في 25 فبراير، قام فريق يسمى Nous Research بهدوء بدفع إصدار v0.1.0 على GitHub. في البداية، كان نموذج Hermes يحتوي فقط على سطر واحد من أوامر التثبيت وجملة واحدة لتحديد المنتج: "وكيل ينمو معك".
في ذلك الوقت، لم يلاحظ الكثير من الناس ذلك، حتى مع وجود سمعة معينة لنموذج Nous Research في دائرة النماذج، حيث حققت نماذج سلسلة Hermes على HuggingFace 33 مليون عملية تحميل، لكن اهتمام مجتمع المطورين بأكمله كان موجهًا نحو OpenClaw "اللوبيا الصغيرة" التي كانت تُعبد بشكل كبير. في 33 يومًا، تجاوزت React لتصبح الأولى في التاريخ، وأصبحت "اللوبيا الصغيرة" أسرع مشروع في GitHub من حيث النجوم عبر الزمن، حيث وصلت في ذروتها إلى 710 نجوم في كل ساعة، ولكن في ذلك الوقت كان هناك باحثون في الأمان يكشفون عن الثغرات بمعدل 2.2 CVE في اليوم في نفس نافذة الوقت، مما أدى إلى الكشف عن 138 ثغرة أمنية خلال 63 يومًا. بدأ المجتمع بأسره في إعادة التفكير في سؤال: هل يمكن استخدام هذا الشيء في بيئة الإنتاج؟
في هذا السياق، وجد Hermes Agent، باعتباره منافسًا أيضًا، فرصته أخيرًا، ودخل أول فترة نمو سريعة له.
لقد كتب Hermes في شيفرته أداةً للهجرة بنقرة واحدة من OpenClaw، وهؤلاء المطورون الذين غادروا OpenClaw كانوا بحاجة إلى مكان يستقرون فيه، فصار Hermes Agent خيارًا شائعًا يتناقل الناس الإشادة به.
ومنذ بداية مارس، اقتحم Hermes Agent قائمة GitHub Trending، وبلغ ذروته في المركز 11، متجاوزًا 2200 نجمة. وقد وصفته AwesomeAgents بأنه «أكثر إطلاق مفتوح المصدر لوكيل AI طموحًا حتى الآن في عام 2026»، وحاليًا لدى Hermes على GitHub عدد 69.9k من النجوم و9k من الـ Forks.
اليوم سنتحدث معكم في律动 BlcokBeats عن ما الذي يميز هذا الـ Agent.
ما هو Hermes Agent؟
Hermes Agent هو وكيل ذكاء اصطناعي متطور ذاتيًا من بناء Nous Research، وهو حاليًا الوكيل الوحيد المدمج بحلقة تعلم داخلية.
يمكنه إنشاء مهارات تلقائيًا من خبرة الاستخدام، وتحسين هذه المهارات باستمرار أثناء الاستخدام، وتثبيت المعرفة كأصول قابلة لإعادة الاستخدام، واسترجاع سجل محادثاته السابقة، وتعميق فهمه لك كمستخدم مع مرور الجلسات.
لذا ببساطة، أكبر ميزة في Hermes Agent هي: كلما استخدمته أكثر أصبح أذكى، وكلما استخدمته أكثر صار أيسر عليك.
ليس موقعه أن يكون مساعد برمجة مرتبطًا ببيئة IDE، ولا مجرد تغليف محادثة لـ API واحد، بل هو Agent مستقل يقيم فعلًا على خادمك، ويتذكر ما يتعلمه، وتزداد قدراته كلما طال وقت تشغيله.
لقد وضعت Nous Research نفسها منذ البداية بوصفها مختبر AI مفