

Обучающий цикл Hermes состоит из пяти шагов. По отдельности каждый из них несложен, но вместе они образуют непрерывный маховик улучшений.

Выглядит как пять независимых функций? На самом деле между ними есть причинно-следственные связи. Память предоставляет сырой материал для создания навыков. Навыки накапливают обратную связь в процессе использования, что запускает самоулучшение. FTS5 обеспечивает точный поиск исторического опыта. Моделирование пользователя собирает эти фрагменты в целостную картину. Разберём каждый по порядку.

Шаг первый: Курирование памяти

После каждого разговора Hermes активно решает, что стоит запомнить. Активно решает — а не пассивно сохраняет.

Традиционная память разговоров — это грубая сила: запихнуть всю историю чата в контекстное окно. Чем больше вы общаетесь, тем длиннее контекст, пока он не переполнится. Это как если бы человек пытался удерживать в уме весь свой жизненный опыт одновременно. Обычные люди так не могут.

Hermes работает скорее как человек, ведущий дневник. После каждого разговора он оглядывается назад: о чём это было? Были ли какие-то новые открытия? Выразил ли пользователь какие-то предпочтения? Затем он записывает то, что стоит сохранить, в базу данных SQLite с полнотекстовым индексированием FTS5.

В системе также есть механизм периодических напоминаний, который побуждает Агента просматривать недавние взаимодействия. Примерно как приложение-дневник, отправляющее уведомление: есть что записать сегодня?

Шаг второй: Автономное создание навыков

Когда Hermes завершает достаточно сложную задачу, он задаёт себе вопрос: будет ли это решение полезно снова в будущем?

Если ответ «да», он превращает решение в файл Навыка и сохраняет его в ~/.hermes/skills/. Этот Навык — markdown-файл, содержащий описание задачи, шаги выполнения и моменты, на которые стоит обратить внимание.

Вот пример: вы просите Hermes очистить CSV-файл и импортировать его в базу данных. После завершения он может создать Навык с именем csv-to-database.md, в котором записаны типичные шаги по очистке данных, предпочитаемый вами способ подключения к базе данных и правила проверки полей, которые вам обычно нужны.

В следующий раз, когда вы скажете «импортируй этот CSV», он не начнёт с нуля. Он загрузит этот Навык и будет следовать уже проверенному вами подходу.

Шаг третий: Самоулучшение навыков

Создание Навыка — это не конец. Каждый раз, когда он используется и вы даёте обратную связь, Hermes принимает эту обратную связь и изменяет сам Навык.

Предположим, вы говорите ему: «этот скрипт импорта должен сначала проверять, существует ли таблица». Hermes не просто добавляет проверку в этот раз — он возвращается и редактирует файл Навыка, вписывая это правило. В следующий раз, когда Навык будет использован, проверка будет включена по умолчанию.

Этот процесс очень напоминает непрерывное улучшение в разработке программного обеспечения. Каждый раз, когда возникает инцидент в продакшене, вы не просто исправляете его — вы обновляете документацию и стандарты, предотвращая повторение проблемы того же класса.

Ключевое различие: у традиционных AI-инструментов память — это накопление логов разговоров. Память Hermes — это дистилляция опыта. Одно — видеокассета, другое — записная книжка. Видеокассеты становятся всё длиннее, пока не переполнятся; записной книжкой можно пользоваться бесконечно.

Шаг четвёртый: FTS5-поиск между сессиями

Запоминать всё — это одно. Настоящий фокус — найти нужную информацию в нужный момент.

Hermes использует расширение FTS5 от SQLite для полнотекстового индексирования. Перед каждым новым разговором он ищет в исторической памяти на основе текущей темы и загружает в контекст только релевантные части. Не всю историю — только то, что нужно.

Это важнее, чем кажется. Большинство AI-инструментов либо не помнят, что вы сказали в прошлый раз, либо сваливают всё в кучу и замедляются до черепашьей скорости. Подход Hermes: задайте вопрос о базе данных — он ищет воспоминания, связанные с базами данных; задайте вопрос о фронтенде — ищет воспоминания о фронтенде. Как хорошо организованная система заметок с оглавлением и указателем — вы ищете то, что вам нужно.

У FTS5 есть ещё одно преимущество: он полностью локальный. Ваши данные памяти не нужно загружать на какой-либо сервер — они все в локальном файле SQLite. Когда вы переезжаете на другую машину, просто скопируйте каталог ~/.hermes/.

Шаг пятый: Моделирование пользователя

Последний шаг — моделирование пользователя с помощью Honcho, опциональная внешняя интеграция. Его задача выходит за рамки запоминания того, что вы сказали: он делает выводы о том, что вы за человек.

После каждого разговора Honcho анализирует обмен и выводит ваши предпочтения, привычки и цели. Эти выводы — не просто записи того, что вы сказали, а более глубокие паттерны, обобщённые на основе вашего поведения.

Например, вы никогда прямо не говорили «я предпочитаю лаконичный стиль кода», но Honcho сделал этот вывод, проанализировав паттерны того, как вы изменяете код в течение нескольких сессий. В следующий раз при генерации кода он по умолчанию выберет лаконичный подход. Мы подробнее рассмотрим 12-уровневую модель идентификации Honcho в следующей главе.

Философия Митчелла Хашимото, автоматизированная

Если вы читали оранжевую книгу Harness Engineering, вы, возможно, помните подход Митчелла Хашимото. При использовании Claude Code у него была привычка: каждый раз, когда Агент ошибался, он добавлял правило в CLAUDE.md.

«Не используй тип any в этом проекте». «Помещай тестовые файлы в каталог tests, а не в src». «Пиши сообщения коммитов на английском, начиная с глагола».

По одному правилу за раз. Через несколько недель CLAUDE.md превратился в невероятно подробную спецификацию проекта. Агент перешёл от неопытного новичка к ветерану, знающему все неписаные правила проекта. Митчелл говорил, что это было похоже на обучение нового члена команды.

Hermes делает по сути то же самое, но автоматически.

Вам не нужно вручную писать CLAUDE.md. Вам не нужно самому обобщать правила после каждой ошибки. Hermes наблюдает сам, обобщает сам, пишет Навыки сам и применяет эти правила сам в следующий раз.

Конечно, автоматизация не означает совершенства. Правила, написанные Митчеллом вручную, как правило, более точны, потому что люди лучше понимают свои собственные потребности. Автоматически сгенерированные правила Hermes могут потребовать доработки, могут быть ошибочными. Но вот в чём дело: это снижает барьер до нуля. Не у всех есть терпение Митчелла поддерживать тонко настроенный файл правил. Hermes позволяет тем, кто не хочет возиться с конфигурацией, всё равно наслаждаться опытом «становится лучше с использованием».

Эффект ускорения маховика

Ни один из пяти шагов по отдельности не является новым. Память, Навыки, поиск, профилирование пользователя — всё это уже было в области AI.

Инновация Hermes в том, что они соединены в замкнутый цикл. Память питает создание Навыков. Использование Навыков порождает новые воспоминания. Новые воспоминания запускают улучшение Навыков. Улучшенные Навыки дают лучшие результаты. Лучшие результаты делают моделирование пользователя более точным. Более точное профилирование делает следующий раунд курирования памяти более целенаправленным.

Это петля положительной обратной связи. Чем больше вы используете, тем сильнее становится каждый шаг — и они усиливаются одновременно. Как маховик Amazon: больше пользователей приносят больше данных, больше данных дают лучшие рекомендации, лучшие рекомендации привлекают больше пользователей.

Разница в том, что маховик Hermes вращается для одного пользователя. Ему не нужны данные миллионов пользователей для улучшения — только ваша собственная история использования. Используйте его три-пять дней, и вы заметите явную разницу.

Ключевая рекомендация

Эффективность Обучающего цикла напрямую связана с частотой его использования. Если вы используете его только раз или два в неделю, улучшение будет медленным. Но если вы сделаете его своим ежедневным рабочим партнёром, используя каждый день, маховик будет вращаться замечательно быстро. Вот почему Hermes особенно хорошо подходит для развёртывания на VPS за $5, работающем 24/7 — пусть он продолжает накапливать опыт.

Что это значит

Вернёмся к названию: Агент строит свою собственную упряжь.

В Harness Engineering упряжь создаётся человеком. Вы пишете CLAUDE.md, настраиваете хуки, проектируете механизмы обратной связи. Всё это требует постоянных вложений человека.

Подход Hermes: позволить Агенту плести свою собственную упряжь во время работы. Когда он отклоняется от курса, он сам исправляется и запоминает урок. Когда он находит хороший метод, он превращает его в Навык для будущего использования. Когда он встречает нового пользователя, он строит свою собственную модель понимания.

Это не значит, что человек полностью исключён. Вы можете вручную редактировать файлы Навыков в любое время, удалять неподходящие воспоминания, корректировать профиль пользователя. Но по умолчанию система самоуправляема.

В следующей главе мы рассмотрим самую критическую инфраструктуру в этом цикле: трёхуровневую систему памяти. Если Обучающий цикл — это двигатель, то память — это топливо.

§04 Трёхуровневая память: От золотой рыбки к старому другу

Трёхуровневая память: От золотой рыбки к старому другу

У большинства AI-инструментов для чата память как у золотой рыбки — что было сказано в прошлый раз, забыто к следующему. Hermes стремится быть старым другом: тем, кто помнит, что вы сказали, знает, что вы за человек, и усвоил, как вы любите делать дела.

Почему память — самая сложная проблема

Вы можете подумать, что AI-память — это просто сохранение логов чата. Сохранить их, загрузить в следующий раз, готово.

Не всё так просто. Активный пользователь общается со своим AI на тысячи слов в день. Это десятки тысяч в месяц. Запихнуть всё это в контекстное окно — и оно либо не поместится, либо модель станет медлительной от информационной перегрузки. И большая часть лога чата — это шум и повторения; действительно ценная информация может составлять всего 10%.

Хорошая память — это не о том, чтобы хранить больше, а о том, чтобы находить то, что важно.

Hermes решает эту проблему с помощью трёхуровневой архитектуры, где каждый уровень обрабатывает свой тип памяти.

Уровень первый: Память сессии

Память сессии отвечает на вопрос: что произошло?

Содержание каждого разговора, вызовы инструментов и возвращаемые результаты записываются в базу данных SQLite с индексированием полнотекстового поиска FTS5. Это эпизодическая память, аналог гиппокампа в человеческом мозге.

Ключевое проектное решение — поиск по запросу, а не загрузка всего. Когда начинается новый разговор, Hermes не забивает всю прошлую историю разговоров в контекст. Он ищет релевантные исторические фрагменты с помощью FTS5 на основе текущей темы, загружая только то, что нужно.

Преимущества этого подхода:

FTS5 — это расширение полнотекстового поиска SQLite — не требуется установка дополнительной базы данных. Все данные хранятся в локальных файлах SQLite, нет сетевой зависимости, нет проблем с конфиденциальностью. Ваша память разговоров никогда не покидает вашу машину.

Уровень второй: Постоянная память

Постоянная память отвечает на вопрос: кто вы?

Этот уровень не хранит содержимое разговоров — он хранит долговременное состояние, извлечённое из разговоров. Такие вещи, как ваши предпочтения в кодировании, привычки в структуре проектов, часто используемый инструментарий, паттерны рабочего графика. Они сохраняются между сессиями и не исчезают, когда вы начинаете новый разговор.

Технически постоянная память также хранится в SQLite и управляется через инструмент memory. Всё решение находится на уровне файлов: никаких внешних серверов, никакой облачной синхронизации, данные живут в каталоге ~/.hermes/.

Это означает, что вы можете:

• Сделать резервную копию ~/.hermes/ на USB-накопитель и продолжить работу на другой машине
• При развёртывании с Docker смонтировать каталог /opt/data на хост-машину для сохранения состояния
• Синхронизировать между устройствами с помощью облачного хранилища (реальная синхронизация SQLite в реальном времени не рекомендуется, но периодическое копирование работает отлично)

Портативность — недооценённая функция. Многие AI-инструменты блокируют вашу память в облаке — смените инструмент и начинайте с нуля. Память Hermes — это ваши собственные файлы, переносимые как угодно.

Уровень третий: Память навыков

Память навыков отвечает на вопрос: как делать дела?

Первые два уровня запоминают, что произошло и кто вы. Третий уровень запоминает методологии и ~ операционные процедуры. Каждый Навык — это markdown-файл в /.hermes/skills/, читаемый и редактируемый человеком.

Эти три уровня соответствуют трем типам памяти в когнитивной науке:

Эпизодическая память → Что произошло

—– Начало текста картинки —–
Семантическая память Процедурная память
→
Каков мир на самом деле Как делать дела
—– Конец текста картинки —–

Обучение езде на велосипеде — это работа всех трех уровней вместе: вы помните, как упали в прошлый раз (эпизодическая), вы знаете, что нужно держать центр тяжести низко (семантическая), и ваше тело автоматически балансирует (процедурная). Hermes обрабатывает задачи так же: он помнит, как вы редактировали код в прошлый раз, знает ваши предпочтения и имеет под рукой проверенный план выполнения.

Три уровня в действии: Вы говорите «помоги развернуть этот проект». Hermes сначала ищет в памяти сессии с помощью FTS5, находит конфликт портов, с которым вы столкнулись при последнем развертывании (эпизодическая). Затем он проверяет постоянную память, зная, что вы используете Alibaba Cloud ECS с Nginx reverse proxy (семантическая). Наконец, он загружает Навык deployment-checklist и выполняет шаги, которые вы уже подтвердили (процедурная). Каждый уровень делает свое дело.

Honcho: Знает вас лучше, чем вы сами

Помимо трех локальных уровней памяти, у Hermes есть дополнительный модуль: система моделирования пользователя Honcho, разработанная Plastic Labs.

Что делает Honcho, выходит за рамки простого запоминания того, что вы сказали. Он выводит ваши характеристики как личности. Официальный термин — диалектическое моделирование пользователя, охватывающее 12 слоев идентичности.

Что на самом деле означают эти 12 слоев? Давайте проиллюстрируем сценарием.

Скажем, вы просили Hermes писать Python-скрипты каждый день в течение трех недель подряд. За это время Honcho может вывести:

• Технический уровень: Вы не полный новичок, но и не эксперт. Вы можете читать код, но с трудом пишете его с нуля
• Рабочий ритм: Вы обычно активны с 9 до 11 вечера, вероятно, личный проект после работы
• Стиль общения: Вы предпочитаете сначала видеть результаты, а потом спрашивать о принципах; не любите длинных объяснений
• Вывод о целях: Вы, вероятно, работаете над проектом по анализу данных, так как последние задачи вращаются вокруг обработки данных
• Эмоциональные паттерны: Вы немного расстраиваетесь, когда код выдает ошибки; в такие моменты лучше работают краткие, прямые ответы
• Противоречия в предпочтениях: Вы говорите, что хотите подробных комментариев, но когда вы на самом деле просматриваете код, вы их никогда не читаете

Обратите внимание на последний пункт. Honcho улавливает несоответствия между тем, что вы говорите, и тем, что вы делаете. Ваши заявленные предпочтения и ваши выявленные предпочтения могут различаться — диалектическое моделирование уделяет внимание и тем, и другим.

Эти выводы внедряются в последующие промпты разговора как невидимый контекст. Вы не видите эту информацию, но чувствуете, что Hermes становится более настроенным на вас.

Сравнение с авто-памятью Claude Code

У Claude Code тоже есть система памяти: файлы CLAUDE.md и авто-память. Как они соотносятся с памятью Hermes?

У них разные философии дизайна. CLAUDE.md от Claude Code следует модели «человек пишет, ИИ выполняет» — плюс в полном контроле человека, минус в необходимости постоянного обслуживания. Hermes следует модели «ИИ пишет, человек проверяет» — плюс в низком пороге входа и высокой автоматизации, минус в том, что автоматически сгенерированный контент может быть не всегда точен.

Что лучше, зависит от сценария использования. Если вы активный пользователь Claude Code, потративший недели на тщательную настройку своего CLAUDE.md, ваша ручная настройка может быть точнее того, что генерирует Hermes. Но если вы не хотите тратить время на поддержание конфигурационных файлов, полностью автоматизированный подход Hermes действительно проще.

Память — не серебряная пуля

После всех хороших вещей давайте поговорим об ограничениях.

Что следует запоминать:

• Предпочтения и привычки пользователя (стиль кода, выбор инструментов, стиль общения)
• Контекст проекта (архитектурные решения, технологический стек, структура файлов)
• Проверенные решения (Навыки)
• Повторяющиеся паттерны (например, как обрабатывать определенные классы ошибок)

Что не следует запоминать:

• Детали разовых задач (напиши поздравление с днем рождения — это запоминать не нужно)
• Устаревшая информация (номер версии API трехмесячной давности, который, вероятно, изменился)
• Неверные выводы (Hermes может неправильно оценить ваши предпочтения — их нужно чистить)
• Конфиденциальная информация (пароли, ключи, личные идентификационные данные не должны попадать в хранилище памяти)

Внимание

В системе памяти Hermes в настоящее время нет механизма автоматического устаревания. При долгосрочном использовании база данных памяти будет постоянно расти. Рекомендуется периодически проверять размер каталога /.hermes/ и очищать устаревшие файлы Навыков. Это известная область для улучшения.

Существует также проблема загрязнения памяти. Если Hermes запомнит неверную информацию из ранних разговоров, эта ошибка может сохраняться и влиять на последующее поведение. Например, если он ошибочно запомнит, что вы предпочитаете Python 2, последующий сгенерированный код может содержать синтаксис Python 2.

Поэтому периодический аудит памяти стоит проводить. Проверьте, какие Навыки находятся в ~/.hermes/skills/, удалите те, которые не подходят. Просмотрите постоянную память, исправьте неверные выводы. Как при уборке в записной книжке — пролистывая ее время от времени, вы найдете многое, что нужно обновить.

От хранения к пониманию

Вернемся к заголовку: от золотой рыбки к старому другу.

Проблема золотой рыбки не в том, что у нее нет глаз, — проблема в том, что у нее нет памяти. Каждый раз, когда она вас видит, это как в первый раз. Большинство ИИ-инструментов работают так: открываешь новый разговор, и все начинается с нуля.

Старый друг — другое дело. Старый друг знает ваш характер, ваши привычки, знает, что когда вы говорите «мне все равно», на самом деле вам не все равно. Старому другу не нужно каждый раз объяснять предысторию, потому что предыстория уже есть.

Трехуровневая память Hermes плюс моделирование пользователя Honcho идут по этому пути. Память сессии предоставляет сырой материал, постоянная память предоставляет профиль, память навыков предоставляет методологию, а Honcho собирает эти фрагменты в целостное понимание вас.

Чем дольше вы используете, тем глубже понимание. Это не лозунг — это математическая неизбежность трехуровневой памяти в сочетании с системой обучения с замкнутым циклом.

В следующей главе мы рассмотрим еще один ключевой механизм в Hermes: систему Навыков. Если память — это «знание», то Навыки — это «умение».

§05 Система Навыков: Способности, Которые Развиваются Самостоятельно

Навыки: Саморазвивающиеся Способности

Навыки OpenClaw требуют, чтобы вы писали и поддерживали их вручную. Навыки Hermes растут сами по себе и со временем становятся лучше. Это различие определяет два совершенно разных пользовательских опыта.

Что Такое Навык

В Hermes каждый Навык — это отдельный markdown-файл, хранящийся в каталоге /.hermes/skills/. Он фиксирует процедурную память агента о том, как что-то делать.

Представьте это так: вы обучаете нового коллегу писать еженедельные отчеты. В первый раз вы проводите его через каждый шаг. Во второй раз он все еще задает несколько вопросов. К третьему разу он уже освоился. Навык — это состояние «после третьего раза» — агент закрепляет метод в виде многократно используемого документа.

Навыки поступают из трех источников:

Эти три источника неравнозначны. Встроенные Навыки — это отправная точка, Хаб Навыков — это ускоритель, но Навыки, созданные агентом, — это настоящая «киллер-фича» Hermes.

agentskills.io: Универсальный Язык для Навыков

Навыки Hermes — это не закрытый сад. Они следуют стандарту agentskills.io, который уже поддерживается более чем 30 инструментами, включая Claude Code, Cursor, Copilot, Codex CLI и Gemini CLI.

Навыки, которые вы написали для Claude Code, работают напрямую в Hermes. И наоборот.

Это отличается от модели App Store. App Store означает одну экосистему на платформу, заставляя разработчиков создавать под каждую. agentskills.io больше похож на USB-порт — один Навык подключается где угодно и просто работает.

Для людей, уже использующих Claude Code, ваши накопленные активы Навыков не привязаны к какому-либо одному инструменту. Переключитесь на Hermes или используйте оба одновременно — Навыки мигрируют бесшовно.

Самоулучшение: Навыки Становятся Лучше с Использованием

Это самое большое отличие Hermes от любой другой системы Навыков агентов.

Традиционные Навыки требуют ручного обслуживания. Вы пишете Навык для ревью кода, и он точно выполняет ваши шаги. Обнаружили, что какой-то шаг плохо работает на практике? Вам нужно зайти и исправить это вручную. Так в основном работают более 5700 Навыков сообщества OpenClaw.

Навыки Hermes живые. Они работают внутри обучающего цикла, автоматически оптимизируясь на основе реальной обратной связи.

Вот механизм:

—– Начало текста картинки —–
1
—– Конец текста картинки —–

Выполнить Навык

Агент следует шагам, записанным в Навыке, для выполнения задачи

—– Начало текста картинки —–
2
—– Конец текста картинки —–

Собрать Обратную Связь

Реакции пользователя (доволен / недоволен / исправления) записываются в память сессии

—– Начало текста картинки —–
3 Обновить Навык
—– Конец текста картинки —–

Агент анализирует обратную связь и автоматически изменяет соответствующие шаги в файле Навыка

4 Следующее Выполнение Использует Новую Версию

Улучшенный Навык вступает в силу автоматически в последующих задачах

Звучит идеалистично? В некоторой степени это так — результаты зависят от возможностей LLM и качества обратной связи. Но направление верное: позволить агенту учиться на опыте, вместо того чтобы ждать, пока кто-то будет его поддерживать.

Сравнение с Митчеллом Хашимото: Митчелл сказал, что при использовании Claude Code он «добавляет правило в CLAUDE.md каждый раз, когда тот делает ошибку». Hermes автоматизирует этот процесс. Вам не нужно добавлять правила самостоятельно — агент наблюдает, обобщает и записывает их в Навыки. Плата за это — вы отказываетесь от некоторого контроля над правилами.

Ключевые Отличия от Навыков OpenClaw

ClawHub от OpenClaw имеет более 5700 Навыков сообщества, что намного превосходит Hermes. Но философии дизайна совершенно разные:

Сила OpenClaw — в масштабе и прозрачности. Один взгляд на SOUL.md говорит вам точно, что делает Навык — каждый шаг написан вами, поэтому вы знаете, что происходит.

Сила Hermes — в адаптивности. Один и тот же Навык «написать код» после трех недель использования Python-разработчиком и Rust-разработчиком превратится в две совершенно разные версии. Не общий шаблон — а индивидуальная настройка.

Они не исключают друг друга. Стандарт agentskills.io позволяет Навыкам перемещаться между ними. Вы можете установить Навык из ClawHub в Hermes, а затем позволить Hermes постоянно улучшать его в процессе использования.

На Практике: Позволяем Hermes Самостоятельно Создать Навык

Хватит о механизмах — давайте рассмотрим конкретный пример.

Скажем, каждое утро вам нужно, чтобы Hermes сортировал вчерашние уведомления GitHub, обобщая важные PR и Issues. Первые несколько раз вам приходится каждый раз формулировать запрос:

Ключевая рекомендация

«Просмотри мои вчерашние уведомления GitHub, отсортируй по важности, раздели PR и Issues и игнорируй автоматические уведомления от ботов.»

После третьего или четвертого раза Hermes делает кое-что в фоновом режиме: он извлекает этот повторяющийся паттерн задачи в файл Навыка. Вы найдете новый markdown-файл в /.hermes/skills/, который будет выглядеть примерно так:

GitHub Daily Digest

Условия запуска

Пользователь упоминает «уведомления GitHub», «ежедневная сводка» и т.д.

Шаги

1. Вызвать GitHub MCP для получения уведомлений за последние 24 часа
2. Отфильтровать автоматические уведомления от учетных записей ботов
3. Сгруппировать по типу (PR / Issue / Discussion)
4. Отсортировать по важности (упоминание > запрос на ревью > другое)
5. Представить в виде краткого списка

Предпочтения пользователя

• Нужны только заголовки и статус, без подробного содержания
• PR и Issues отображать отдельно

С этого момента вы просто говорите «проверь GitHub», и Hermes знает, что делать.

Что еще более интересно, так это то, что происходит дальше. Однажды вы говорите «на этот раз включи Discussions». Hermes не просто добавляет их для этого одного запроса — он обновляет правила в файле Навыка. В следующий раз он включит Discussions, даже если вы не просили.

Вот что на практике означает «самоэволюция». Никакого таинственного прорыва в ИИ — просто автоматизированный цикл «пользователь исправляет -> правила обновляются -> следующее выполнение применяет изменение».

Внимание

Самоулучшение Навыка требует, чтобы ваша обратная связь была достаточно четкой. Если вы просто чувствуете, что «что-то не так», но не говорите, что именно, агент не сможет точно улучшиться. Хорошая обратная связь = хорошее направление эволюции.

§06 40+ Инструментов и MCP: Подключите Всё

40+ Инструментов и MCP: Подключите Всё

Каким бы умным ни был агент, без инструментов он не сможет выполнять реальную работу. Hermes поставляется с 40+ встроенными инструментами, охватывающими всё: от запуска кода до отправки сообщений. MCP расширяет его охват до 6000+ внешних приложений.

Пять категорий с первого взгляда

Инструменты Hermes делятся на пять категорий. Вам не нужно запоминать их все — достаточно знать, что такие возможности существуют, и обращаться к ним по мере необходимости.

Некоторые инструменты стоит выделить отдельно:

session_search — довольно уникальная возможность Hermes. Она использует полнотекстовое индексирование FTS5 для поиска по истории диалогов в паре с суммаризацией через LLM, позволяя агенту быстро вспомнить «тот подход, который мы обсуждали на прошлой неделе». У большинства агентов этого нет — каждый разговор начинается с нуля.

moa (Multi-model Orchestrated Answering) позволяет Hermes одновременно вызывать несколько LLM, синтезируя их ответы в финальный результат. Полезно для сценариев, требующих высокой надежности, таких как проверка фактов или технические решения.

cronjob определяет запланированные задачи на естественном языке. Скажите «проверяй мои уведомления GitHub каждое утро в 9 утра» — и будет создан временной триггер. Никаких cron-выражений, никакой настройки планировщика не требуется.

Наборы инструментов: не всё сразу, а по запросу

Включать все 40+ инструментов одновременно не имеет смысла. Агенту, помогающему писать код, не нужны разрешения Home Assistant, а агенту, управляющему календарем, бесполезен code_execution.

Hermes решает эту проблему с помощью механизма Toolset (Наборы инструментов). Инструменты сгруппированы по функциям и включаются/отключаются в config.yaml по мере необходимости:

## Пример config.yaml
toolsets:
  - web          # веб-поиск
  - terminal     # команды терминала
  - file         # файловые операции
  - skills       # управление Навыками
  - delegation   # делегирование саб-агентам
  # - homeassistant  # закомментируйте то, что не нужно
  # - rl            # обучение с подкреплением, большинству это не понадобится

Это не просто переключатель функций. Чем меньше включенных инструментов, тем более сфокусированным остается агент, быстрее отвечает и потребляет меньше токенов. Если вам нужен только помощник для организации файлов, достаточно включить наборы инструментов file и memory.

Наборы инструментов также служат границами безопасности. Уровень ограничений, упомянутый в S03, реализован на уровне инструментов через Наборы инструментов. Вы получаете точный контроль над тем, к чему агенту можно и нельзя прикасаться.

MCP: унифицированный интерфейс к 6000+ приложений

40+ встроенных инструментов покрывают общие сценарии. Но инструментарий у всех разный — вы можете использовать Jira для управления проектами, Notion для документов, Slack для общения. Как заставить Hermes работать с ними?

MCP (Model Context Protocol).

MCP — это открытый протокол, определяющий стандарт связи между AI-агентами и внешними инструментами. Hermes поддерживает подключение к любому MCP-серверу через stdio или HTTP. Экосистема MCP в настоящее время охватывает 6000+ приложений — GitHub, Slack, Jira, Google Drive, базы данных и многое другое.

Интеграция проста — добавьте блок конфигурации в config.yaml:

## Подключение к MCP-серверу GitHub
mcp_servers:
  github:
    command: npx
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: ${GITHUB_TOKEN}

После настройки Hermes может использовать возможности GitHub: создавать Issues, просматривать PR, проверять статус репозитория. Никакого кода писать не нужно, никаких пользовательских инструментов создавать — MCP-серверы работают по принципу «подключи и используй».

Hermes также поддерживает фильтрацию инструментов для каждого сервера. MCP-сервер может предоставлять 20 инструментов, но вы можете разрешить агенту использовать только 3 из них. Фильтрация инструментов дает вам точный контроль над возможностями, доступными агенту.

Делегирование саб-агентам: три лошади бегут одновременно

Делегирование — самый мощный координационный инструмент Hermes. Он может порождать экземпляры саб-агентов, распределяя задачи для параллельного выполнения.

Независимый контекст. Каждый саб-агент имеет свой собственный контекст разговора, изолированный от других. Основной агент передает необходимую информацию при назначении задач, и каждый саб-агент работает в своем пространстве.

Ограниченные наборы инструментов. Вы можете указать, какие инструменты может использовать каждый саб-агент. Исследовательскому нужны только web и browser; кодировщику — только terminal и file. Это одновременно и оптимизация эффективности, и мера безопасности.

Максимум 3 одновременно. Это ограничение намеренное. Три одновременных саб-агента уже покрывают большинство параллельных сценариев (исследование, кодирование и тестирование одновременно), а большее количество было бы слишком сложно эффективно координировать.

Если вы использовали многопоточность Claude Code, это покажется знакомым. Разница в том, что несколько экземпляров Claude Code открываются вами вручную, и координации между ними нет. Делегирование саб-агентов в Hermes — это когда агент автономно решает, когда распределять задачи и как объединять результаты.

Реальный пример: Саб-агенты лучше всего работают для задач «сделать несколько несвязанных вещей, а затем объединить результаты». Например, попросите Hermes написать техническую статью в блог, и он может отправить одного саб-агента исследовать последние материалы, другого — анализировать статьи конкурентов, а третьего — организовать примеры кода. Затем основной агент интегрирует все три результата в черновик.

Разрешения инструментов и песочница: уровень ограничений в действии

В предыдущих главах рассматривались цикл обучения, память и Навыки — все механизмы для повышения возможностей агента. Но чем более способным становится агент, тем важнее становятся ограничения.

Hermes реализует три уровня ограничений на уровне инструментов:

Контроль набора инструментов. Агент может вызывать только те инструменты, которые включены в config.yaml — это самый грубый переключатель.

Песочница code_execution. Код выполняется в изолированной среде, отдельно от вашей системы. Даже если агент выполнит проблемный код, это не затронет вашу файловую систему.

Ограниченные наборы инструментов саб-агентов. При делегировании саб-агенту вы можете указать подмножество инструментов, которые он может использовать. Саб-агент, отвечающий за поиск, не нуждается — и не должен иметь — доступа к терминалу.

Если вы читали оранжевую книгу Harness Engineering, вы узнаете, что именно так в Hermes реализован уровень ограничений (хуки/линтер). Тот же принцип: дайте агенту достаточно возможностей для выполнения задач, но не передавайте ненужных разрешений.

Ключевые рекомендации

Для сценариев, чувствительных к безопасности (например, при работе на production-серверах), включайте только необходимые Наборы инструментов и используйте по-серверную фильтрацию MCP для дальнейшего ограничения инструментов, доступных агенту. Лучше, чтобы агент спросил «Мне нужно разрешение на XX», чем оставлять всё открытым по умолчанию.

Эти три уровня ограничений вместе образуют прагматичную модель безопасности. Она не стремится к теоретически совершенной изоляции — вместо этого она находит баланс между удобством использования и безопасностью. Чем больше доверия вы даете агенту, тем больше он может сделать. Но даже с настройками по умолчанию Hermes не будет выполнять опасные операции без вашего ведома.

§07 Установка и настройка: три подхода

Установка и настройка

От нуля до запуска всего за 5 минут. В этом разделе рассматриваются три метода установки — от локальной разработки до круглосуточного сервера. Выберите тот, который подходит вам.

Вариант 1: Локальная установка (5 минут до старта)

Локальная установка — самый простой способ, идеально подходит для тех, кто хочет попробовать, прежде чем решиться на долгосрочное использование. Единственное требование — наличие git на вашей машине.

Откройте терминал и вставьте это:

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Установщик автоматически обрабатывает Python, Node.js и все зависимости. Работает на macOS, Linux и WSL2.

2 Настройте LLM-бэкенд

После установки отредактируйте файл конфигурации:

## Расположение файла конфигурации
~/.hermes/config.yaml

Введите ваш API-ключ модели (о том, как выбрать модель, мы расскажем чуть позже).

3 Запустите Hermes

hermes

Вот и всё — одно слово. Если вы видите приветственное сообщение, всё готово к работе.

Ключевые рекомендации

Если вы управляете Python через uv, вы также можете клонировать репозиторий и установить с помощью uv pip install -e ".[all]". Результат тот же — используйте то, что вам удобнее.

Вариант 2: Docker (чистая изоляция)

Не хотите устанавливать кучу зависимостей на свою машину? Docker — самый чистый выбор.

docker pull nousresearch/hermes-agent:latest
docker run -v ~/.hermes:/opt/data nousresearch/hermes-agent:latest

Ключевой флаг: -v ~/.hermes:/opt/data монтирует том данных контейнера к вашей хост-машине. Всё состояние Hermes (память, Навыки, конфигурация) хранится в /opt/data — в одной единственной директории. Удалите и пересоберите контейнер — ваши данные сохранятся.

Это удачное проектное решение. В отличие от некоторых инструментов, которые разбрасывают состояние по разным путям, всё в Hermes находится в ~/.hermes/. Когда придет время мигрировать, просто упакуйте эту директорию.

Вариант 3: VPS за $5 для круглосуточной работы

Если вы хотите, чтобы Hermes был всегда онлайн, независимо от того, работает ли ваш компьютер, вам нужен всего лишь VPS за $5 в месяц.

Рекомендуемые варианты:

Выберите Ubuntu 22.04 LTS, подключитесь по SSH, запустите скрипт установки — идентично локальной установке. Если вы не запускаете локальные модели, использование памяти остается ниже 500 МБ, так что коробки за $5 хватает с запасом.

В паре с Telegram-шлюзом (рассматривается в S09) вы можете в любое время отправлять сообщения Hermes с телефона, пока он отвечает с VPS. Цена чашки кофе дает вам круглосуточного AI-ассистента.

Бессерверный вариант: Hermes также поддерживает Daytona и Modal в качестве бессерверных бэкендов. Среда «засыпает» в простое и просыпается автоматически при входящих сообщениях, сводя межсессионные затраты к нулю. Отлично подходит для нечастого использования, когда вы все еще хотите оставаться на связи. Установите terminal: daytona или terminal: modal в config.yaml.

config.yaml: глубокое погружение

Независимо от способа установки, вся основная конфигурация хранится в одном файле: ~/.hermes/config.yaml.

Минимальная рабочая конфигурация выглядит так:

## ~/.hermes/config.yaml
model:
  provider: openrouter        # Поставщик модели
  api_key: sk-or-xxxxx        # Ваш API-ключ
  model: anthropic/claude-sonnet-4  # Используемая модель
terminal: local               # Бэкенд терминала (local/docker/ssh/daytona/modal)
gateway:                      # Шлюз обмена сообщениями (опционально, подробности в §09)
  telegram:
    token: YOUR_BOT_TOKEN
  discord:
    token: YOUR_BOT_TOKEN

Не так много полей — давайте рассмотрим каждое.

provider и model

Hermes поддерживает широкий спектр источников моделей:

Внимание

Предупреждение: по состоянию на апрель 2026 года Anthropic запретила сторонним инструментам доступ к Claude через подписки Pro/Max. Это затрагивает Hermes, OpenClaw и все другие фреймворки Агентов. Вы все еще можете использовать Claude через API-ключи (оплата по мере использования), но это значительно дороже. Рассмотрите OpenRouter или серию Hermes 3 от Nous Portal в качестве основных вариантов.

Моя рекомендация: начните с OpenRouter, чтобы свободно переключать модели и понять, что вам подходит. Как только вы остановитесь на своей основной модели, подключитесь напрямую к API этого поставщика, чтобы сэкономить на комиссии посредника.

terminal

Шесть бэкендов определяют, где Hermes выполняет код:

• local: Запускается непосредственно на вашей машине, самый простой вариант
• docker: Запускается внутри контейнера, изолированно и безопасно
• ssh: Подключается к удаленному серверу
• daytona / modal: Бессерверный, запускается по требованию
• singularity: Для сред HPC-кластеров

Большинству людей стоит просто использовать local. Если вы беспокоитесь о безопасности выполнения кода агентом на вашей машине, Docker — хороший компромисс.

Часто встречающиеся проблемы

Внимание

Скрипт установки зависает? Проверьте ваше сетевое подключение. Скрипту необходимо загрузить зависимости с GitHub и PyPI. Если вы находитесь в регионе с ограниченным доступом, возможно, потребуется настроить прокси или использовать зеркальные источники.

Внимание

Команда hermes не найдена? Скрипт установки добавляет команду в PATH, но если ваша конфигурация оболочки нестандартна (например, вы используете fish), вам может потребоваться вручную выполнить source ~/.bashrc или переоткрыть терминал.

Ключевые рекомендации

Хотите проверить установку? Запустите hermes --version — если вы видите номер версии, всё готово. Последняя версия — v0.7.0.

Внимание

Контейнер Docker запускается, но ничего не происходит? Убедитесь, что ~/.hermes/config.yaml существует и содержит информацию о модели. Контейнер читает конфигурацию, смонтированную с хост-машины. Если config.yaml не существует, Hermes предложит вам создать его при запуске.

Ключевые рекомендации

Замечание по безопасности для развертываний на VPS: если вы запускаетесь на VPS, рассмотрите возможность установки terminal: docker, чтобы код выполнялся внутри контейнера, а не непосредственно в файловой системе хоста. VPS за $5 имеет достаточно мощности для запуска контейнеров.

На этом настройка закончена. Философия дизайна Hermes — сохранять минимализм: один config.yaml управляет всем. Никаких разбросанных переменных окружения, никаких многослойных файлов конфигурации. Для такого функционально богатого агента сохранять конфигурацию настолько простой — впечатляющая сдержанность.

Далее давайте начнем разговор. Hermes не требует, чтобы вы настроили всё перед использованием — установите, добавьте API-ключ, запустите, и вы готовы к первому разговору.

§08 Ваш первый разговор: знакомство с Hermes

Первый разговор

Установили и запустили — что дальше? В этом разделе мы шаг за шагом пройдем первый разговор. Основное внимание уделяется не тому, что вы говорите, а тому, что Hermes делает за кулисами.

Начало с чистого листа

Введите hermes в терминале, и вы увидите чистый интерфейс чата. Никакого процесса онбординга, никакого мастера настройки — просто курсор, ожидающий вашего сообщения.

Скажите что-нибудь:

Привет, я ХуаШу. Веду блог об AI в WeChat. Много использовал Claude Code и хочу попробовать Hermes.

Hermes ответит обычным образом. Но самое интересное происходит там, где вы этого не видите.

Память тихо записывается

~ После первого обмена сообщениями загляните в директорию ~/.hermes/:

~/.hermes/
├── config.yaml          # Ваша конфигурация
├── state.db             # База данных SQLite (история диалогов + индекс FTS5)
├── skills/              # Директория Навыков (пока пуста)
│   └── bundled/         # Встроенные Навыки
└── memories/            # Постоянная память (MEMORY.md + USER.md)

state.db уже содержит данные. Ваше самопредставление, которое вы только что ввели, вместе с ответом Hermes, было записано в базу данных SQLite с полнотекстовым индексом FTS5. В следующий раз, когда вы запустите Hermes, он не начнет с нуля — он сможет найти этот разговор.

Это отличается от подхода ChatGPT, который «создает видимость памяти, но на самом деле каждый раз перезагружает всю историю». Hermes извлекает данные по запросу, подтягивая историю только тогда, когда это актуально. Даже после месяцев накопленных разговоров база данных не замедлится.

Продолжайте Разговор, Углубляйте Память

Поболтайте ещё несколько раундов. Расскажите о своих рабочих привычках, например:

Я на macOS, мой основной редактор — Cursor. Я пишу статьи в Markdown и предпочитаю угловые кавычки вместо прямых.

Hermes запишет это в свой слой постоянной памяти. Сопоставляя с трёхуровневой памятью из S04: содержимое разговора — это память сессии (что произошло), а ваши предпочтения и привычки — это постоянная память (кто вы есть).

Вам не нужна специальная команда «запомни это». Hermes сам решает, какую информацию стоит сохранять. Если вы использовали авто-память Claude Code, ощущения будут знакомыми. Но Hermes действует агрессивнее — он активно стратегирует, что запомнить.

Запуск Первого Создания Навыка

Дайте Hermes задачу чуть сложнее:

Конвертируй этот Markdown в HTML, совместимый с блогами WeChat, сохранив стили жирного шрифта и блоков кода.

В первый раз Hermes разберётся по ходу дела. Он может вызвать терминал для запуска скрипта или сгенерировать HTML прямо в диалоге.

После того, как он закончит, вот что становится интересно. Проверьте /.hermes/skills/ снова:

/.hermes/skills/ ├── bundled/ # Встроенные Навыки └── markdown-to-wechat.md # Это новое!

Hermes автоматически выделил решение в Навык. Откройте этот markdown-файл, и вы увидите, что в нём записаны формат ввода, правила конвертации и требования к выводу. В следующий раз, когда вы попросите о чём-то подобном, он вызовет этот Навык напрямую, вместо того чтобы разбираться с нуля.

Это и есть цикл обучения из S03 в действии. Вы не учили его, как делать — он сам кристаллизовал сделанное в многократно используемую способность.

Самоулучшение Навыка: Если результат вас не устраивает, скажите, что нужно исправить. Hermes не просто исправит текущий вывод — он также обновит файл Навыка. В следующий раз улучшенная версия запустится автоматически.

Вам Не Нужно Настраивать — Просто Используйте

Давайте подведём итог тому, что произошло:

На протяжении всего этого процесса вы не написали ни строчки конфигурации, не отредактировали ни одного файла, не задали ни одного правила. Это совершенно другой опыт по сравнению с Claude Code, просящим вас вручную написать CLAUDE.md, или OpenClaw, требующим настройки yaml.

Конечно, вы абсолютно можете редактировать файлы Навыков вручную (рассматривается в S10), но на старте это действительно не нужно. Просто используйте — Hermes вырастет в ту форму, которая подходит вам.

Это также то, что делает Hermes наиболее отличительным. Другие инструменты-агенты требуют, чтобы вы сначала поняли, что хотите, как это настроить и как ограничить. Hermes переворачивает это: вы начинаете использовать его, и он формирует свою собственную структуру в процессе использования.

Следующий раздел — давайте выведем Hermes за пределы терминала и на ваш телефон.

§09 Многоплатформенный Доступ: Достигайте Его Откуда Угодно

Многоплатформенный Доступ

Hermes живёт не только в терминале. Настройте Telegram Bot и обращайтесь к нему с телефона в любое время. Добавьте Discord и Slack, и ваша команда тоже сможет его использовать. Ключевой момент: все платформы используют один и тот же мозг.

Шлюз: Один Процесс, Все Платформы

Многоплатформенный доступ Hermes обеспечивается модулем Messaging Gateway. Вместо написания отдельного кода для каждой платформы, он использует единый процесс шлюза, который одновременно слушает все настроенные платформы. Архитектура выглядит так:

Под Шлюзом находится тот же экземпляр Hermes Agent, та же память, тот же набор Навыков. Сообщение из Telegram и команда из CLI для Hermes неразличимы.

Настройка Telegram Bot (Рекомендуемая Точка Входа)

Почему Telegram? Это самый простой в настройке и лучший мобильный опыт. Создание Бота не требует процесса утверждения — вы получаете Токен мгновенно.

1. Создайте Telegram Bot

   Найдите @BotFather в Telegram, отправьте /newbot и следуйте инструкциям, чтобы назвать его. BotFather выдаст вам Токен, который выглядит так:

   123456789:ABCdefGhIJKlmNoPQRsTUVwxyz

2. Добавьте Его в config.yaml

   # ~/.hermes/config.yaml
   gateway:
     telegram:
       token: 123456789:ABCdefGhIJKlmNoPQRsTUVwxyz

3. Запустите Hermes

   hermes

Hermes автоматически подключается к Telegram Gateway при запуске. Отправьте вашему Боту сообщение в Telegram, и он ответит.

Три шага, менее двух минут. Если Hermes запущен на VPS (настройка за $5 из S07), это даёт вам круглосуточно доступного, всегда на связи, персонального AI-ассистента с постоянной памятью. $5/месяц плюс стоимость API модели.

Ключевая Рекомендация

Telegram также поддерживает голосовые сообщения. Отправьте голосовую заметку, и Hermes автоматически расшифрует её в текст перед обработкой. Задумали что-то по дороге? Просто скажите это — печатать не нужно.

Интеграция Discord и Slack

Процесс аналогичен Telegram, различия в основном в том, как получить Токен.

Discord

Перейдите на Discord Developer Portal, создайте Приложение и скопируйте Токен со страницы Bot:

gateway:
  discord:
    token: YOUR_DISCORD_BOT_TOKEN

Пригласите Бота на свой Сервер, и он сможет отвечать в каналах. Отлично подходит для командной работы — пусть Hermes помогает проверять код в канале разработки или обобщать данные в канале операций.

Slack

gateway:
  slack:
    token: xoxb-YOUR-SLACK-BOT-TOKEN

Вам нужно будет создать Приложение на странице управления Slack App и установить его в свою Рабочую область. Настройка разрешений немного сложнее, чем в Telegram, но это более корпоративный вариант, с которым комфортно работают IT-отделы.

Доступно больше платформ: Hermes также поддерживает WhatsApp, Signal, Email, SMS (Twilio), Home Assistant, Mattermost, Matrix, DingTalk, Feishu/Lark, WeCom и Open WebUI — всего 14 платформ. Полный список на странице Messaging официальной документации. Для большинства нужно просто добавить соответствующий Токен в config.yaml.

Непрерывность Разговора Между Платформами

Это самая практичная особенность многоплатформенного дизайна Hermes.

Представьте, что вы едете на работу утром и отправляете Hermes сообщение через Telegram:

Исследуй варианты развёртывания Hermes Agent и подготовь для меня документ.

Hermes начинает работу, сохраняя результаты исследования в памяти. Вы приходите в офис и открываете терминал:

Как продвигается то исследование? Покажи, что у тебя есть.

Hermes точно знает, о чём вы говорите. Он не различает, с какой платформы пришло сообщение — все платформы используют один и тот же экземпляр Агента и одну и ту же память. То, что вы сказали в Telegram, можно продолжить в CLI. То, что обсуждалось в канале Discord, можно запросить из Slack.

Это совсем не похоже на разные окна ChatGPT на разных устройствах, где приходится каждый раз заново объяснять контекст. У Hermes один мозг, независимо от того, в какую дверь вы вошли.

Практическая Конфигурация Развёртывания

Собирая вместе предыдущие разделы, типичное развёртывание выглядит так:

$5 VPS (Ubuntu 22.04) ├── Hermes Agent Core ├── Messaging Gateway │ ├── Telegram Bot (доступен с телефона) │ ├── Discord Bot (командная работа) │ └── Slack App (корпоративное использование) ├── /.hermes/ │ ├── state.db (вся история разговоров) │ ├── skills/ (способности, накапливаемые автоматически) │ └── config.yaml (один файл, всё настроено) └── Вызовы моделей → OpenRouter API

Общая стоимость: VPS $5/месяц + плата за API модели (при лёгком использовании $2-5/месяц). Меньше, чем чашка хорошего кофе в месяц, за AI-ассистента с памятью, реальными возможностями и доступностью 24/7.

Ключевая Рекомендация

О стоимости API модели: Если вы хотите ещё больше снизить расходы, вы можете запускать модели с открытым исходным кодом на VPS через Ollama (например, Hermes 3 13B). VPS за $5 может не иметь достаточно RAM для больших моделей, но VPS за $10-15/месяц справится с 13B, и после этого вызовы моделей будут полностью бесплатны.

Автоматическое Планирование

Помимо пассивного ответа на сообщения, Gateway также поддерживает cron-планирование. Вы можете настроить Hermes на автоматическую отправку утренней сводки новостей каждый день в 8 утра или автоматическое обобщение GitHub-коммитов за неделю каждую пятницу днём.

Результаты запланированных задач отправляются через Gateway на указанную вами платформу. Он не просто ждёт, когда вы заговорите — он может работать проактивно.

На данный момент у вас есть работающая настройка Hermes: установлен локально или на VPS, настроена модель, доступен с телефона. Далее: как вручную создавать и оптимизировать Навыки (S10) и как интегрировать больше инструментов через MCP (S11), чтобы сделать этого ассистента ещё более мощным.

§10 Пользовательские Навыки: Обучение Hermes Новым Трюкам

Пользовательские Навыки: Обучение Hermes Новым Трюкам

Цикл обучения Hermes создаёт Навыки автоматически, но вы также можете обучать его вручную. Этот раздел охватывает, как писать Навыки, устанавливать их из сообщества и переносить ваши Навыки из Claude Code.

Что Такое Навык

В Hermes Навык — это просто markdown-файл. Никаких фреймворков для изучения, никаких API для вызова — просто текст, который говорит Hermes, что делать в конкретном сценарии.

Идея та же, что и в CLAUDE.md: определять поведение на естественном языке. Разница в том, что CLAUDE.md применяется глобально, а Навыки активируются по запросу. Попросите Hermes написать еженедельный отчёт — он загрузит Навык «еженедельный отчёт»; попросите сделать ревью кода — он загрузит другой.

Каждый Навык находится в своей собственной папке в ~/.hermes/skills/, с файлом SKILL.md в качестве точки входа. Папка Навыка также может содержать поддиректории references/, templates/ и scripts/ для вспомогательных файлов.

Создание Навыка Вручную

Давайте напишем Навык, который действительно полезен: заставим Hermes соблюдать единый формат сообщений Git-коммитов.

Создайте папку git-commit-style/ в ~/.hermes/skills/ и внутри неё создайте файл SKILL.md:

___
name: git-commit-style
description: Enforce a consistent Git commit message format
version: "1.0.0"
___

## Git Commit Style

## Trigger

Activate when the user asks me to commit code, write a commit message, or review commit history.

## Rules

### Commit Message Format
- First line: type(scope): summary (50 chars max)
- Blank line
- Body: explain WHY, not WHAT

### Type Enum
- feat: new feature
- fix: bug fix
- refactor: restructure (no behavior change)
- docs: documentation
- test: tests
- chore: build/toolchain

### Constraints
- Body in plain language, types in English
- Don't write "modified XX file" - that's noise
- One commit, one thing

## Example

feat(auth): add WeChat QR code login

Previously users could only log in with a phone number, which meant WeChat users had to bind a phone first. Now they scan a QR code and they’re in - unbound users get an account created automatically.

Сохраните его, и в следующий раз, когда вы скажете «закоммить эти изменения», Hermes будет следовать этому формату. Никакой дополнительной настройки не требуется.

Ключевая Рекомендация

Активация Навыка происходит автоматически. Вам не нужно говорить «используй Навык XX» — Hermes сам сопоставляет наиболее подходящий Навык с вашим запросом. Под капотом он использует полнотекстовый поиск FTS5 плюс семантическое понимание.

Анатомия Хорошего Навыка

После написания десятков Навыков я обнаружил, что у них есть общая структура:

Чем конкретнее ваш триггер, тем выше точность срабатывания. «Когда пользователь упоминает код» — слишком расплывчато; «Когда пользователь просит меня закоммитить код, написать сообщение коммита или просмотреть историю коммитов» — гораздо лучше.

Установка Навыков Сообщества из Skills Hub

У Hermes есть встроенный Skills Hub, где разработчики сообщества делятся готовыми Навыками. Их установка проста:

1. Просмотрите Доступные Навыки

   Просто спросите Hermes в разговоре: «Какие Навыки сообщества доступны?» Он перечислит популярные Навыки из Хаба, сгруппированные по категориям. Вы также можете уточнить: «Есть ли Навыки, связанные с Python?»

2. Установите

   Нашли тот, который вам нравится? Скажите Hermes «Установи Навык XX». Он загрузит папку Навыка в ~/.hermes/skills/, и он вступит в силу немедленно. Перезагрузка не требуется.

3. Настройте

   Установленный Навык — это просто папка с файлом SKILL.md — откройте его и редактируйте. Навыки Сообщества — это отправная точка; сделать их своими — вот цель.

Hermes поставляется с более чем 40 встроенными Навыками, охватывающими MLOps, рабочие процессы GitHub, помощь в исследованиях и многое другое. Они встроены — никакой дополнительной установки не требуется.

Отладка Навыков

Вы написали Навык — как узнать, срабатывает ли он на самом деле?

Просто спросите. Скажите «Какие Навыки у тебя сейчас загружены?» и Hermes скажет вам, какие Навыки активны. Если ожидаемого там нет, ваш триггер, вероятно, слишком узок.

Проверьте логи. Файлы логов записывают, какие Навыки соответствовали каждому запросу, почему они были выбраны и почему другие были пропущены. Логи находятся в ~/.hermes/logs/.

Тестируйте постепенно. Не переходите сразу к граничным случаям. Начните с самого простого запроса, чтобы подтвердить триггер и базовое поведение, затем попробуйте граничные условия.

Внимание

Навыки могут конфликтовать. Если два Навыка имеют перекрывающиеся триггеры, Hermes выбирает тот, у которого выше оценка соответствия — но результат может быть не таким, как вы ожидаете. Если поведение кажется странным, сначала проверьте на конфликты Навыков.

Практика: Перенос Навыка Claude Code в Hermes

Вот очень практичная потребность: вы накопили коллекцию отличных Навыков в Claude Code и не хотите начинать с нуля после перехода на Hermes. Стандарт agentskills.io делает Навыки переносимыми между Агентами, поэтому стоимость миграции низкая.

Позвольте мне показать реальный пример. У меня был Навык «вычитка блога WeChat» в Claude Code — его основная логика выполняет три прохода вычитки (факты, стиль, детали). SKILL.md выглядел примерно так:

___
name: proofreading
description: Three-pass proofreading for articles
version: "1.0.0"
___

## Article Proofreading

## Trigger
Activate when the user mentions "proofread," "reduce AI tone," "too AI-like," or "polish."

## Proofreading Flow

### Pass 1: Fact Check
- Verify all data, dates, product names
- Flag anything uncertain

### Pass 2: Style Check
- Remove AI-favorite phrases (firstly/secondly/in conclusion)
- Break up AI sentence patterns
- Replace formal vocabulary with conversational language

### Pass 3: Detail Polish
- Keep sentences to 15-25 words
- Keep paragraphs to 3-5 lines on a phone screen
- Bold ~10 key sentences for scanability

Скопируйте этот файл в /.hermes/skills/proofreading/SKILL.md, и Hermes сможет использовать его сразу. Никаких изменений формата, никаких адаптеров API — все используют markdown с одной и той же семантической структурой.

Если ваш Навык ссылается на инструменты, специфичные для Claude Code (например, на конкретный MCP Server), вам нужно будет заменить их на эквиваленты Hermes. Но основная логика, триггеры и правила — всё переносимо.

Почему agentskills.io важен: Навыки больше не привязаны к одному Агенту. Навыки, которые вы создали в Claude Code, Cursor или Gemini CLI, работают в Hermes. И наоборот. Вы можете переключать Агентов, не беспокоясь о стоимости миграции.

Далее: интеграция MCP. Навыки учат Hermes, как делать вещи; MCP позволяет ему подключаться к внешним инструментам. Соедините их вместе, и спектр сценариев, которые вы можете охватить, становится очень широким.

§11 Интеграция MCP: Подключение Вашего Инструментария

Интеграция MCP: Подключение Вашего Инструментария

40+ встроенных инструментов Hermes уже довольно мощны, но реальные рабочие процессы уходят далеко за их пределы. MCP позволяет Hermes подключаться к GitHub, базам данных, Slack, Jira и тысячам других внешних сервисов — без написания ни строчки кода адаптера.

Что такое MCP и почему это важно

MCP расшифровывается как Model Context Protocol (Протокол контекста модели) — открытый стандарт, предложенный Anthropic в конце 2024 года. Представьте его как USB-порт в мире AI-инструментов: пока MCP-сервер реализует этот протокол, любой совместимый с MCP Агент может вызывать предоставляемые им инструменты.

Для Hermes MCP означает, что не нужно создавать собственный инструмент для каждого внешнего сервиса. Хотите подключиться к GitHub? Установите GitHub MCP-сервер. Нужно выполнить запрос к базе данных? Установите MCP-сервер базы данных. Сообщество уже создало тысячи готовых серверов.

Два режима подключения: stdio и HTTP

Hermes поддерживает два способа подключения к MCP-серверам, в зависимости от того, где запущен сервер.

stdio подходит для большинства случаев. MCP-сервер работает как подпроцесс Hermes, общаясь через stdin/stdout — быстро и просто в настройке. HTTP используется, когда сервер нужно развернуть независимо или сделать общим для нескольких Агентов.

Конфигурация указывается в разделе mcp_servers файла config.yaml:

## Режим stdio
mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxxxx"

## Режим HTTP
mcp_servers:
  remote-tools:
    url: "https://your-server.com/mcp"
    transport: "streamable-http"

Практика: Подключение GitHub MCP

GitHub — одна из самых распространенных MCP-интеграций. После подключения Hermes сможет напрямую создавать Issues, открывать PR, проверять код и управлять досками проектов.

1. Создайте токен GitHub

Перейдите в GitHub Settings -> Developer settings -> Personal access tokens и сгенерируйте токен. Как минимум, отметьте repo и read:org. Если вы хотите управлять Issues и PR, также включите права на запись для issues и pull_requests.

2. Настройте config.yaml

Добавьте GitHub MCP-сервер в config.yaml:

mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_your_token_here"

Совет: храните токен в переменной окружения, а не в коде. Вы можете ссылаться на него через ${GITHUB_TOKEN}.

3. Перезапустите Hermes и проверьте

После перезапуска спросите Hermes: “Список моих GitHub-репозиториев” или “Покажи последние Issues в репозитории XX”. Если он вернет правильную информацию, вы подключены.

4. Ежедневное использование

После подключения вы можете управлять GitHub с помощью естественного языка. Например:

“Создай Issue в репозитории alchaincyf/my-app с заголовком ‘Исправить баг с перенаправлением на странице входа’” “Посмотри изменения в этом PR и проведи код-ревью” “Какие новые Issues были открыты на прошлой неделе? Сгруппируй их по меткам”

GitHub MCP предоставляет инструменты для управления репозиториями, операций с Issues, ревью PR, поиска кода, управления ветками и многого другого. Вам не нужно запоминать названия инструментов — просто опишите, что нужно, простым языком, и Hermes выберет правильный инструмент.

Практика: Подключение базы данных

Базы данных — еще один частый сценарий использования. После подключения Hermes сможет выполнять запросы к данным, создавать отчеты и анализировать тренды — без необходимости писать SQL вручную.

Пример с PostgreSQL:

mcp_servers:
  postgres:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-postgres"]
    env:
      POSTGRES_CONNECTION_STRING: "postgresql://user:pass@localhost:5432/mydb"

После настройки вы можете спросить Hermes: “Сколько пользователей зарегистрировалось в этом месяце?” или “Покажи тренд ежедневной выручки по заказам за последние 30 дней” — он сгенерирует SQL, выполнит его и вернет результаты.

Внимание

MCP базы данных по умолчанию имеет доступ на чтение и запись. Если вы хотите, чтобы Hermes только запрашивал данные без их изменения, подключайтесь с использованием учетной записи базы данных только для чтения. Это особенно важно для производственных баз данных.

SQLite и MySQL также имеют свои MCP-серверы. Конфигурация почти идентична — просто замените имя пакета сервера и строку подключения.

Фильтрация инструментов для каждого сервера

После подключения нескольких MCP-серверов список доступных инструментов быстро растет. Один GitHub-сервер предоставляет более десятка инструментов; добавьте базы данных, файловые системы и Slack — и их может стать от пятидесяти до ста.

Слишком большое количество инструментов снижает качество принятия решений Агентом. Точность сопоставления со 100 инструментами ниже, чем с 20. А некоторые инструменты вы вообще не хотите, чтобы Агент трогал.

Hermes поддерживает фильтрацию инструментов для каждого сервера — укажите в конфигурации, какие инструменты должен предоставлять каждый сервер:

mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxxxx"
    allowed_tools:
      - "list_issues"
      - "create_issue"
      - "get_pull_request"
      - "create_pull_request_review"

Таким образом, даже если GitHub MCP-сервер предлагает инструменты с высокими привилегиями, такие как удаление репозиториев или изменение настроек, Hermes не сможет их использовать. Принцип минимальных привилегий в эпоху Агентов важен как никогда.

Когда использовать MCP, а когда встроенные инструменты

У Hermes более 40 встроенных инструментов, а MCP открывает доступ к тысячам других. Как сделать выбор?

Простое практическое правило: если у Hermes уже есть встроенная возможность, используйте встроенную; если вам нужно взаимодействовать с внешним сервисом, используйте MCP.

Некоторые сценарии работают в обоих направлениях — например, Git-операции. Инструмент терминала может выполнять команды git напрямую, а GitHub MCP может работать с репозиториями. Разница: терминал работает локально, отлично подходит для повседневных коммитов и пушей в текущем репозитории; GitHub MCP работает через API, лучше подходит для управления несколькими репозиториями, пакетных операций с Issues и ревью PR, требующих возможностей на уровне платформы.

Практический совет: не подключайте дюжину MCP-серверов в первый же день. Начните с одного-двух, которые используете чаще всего (GitHub, база данных), освоитесь, а затем добавляйте новые. Каждый дополнительный сервер расширяет пространство выбора инструментов и удлиняет путь принятия решений.

MCP + Навыки: Комбинация

MCP решает вопрос “к чему я могу подключиться”, Навыки решают вопрос “как это использовать”. Вместе они работают лучше.

Пример: вы подключаете GitHub MCP и создаете Навык “Код-ревью”. Навык определяет критерии ревью (соглашения об именовании, обработка ошибок, покрытие тестами), а MCP предоставляет возможность читать diff’ы PR. В сочетании Hermes может автоматически проверять код на соответствие вашим стандартам.

Другой пример: MCP базы данных позволяет Hermes выполнять SQL, а Навык “Еженедельный отчет” определяет формат отчета и ключевые метрики. В паре с cron-заданием на пятницу после обеда Hermes автоматически запрашивает данные, генерирует отчет и публикует его в Slack. MCP, Навыки и встроенные инструменты, работающие вместе — вот где настоящая сила.

На данный момент вы знаете все основные возможности Hermes. Следующая часть посвящена реальным сценариям, показывающим, как эти возможности выглядят в сочетании.

§12 Персональный ассистент знаний: Сила кросс-сессионной памяти

Насколько велика разница между AI-ассистентом, который действительно помнит, и тем, которому нужно каждый день представляться заново? Давайте разберемся на примере проекта, растянувшегося на три недели.

Три недели исследований, начиная с нуля каждый раз

Представьте, что вы исследуете новую область. Вы независимый разработчик, пытающийся разобраться в вариантах развертывания AI-Агентов на 2026 год: локально, в облаке, Serverless — какие подводные камни у каждого.

Первая неделя: вы задаете три-четыре вопроса, охватывающих использование памяти при Docker-развертывании, цены на VPS, ограничения бесплатного тарифа Daytona. Эта информация оказывается разбросанной по разным диалогам.

Вторая неделя: вы хотите глубже изучить Serverless. Вы открываете ChatGPT или Claude, и что вы делаете в первую очередь? Снова объясняете, над чем работаете.

“Я исследую варианты развертывания AI-Агентов. На прошлой неделе я смотрел Docker и VPS, теперь хочу понять Serverless. Я обнаружил, что у Daytona есть бесплатный тариф, но с ограничениями…”

Каждый новый диалог стоит 3-5 минут на введение в контекст. Это не проблема возможностей AI — это архитектурная проблема: традиционный AI не имеет кросс-сессионной памяти, поэтому каждый диалог начинается с чистого листа.

Что помнит Hermes

Тот же сценарий, но с Hermes.

После диалогов первой недели три уровня памяти Hermes записали разные вещи:

Вторая неделя: вы открываете Hermes и просто говорите: “Давай продолжим с Serverless-опциями”. Не нужно ничего объяснять заново — постоянная память уже знает, чем вы занимаетесь. Она может даже проактивно напомнить: “На прошлой неделе вы упомянули, что у бесплатного тарифа Daytona есть ограничения — хотите проверить, обновилась ли политика?”

Это не магия; это работа полнотекстового поиска FTS5. Hermes не запихивает все диалоги прошлой недели в контекст — это было бы пустой тратой токенов. Вместо этого он извлекает наиболее релевантные исторические фрагменты на основе вашего текущего вопроса.

Извлечение против полной загрузки контекста

Этот дизайнерский выбор стоит разобрать подробнее.

Многие предполагают, что “память” означает втискивание всей истории диалогов в промпт. Автоматическая память Claude Code работает именно так: ключевая информация записывается в MEMORY.md, которая полностью загружается при запуске. Для задач кодирования это нормально.

Но сценарий ассистента знаний другой. Три недели исследовательских диалогов могут составлять десятки тысяч слов. Загрузка всего вызывает две проблемы: затраты на токены взлетают до небес, а информационная перегрузка на самом деле ухудшает качество ответов. У больших моделей неравномерное распределение внимания на очень длинных контекстах, и ключевая информация теряется.

Подход Hermes: постоянная память хранит краткие изложения (несколько сотен слов), а когда нужны детали, FTS5 ищет в сырых диалогах, вставляя в контекст только самые релевантные фрагменты. Это как носить с собой шпаргалку на одну страницу и возвращаться в картотеку только когда нужны конкретные детали.

Рекомендуется

Подход Hermes: Постоянная память (краткие изложения) + извлечение по запросу (FTS5). Расход токенов остается под контролем, информация остается точной.

Не рекомендуется

Подход с полным контекстом: Запихивать всю историю в промпт. Работает в краткосрочной перспективе, но через три недели промпт будет переполнен, а затраты удвоятся.

Honcho: Он знает вас лучше, чем вы сами

Если вы включите моделирование пользователя Honcho, глубина памяти выходит на новый уровень.

Honcho не просто записывает, что вы сказали — он делает выводы о том, чего вы не сказали. Например, если вы последовательно выбираете самый дешевый вариант в трех сессиях исследований, Honcho делает вывод: “этот пользователь чувствителен к цене”. В следующий раз, когда он будет что-то рекомендовать, информация о цене будет выведена на первый план.

Это диалектическое моделирование непрерывно извлекает выводы о вас — от уровня технических навыков и паттернов предпочтений до привычек общения — создавая представление, которое углубляется со временем. Чем дольше вы используете, тем точнее он вас понимает.

Опыт HuaShu: Через две недели Hermes начал автоматически давать мне более короткие и емкие ответы — потому что заметил, что я склонен хотеть выводы, а не длинный анализ. Эта адаптация происходит постепенно; вам не нужно ничего явно настраивать.

Разрыв в опыте по сравнению с традиционным AI

Вот аналогия, чтобы подвести итог: Традиционный AI — как стойка регистрации в отеле — каждый день новый человек, и вы каждый раз представляетесь заново. Hermes — как ваш личный ассистент, который знает вас три месяца, знает, что вы пьете черный кофе, ненавидите писать еженедельные отчеты и над каким проектом вы сейчас работаете.

Конкретно для сценария ассистента знаний разрыв проявляется в трех аспектах:

1. Нулевые затраты на запуск

Никакого введения в контекст каждый раз. Скажите “продолжить” — и вы продолжаете.

2. Исследование имеет преемственность

Опции, которые вы отклонили на прошлой неделе, не рекомендуются снова. Информация, которую вы уже подтвердили, не перепроверяется. Весь исследовательский процесс ощущается как единая нить, а не куча разрозненных точек.

3. Методология накапливается

Подход, который Hermes вырабатывает, помогая вам с вашим первым исследовательским проектом (составить список измерений, углубиться в каждое, подвести итог по раунду), сохраняется как Навык. Ваш второй исследовательский проект использует его автоматически — не нужно учить заново.

Ключевая рекомендация

Кросс-сессионная память — не серебряная пуля. Если задача разовая — например, “переведи этот абзац” — система памяти Hermes не дает никакого преимущества. Ценность памяти масштабируется с продолжительностью задачи. Чем дольше и контекстно-зависимее задача, тем больше выигрыш в эффективности от памяти.

§13 Автоматизация разработки: От код-ревью до развертывания

Claude Code пишет код, Hermes следит за конвейером. Эти два инструмента не взаимозаменяемы — каждый отвечает за свою часть рабочего процесса.

Утро разработчика

9 утра, вы открываете ноутбук. Три сообщения в Telegram. Не от коллеги — от Hermes:

“Прошлой ночью в 23:17 в main был смерджен PR — 387 новых строк кода. Я проверил его и нашел две проблемы: логика истечения токенов в модуле аутентификации не обрабатывает граничный случай, а покрытие тестами упало с 82% до 76%. Полный отчет сохранен в Навык проекта.”

“В 2:40 ночи CI-конвейер запустил регрессионное тестирование. 3 теста упали. 2 были внесены вчерашним PR, 1 — известный flaky-тест.”

“Черновик сегодняшнего daily standup готов, основан на вчерашних 4 коммитах и 2 PR. Требует вашего одобрения перед отправкой.”

Это не гипотетика. Cron-планировщик Hermes + GitHub MCP + система памяти позволяют ему продолжать работу, пока вы спите.

Автоматизированное код-ревью

У традиционного код-ревью две проблемы: задержка — вы открываете PR и ждете, пока у ревьюера найдется время; и непостоянство — разные ревьюеры фокусируются на разных вещах, один проверяет архитектуру, другой — форматирование.

Настройка автоматизированного код-ревью с Hermes проста:

1. Подключите GitHub MCP

Настройте GitHub MCP-сервер в config.yaml, и Hermes сможет читать PR, diff’ы и Issues вашего репозитория.

2. Настройте cron-планирование

Скажите Hermes простым языком: “Проверяй main-ветку на новые PR каждые 6 часов и проводи код-ревью.” Он создаст cron-задание автоматически.

3. Определите стандарты ревью

Запишите ваши стандарты кодирования как Навык. Например: “Функции должны быть не длиннее 50 строк”, “Обработка ошибок должна использовать пользовательские типы”, “У всех API-эндпоинтов должны быть тесты.” Hermes проверяет каждый PR на соответствие этим стандартам.

Шаг три — ключевой. Стандарты ревью — это Навык, и они развиваются автоматически на основе ваших отзывов. Вы указываете на проблему, которую Hermes пропустил, и в следующий раз он будет следить за этим паттерном. Традиционные правила линтеров статичны; стандарты ревью Hermes живые.

Генерация и выполнение тестов

Между тем, как Hermes и Claude Code подходят к тестированию, есть фундаментальное различие: в Claude Code вы говорите «напиши тесты для этой функции», он их пишет, а вы проверяете. Hermes самостоятельно находит функции, у которых нет тестов, пишет их, запускает, исправляет ошибки и предоставляет отчёт.

Эта возможность реализована за счёт комбинации нескольких инструментов:

Объедините это с cron для еженедельных проверок покрытия. Каждое утро понедельника запускается автоматическое сканирование, и если покрытие падает ниже порога, приходит уведомление.

Автоматизированные ежедневные и еженедельные отчёты

Эта функция звучит просто, но к ней быстро привыкаешь.

Hermes через GitHub MCP получает историю коммитов за день, статусы PR и изменения в задачах, объединяет это с памятью о ваших обсуждениях и генерирует ежедневный отчёт настолько точный, что вы можете утвердить его, даже не вспоминая прошедший день.

Еженедельные отчёты ещё интереснее. Благодаря кросс-сессионной памяти Hermes видит полную картину недели: какой баг вы исправили в понедельник, почему изменили архитектурный план в среду, почему PR в пятницу отклонили. Это не просто список коммитов — это повествование с причинно-следственными связями.

Совет: Когда Hermes генерирует ежедневный отчёт, пусть он также обновляет проектный Навык, который записывает технические решения за неделю. Когда он будет писать еженедельный отчёт, он сможет ссылаться на эти решения напрямую, а не гадать по сообщениям коммитов, о чём вы думали.

Как Claude Code и Hermes делят работу

Эти два инструмента не конкурируют. Они хороши в совершенно разных вещах:

Одной фразой: Claude Code — это мастер, Hermes — это дворецкий. Мастер строит; дворецкий следит, чтобы всё шло по плану. Вы же не попросите дворецкого класть кирпичи, а мастера — стоять на ночной страже.

Claude Code пишет код и открывает PR → Hermes автоматически проверяет PR →

Hermes запускает тесты для проверки → Hermes генерирует ежедневный отчёт

Как только этот конвейер заработает, ваше внимание смещается с «написать код + проверить код + запустить тесты + написать отчёты» на «написать код + подтвердить результаты». Всё остальное автоматизировано.

Внимание

Проверка кода Hermes — это дополнение, а не замена. Она отлично выявляет проблемы на основе шаблонов (несогласованные имена, отсутствующие тесты, упущенные граничные случаи), но архитектурные решения всё ещё требуют человеческого глаза. Не пропускайте ручную проверку только потому, что у вас есть автоматизация — как минимум, держите человека в цикле для ключевых модулей.

§14 Создание контента: от исследования до финального черновика

Создание контента: от исследования до финального черновика

Использовать ИИ для написания статей — не ново. Но чтобы ИИ запоминал ваш стиль письма, привычки исследования и даже отзывы читателей, постоянно развиваясь в вашего личного редактора — вот как Hermes подходит к контенту.

Жизненный цикл статьи

Я написал более 100 статей для блога WeChat с помощью Claude Code. Рабочий процесс отлажен: даёшь тему, он ищет, черновик, вычитывает и генерирует изображения. Весь процесс занимает около 2–3 часов.

Но одна проблема никуда не делась: каждый раз, когда я начинал новую сессию, он забывал уроки из предыдущей статьи.

На прошлой неделе я сказал ему перестать использовать определённое клише. Он послушался. На этой неделе, при написании новой статьи, то же клише вернулось. Я добавил список запрещённых слов в CLAUDE.md — это помогло, но CLAUDE.md — статический файл. Он не обновляется сам.

Именно здесь Hermes подходит к созданию контента иначе.

Текущие контент-проекты

Предположим, вы работаете над серией контента — пять последовательных статей об AI-агентах. Традиционный подход: каждая статья независима — вы заново объясняете портрет читателя, заново определяете стиль, заново указываете, какие темы уже освещены.

С Hermes серия работает совершенно иначе:

После завершения первой статьи система памяти Hermes записывает несколько вещей: позиционирование серии, целевую аудиторию, ваши редакторские предпочтения (например, как вы разбили все его длинные предложения на короткие) и какие технические концепции уже были объяснены в первой статье.

Когда вы начинаете вторую статью, вы просто говорите «напиши следующую в этой серии, тема — XXX». Он знает, какой стиль использовать, какие концепции не нужно объяснять заново и чем вы были недовольны в прошлый раз.

К пятой статье его понимание ваших писательских предпочтений становится поразительно точным. Не потому, что вы что-то настроили — а потому, что он учился на вашей обратной связи самостоятельно.

Параллельное исследование с суб-агентами

Для глубокой технической статьи исследование часто занимает больше времени, чем написание. Традиционный подход — линейный: искать тему А, систематизировать, искать тему Б, систематизировать, затем тему В.

Инструмент delegate_task от Hermes делает это параллельным. Допустим, вы пишете сравнительную статью об AI-агентах — вы можете одновременно отправить три суб-агента:

→

→

Суб-агент 1 Исследует архитектуру Hermes

Суб-агент 2 Исследует экосистему OpenClaw

Суб-агент 3 Собирает отзывы сообщества

Три суб-агента работают одновременно, каждый возвращает результаты своего исследования. Главный агент объединяет всё в структурированный исследовательский материал. Исследование, которое раньше занимало больше часа? Готово за 20 минут.

Каждому суб-агенту можно назначить разный набор инструментов. Тому, кто исследует архитектуру, нужны веб-поиск и браузер; тому, кто собирает отзывы сообщества, может понадобиться только веб-поиск. Ограниченные наборы инструментов — это не только дизайн безопасности, но и дизайн эффективности: суб-агенты не отвлекаются из-за слишком большого количества инструментов.

Навыки, накапливающие стиль письма

Это самая ценная часть того, как Hermes обрабатывает создание контента.

Традиционные инструменты для написания текстов с ИИ управляют стилем через промпты. Вы пишете в промпте: «разговорный тон, предложения короче 20 слов, избегай типичных для ИИ фраз». Вам нужно писать это каждый раз или поддерживать очень длинный системный промпт.

Hermes хранит правила стиля как Навык. Изначально этот Навык может содержать всего несколько простых правил: не используй клише для обобщения, держи абзацы на 3–5 строк, используй неформальные слова вроде «я думаю» или «на самом деле».

Вот что ключевое: этот Навык самосовершенствуется.

Когда вы вычитываете черновик и вносите правки, Hermes наблюдает и учится. Если вы три раза подряд меняете неестественную фразу на более естественную, он добавляет правило в Навык: «избегай формальных глагольных конструкций». Если вы удаляете навязанную им вдохновляющую концовку, он учится «не форсировать воодушевляющее заключение».

Через месяц этот Навык стиля письма накопит десятки правил, основанных на вашей реальной обратной связи. Он становится вашим личным редакторским справочником — и поддерживает себя автоматически.

Ключевая рекомендация

~ Самосовершенствование Навыка Hermes — не чёрный ящик. Каждое обновление Навыка видно как diff в директории /.hermes/skills/. Если правило отклоняется в неверном направлении, вы можете вручную его исправить, и Hermes учтёт вашу правку в своём обучении.

Чем это отличается от написания с Claude Code

Я использую оба инструмента для создания контента одновременно. Разница очевидна:

Это не значит, что Claude Code хуже. Для одной статьи интерактивный опыт Claude Code более плавный — вы видите правки в реальном времени и даёте обратную связь на лету. Преимущество Hermes — в долгосрочной перспективе. Пишите по две статьи в неделю в течение трёх месяцев, и к десятой статье Hermes будет значительно лучше, чем к первой. Десятая статья Claude Code работает примерно так же, как первая.

Подход HuaShu: я использую Claude Code для разовых спонсорских статей, потому что взаимодействие быстрое и можно мгновенно учесть брендовые правки. Для серий контента и личных колонок я использую Hermes, позволяя его Навыку письма расти со временем. Они дополняют друг друга — никакого конфликта.

§15 Мульти-агентная оркестровка: три лошади одновременно

Мульти-агентная оркестровка: три лошади одновременно

Когда одного агента недостаточно, поставьте трёх работать параллельно. delegate_task — самый мощный инструмент Hermes, и его проще всего использовать неправильно.

Зачем нужны несколько агентов

Потолок одного агента определяется его контекстным окном и набором инструментов. Когда задача достаточно сложна, одиночный агент упирается в две стены.

Взрыв контекста. Один агент, одновременно занимающийся исследованием, кодингом и тестированием — вся эта информация втискивается в один контекст, мешая друг другу. Содержимое веб-страниц из исследования съедает токены, оставляя недостаточно места для рассуждений о коде.

Узкое место по времени. Три задачи, выполняемые последовательно по 30 минут каждая, — это 90 минут общего времени. Выполняйте их параллельно, и общее время равно времени самой медленной.

Инструмент delegate_task от Hermes существует для решения обеих проблем. Он может запускать до 3 суб-агентов одновременно, каждый со своим независимым контекстом и набором инструментов.

delegate_task в деталях

delegate_task — это не просто «породить поток». Он делает несколько критически важных вещей.

Ограничение в 3 одновременных — это осознанное дизайнерское решение. Nous Research обнаружили в тестах, что при более чем 3 суб-агентах качество объединения результатов главным агентом резко падает. Это не вычислительное ограничение — это проблема рассеивания внимания, когда LLM пытаются интегрировать слишком много независимых источников информации.

Реальный пример: отчёт о конкурентном анализе

Допустим, вам нужно написать конкурентный анализ AI-инструментов для кодинга, охватывающий три продукта: Claude Code, Cursor и Hermes Agent. Традиционный подход — исследовать их по одному, затем вручную интегрировать всё.

С delegate_task рабочий процесс становится:

Увеличим параллельное выполнение:

1 Главный агент определяет шаблон задачи

«Исследуй [название продукта] по следующим параметрам: позиционирование, основные функции, техническая архитектура, ценообразование, размер сообщества, плюсы и минусы. Выведи в виде таблицы markdown.»

2 Запуск трёх суб-агентов

Суб-агент A исследует Claude Code, суб-агент B исследует Cursor, суб-агент C исследует Hermes. Каждый суб-агент получает только веб и браузер — два инструмента, файлы и терминал не нужны.

3 Главный агент объединяет

После того как все три суб-агента вернут свои исследования, главный агент интегрирует всё в сравнительный отчёт, добавляя собственные суждения и рекомендации.

Три исследовательские задачи параллельно — общее время сокращается с «A+B+C» до «max(A, B, C)». На практике конкурентный анализ, который обычно занимает 40 минут, выполняется за 15.

Безопасность ограниченных наборов инструментов

Ограниченный набор инструментов в delegate_task — это не только функция эффективности, но и механизм безопасности.

Представьте сценарий: вы отправляете суб-агента искать фрагмент кода в интернете, и он находит фрагмент с вредоносной инъекцией. Если у этого суб-агента также есть права на терминал, он может выполнить этот код. Но если у него есть только права на веб, результат поиска возвращается как текст для проверки главным агентом.

В этом ценность ограниченных наборов инструментов: принцип наименьших привилегий, применённый на уровне агента.

Рекомендуется

Хорошая практика: Исследовательские суб-агенты получают только веб+браузер. Кодинг-суб-агенты получают только терминал+файл+code_execution. Суб-агенты для объединения не получают внешних инструментов вообще — они обрабатывают только текст.

Не рекомендуется

Плохая практика: Каждый суб-агент получает полный набор инструментов. Удобно, конечно, но вы теряете изоляцию, которая обеспечивает безопасность.

Связь с трёхагентной архитектурой Anthropic

Руководство по дизайну агентов от Anthropic предложило классическую трёхагентную архитектуру: Планировщик для планирования, Генератор для выполнения, Оценщик для оценки. Этот паттерн доказал свою эффективность во многих сценариях.

delegate_task от Hermes имеет сходство с этой архитектурой, но есть ключевые различия:

Модель Hermes более гибкая. Вы можете использовать delegate_task для реализации трёхагентной архитектуры Anthropic — один суб-агент для планирования, один для выполнения, один для оценки. Но вы также можете иметь три суб-агента, выполняющих однотипные параллельные задачи (например, исследование трёх продуктов одновременно). Архитектура не фиксирована — она зависит от того, как вы декомпозируете задачу.

Трёхагентная архитектура Anthropic — это ментальная рамка, говорящая вам: «сложные задачи можно разделить на планирование, выполнение и оценку». delegate_task от Hermes — это инструмент выполнения, который превращает эту рамку в реальность. Один управляет дизайном; другой управляет реализацией.

Ключевая рекомендация

Мульти-агентную оркестровку легко перепроектировать. Не каждую задачу нужно разбивать на суб-агентов. Если задача комфортно помещается в контекстное окно одного агента, разделение только добавляет накладные расходы на коммуникацию и ошибки объединения. Используйте delegate_task только тогда, когда контекста недостаточно или вам нужно параллельное ускорение.

Эмпирическое правило: Если вы пишете длинные инструкции по объединению для главного агента, чтобы интегрировать результаты суб-агентов, значит, декомпозиция задачи, вероятно, неверна. Хорошая декомпозиция делает объединение простым: вывод каждого суб-агента должен быть самодостаточным, единообразно отформатированным и непосредственно компонуемым.

§16 Hermes vs OpenClaw vs Claude Code: Не выбор

Не выбор — а комбинация

Эти три инструмента — не три дороги. Это три лошади. Вопрос не в том, на какой ехать — а в том, чтобы понять, какая тащит груз, какая покрывает расстояние, а какая охраняет дом.

Три вида

За последний год экосистема AI-агентов породила бесчисленное множество инструментов. Но три, на мой взгляд, действительно заслуживают серьезного внимания: Claude Code, OpenClaw и Hermes Agent.

Не потому что они самые разрекламированные, а потому что они представляют три принципиально разные философии дизайна.

Claude Code — это интерактивный инструмент для кодинга. Вы сидите в терминале, даете требования, а он пишет код, запускает тесты, делает коммиты в git. Вы присутствуете всё время, как при парном программировании с очень способным инженером. Основная ценность — продуктивность в реальном времени.

OpenClaw — это фреймворк «конфигурация-как-поведение». Вы определяете личность агента, его знания и навыки полностью через файлы SOUL.md и Skill. Файлы конфигурации определяют, чем является агент. Основная ценность — предсказуемость, проверяемость и воспроизводимость.

Hermes Agent — это автономный фоновый движок. Вы разворачиваете его на сервере, и он работает 24/7 — запоминает, создает навыки, самосовершенствуется. Основная ценность — автономность и самоулучшение.

Видите разницу? Эти три инструмента даже не решают одну и ту же задачу.

Какой инструмент для какого сценария

Я использовал Claude Code полгода, OpenClaw несколько месяцев, а с Hermes недавно начал экспериментировать. Мой вывод: выбор инструмента — это не вопрос «какой мощнее», а вопрос «какая модель взаимодействия подходит вашему сценарию».

Последняя строка важна. Многие сценарии не могут быть обработаны одним инструментом. В долгосрочном контент-проекте Hermes занимается ежедневным автоматическим сбором информации и накоплением памяти, а Claude Code садится и пишет текст. Каждый отвечает за свой этап эстафеты.

Конвергенция или дивергенция

Вот интересная закономерность: эти три инструмента учатся друг у друга.

Claude Code добавил автоматическую память, двигаясь к персистентной памяти в стиле Hermes. ClawHub от OpenClaw имеет 5,700+ навыков сообщества; Hermes строит свой собственный Skill Hub. Hermes поддерживает стандарт agentskills.io, что позволяет напрямую использовать навыки из экосистемы Claude Code.

Похоже на конвергенцию. Но я думаю, что лежащая в основе дивергенция на самом деле усиливается.

Claude Code — это по сути разговор в реальном времени между человеком и ИИ. Сколько бы памяти и автоматизации ни добавлялось, тот факт, что вы сидите и смотрите, как он работает, не изменится. Бизнес-модель Anthropic диктует это: подписка, оплата за время использования.

Hermes — это по сути ИИ, работающий автономно в фоне. Сколько бы интерактивных интерфейсов ни добавлялось, его основная ценность в том, что он продолжает работать, когда вас нет. Модель MIT с открытым исходным кодом + самостоятельное размещение диктует это.

OpenClaw находится посередине. Он не делает акцент на взаимодействии в реальном времени, как Claude Code, ни на автономной работе, как Hermes. Его уникальная ценность — «прозрачность и управляемость». SOUL.md позволяет с первого взгляда увидеть, что агент будет и не будет делать. Для корпоративных сценариев соответствия это свойство незаменимо.

agentskills.io: почему совместимость навыков важна

В начале 2026 года стандарт agentskills.io начал набирать популярность среди множества инструментов. В настоящее время его поддерживают 16+ инструментов, включая Claude Code, Cursor, OpenAI Codex, Gemini CLI и Hermes.

Что это значит?

Это значит, что навык, написанный для Claude Code, может быть напрямую использован Hermes. Навык, автоматически созданный внутри Hermes, может быть перенесен в Claude Code. Навыки больше не привязаны к конкретному инструменту — они становятся переносимыми единицами возможностей.

Долгосрочное влияние этого может быть больше, чем любой отдельный инструмент. Потому что это говорит: неважно, на какой лошади вы едете, седло универсально.

Время, потраченное на написание навыков, не будет потрачено впустую, если вы смените инструмент. Ваша библиотека навыков — это ваш собственный актив, а не придаток платформы.

ClawHub от OpenClaw имеет 5,700+ навыков. Если эти навыки могут быть вызваны напрямую Hermes через стандарт agentskills.io, границы возможностей Hermes расширяются мгновенно. И наоборот, навыки, которые Hermes создает и улучшает автоматически, могут питать более широкую экосистему.

Не выбор — а комбинация

Написав три оранжевые книги (Claude Code, Harness Engineering, OpenClaw), мой главный вывод об этой области: победителем будет не какой-то один инструмент — а люди, которые умеют комбинировать инструменты.

Мой собственный рабочий процесс уже является комбинацией. Claude Code занимается всем, что требует моего присутствия: написание статей, написание кода, принятие продуктовых решений. Это моя «дневная смена».

Hermes (или подобные автономные агенты) занимается тем, что не требует моего присутствия: мониторинг репозиториев, выполнение запланированных исследований, поддержание баз знаний. Это моя «ночная смена».

Система SOUL.md и навыков OpenClaw дает мне стандартизированный язык конфигурации. Независимо от того, работает ли под капотом Claude Code или Hermes, ограничения поведения записываются одинаково.

Мнение Хуашу: Не «выбирайте» между этими тремя инструментами. Задайте себе три вопроса: Какие задачи требуют моего наблюдения? Какие задачи могут работать в фоне? Какие сценарии требуют прозрачной проверяемости? Ответы естественным образом распределят инструменты по своим местам.

Конкуренция среди инструментов-агентов не сойдется к одному победителю. Точно так же, как вы не используете молоток, чтобы закрутить шуруп — интерактивный кодинг, управление конфигурацией и автономная работа — это три различных режима работы, которые будут сосуществовать долгое время.

Действительно интересный вопрос не «какой лучше», а «как заставить их сотрудничать». agentskills.io уже прокладывает этот путь.

§17 Границы самоулучшающихся агентов: как далеко они могут зайти

Границы самоулучшающихся агентов

Самая захватывающая способность Hermes — это также и самая тревожная.

Возвращаясь к той диаграмме

В последней главе оранжевой книги Harness Engineering я писал о диаграмме, нарисованной Кифом Моррисом. Три уровня: в цикле, на цикле, вне цикла.

В цикле: проверка каждой строки вывода агента. На цикле: не проверка вывода, просто держать поводья. Вне цикла: вы говорите, что хотите, агент делает всё сам.

Мой вывод тогда был, что «на цикле» — вероятно, лучший баланс. Вы не дублируете усилия, но вы всё еще там.

Hermes Agent выводит это обсуждение на новый уровень.

Его цикл обучения автоматический. Он сам создает навыки, сам улучшает навыки, сам решает, что запомнить. После развертывания он становится сильнее. Это уже не «на цикле». Вам даже не нужно регулировать поводья — поводья растут сами.

Это прогресс или риск?

Может ли самоулучшение навыков выйти из-под контроля

Начнем с технического уровня. Самоулучшение навыков Hermes имеет несколько ограничений.

Файлы навыков — это читаемый Markdown. Не веса черного ящика нейронной сети — это текст, который вы можете открыть и прочитать. Что изменилось, вы можете увидеть в diff.

Данные памяти локальны. Построены на SQLite + FTS5, данные находятся на вашем локальном диске. Вы можете просматривать и удалять их напрямую. Нет ситуации «агент тайно выучил то, о чем вы не знаете».

Разрешения инструментов изолированы. Агент не может произвольно получать новые системные разрешения; набор инструментов должен быть явно настроен.

Технически говоря, самоулучшение Hermes контролируемо и проверяемо. Вы можете видеть, что изменилось, откатить это, удалить.

Но технический контроль не означает практический контроль.

Проблема на человеческой стороне.

Вы действительно будете проверять, какие навыки агент изменил каждый день? Вы будете аудировать его базу данных памяти? Вероятно, нет. Весь смысл развертывания Hermes в том, чтобы «не нянчиться с ним». Если бы вам приходилось ежедневно проверять результаты его самоулучшения, чем это отличалось бы от ручного обслуживания навыков?

Это противоречие фундаментально: ценность автономного агента в том, что за ним не нужно следить, но безопасность требует, чтобы вы за ним следили.

Проницательность Кифа Морриса снова верна: разница между «в цикле» и «на цикле» становится наиболее очевидной, когда вы недовольны результатом. Но если агент самоулучшил навык, и вы никогда не заметили ничего плохого, когда бы вы вообще это обнаружили?

Выбор Nous Research

Команда-основатель Nous Research сделала четкий выбор в этом вопросе: контроль пользователя превыше всего.

Они явно заявили, что модели должны быть «управляемыми» — пользователи могут настраивать поведение по мере необходимости, не ограниченные корпоративной политикой контента.

Это не просто слова. Лицензия MIT Hermes Agent означает, что вы владеете всем исходным кодом. Вы можете проверить каждый шаг логики цикла обучения, изменить пороги, частоту и объем самоулучшения или полностью отключить автоматическое создание навыков.

По сравнению с закрытыми агентами, эта прозрачность дает вам основу: в худшем случае вы можете увидеть, что делает весь код.

Но позвольте мне сказать кое-что неудобное.

«Вы можете видеть код» и «вы действительно прочитали код» — это две совершенно разные вещи. Подавляющее большинство пользователей не будут читать исходный код. Подавляющее большинство людей, разворачивающих Hermes, будут использовать настройки по умолчанию. Лицензия MIT дает вам право на аудит, но не гарантирует, что вы воспользуетесь этим правом.

Открытый исходный код против закрытого: разные формы доверия

Это подводит к более широкому вопросу: когда речь идет о самоулучшающихся агентах, какой исходный код более заслуживает доверия — открытый или закрытый?

Интуитивный ответ — открытый. Прозрачный код, аудит сообщества, лицензия MIT.

Но реальность более тонкая, чем интуиция.

Claude Code имеет закрытый исходный код. Вы не знаете, как устроены внутренности агента Anthropic. Но у Anthropic есть четкий коммерческий стимул поддерживать предсказуемое поведение агента: если агент выйдет из-под контроля и повредит чью-то кодовую базу, они потеряют подписчиков. Бизнес-давление — это форма ограничения.

Hermes имеет открытый исходный код. Вы можете видеть весь код. Но если самоулучшение агента вызовет проблему, у Nous Research нет коммерческих обязательств исправлять ее для вас. Обратная сторона лицензии MIT: вы несете последствия.

Две формы доверия: одна — «я доверяю вашим бизнес-стимулам», другая — «я доверяю своей способности проводить аудит».

Для технически подкованных людей открытый исходный код явно лучше — вы контролируете всё. Для людей, которые не хотят касаться кода и просто хотят использовать инструмент, закрытый коммерческий сервис может быть на самом деле безопаснее, потому что кто-то другой несет ответственность.

Где потолок самоулучшения

Вернемся к основному вопросу: как далеко могут зайти самоулучшающиеся агенты?

Моя оценка: потолок не технический — это сигнал обратной связи.

Цикл самоулучшения Hermes опирается на ключевое предположение: он может судить, хороши или плохи его собственные улучшения. Он модифицирует навык, следующая задача идет лучше — это положительная обратная связь. Но кто определяет «лучше»?

Если вы здесь и даете обратную связь, цикл работает. Вы говорите «это неправильно», он корректируется. Это контролируемое улучшение.

Если вас нет, агент может использовать только свои собственные критерии оценки. Он думает, что ответ был быстрее, точнее. Но «быстро» и «точно» не равно «правильно». Некоторые ошибки требуют предметных знаний для обнаружения. Агент не знает того, чего он не знает.

В книге Harness Engineering я писал: Митчелл Хашимото мог написать отличную harness для Ghostty, потому что понимал каждую деталь эмуляторов терминалов. У самоулучшающегося агента нет предметных знаний Митчелла. Он может оптимизировать эффективность выполнения, но не может судить, правильное ли направление.

Самоулучшение заставляет агентов бежать быстрее в известном направлении. Но само направление всё еще должен задавать человек.

Вопросы к вам

На этом этапе я не собираюсь подводить аккуратный итог. Потому что у этих вопросов нет окончательных ответов, и ответы будут меняться по мере развития технологий.

Но я хочу изложить несколько вопросов, над которыми стоит подумать со временем.

Какой уровень автономного самоулучшения вас устраивает?

Перезапись файлов навыков? Конечно. Автоматическое создание новых навыков? Вероятно, нормально. Изменение собственной основной конфигурации? Возможно, нет. Изменение логики собственного цикла обучения? Абсолютно нет. Где вы проводите черту?

Кто проверяет результаты самоулучшения?

Вы сами — как часто? Сообщество проверяет — доверяете ли вы суждению сообщества? Никто не проверяет — устраивает ли вас такой риск?

Нужен ли самоулучшающимся агентам механизм «забывания»?

Люди забывают, и это не баг — это фича. Устаревший опыт исчезает, что не позволяет ему загрязнять текущие суждения. Память агента только растет; шаблоны, изученные три месяца назад, могут быть устаревшими. Кто скажет агенту: «это нужно забыть»?

Как выглядит беспокойство Кифа Морриса в контексте Hermes?

Моррис беспокоился: если младшие разработчики никогда не будут касаться деталей кода, кто будет проектировать harness в будущем? В контексте Hermes вопрос становится: если агент сам проектирует свои поводья, кто судит, правильно ли спроектированы поводья?

Возможно, ответ: вам всегда нужен человек в цикле на каком-то уровне. Не проверяя каждую строку кода, но понимая, что система делает и почему она это делает.

Возможно, ответ: мы пока не знаем.

Мнение Хуашу: Самоулучшающиеся агенты — это самое захватывающее направление в этой области, но их потолок определяется степенью человеческого участия. Полностью автономный самоулучшающийся агент выиграет в эффективности, но проиграет в направлении. Золотая середина может быть такой: позволить агенту самоулучшаться в «как», а вы владеете «что» и «не делай». Это не лень — это другой вид «на цикле».

Hermes Agent: Полное руководство

Серия оранжевых книг

HuaShu · AI进化论-花生

Практическое руководство по фреймворку AI-агентов с открытым исходным кодом от Nous Research

От установки до мультиагентной оркестрации

Все оранжевые книги → huasheng.ai

Bilibili · WeChat: 花叔 · X/Twitter · YouTube · Xiaohongshu · Website

Создано HuaShu · v260408 · Апрель 2026 Только для образовательных целей. Инструменты ИИ быстро развиваются — обращайтесь к официальной документации.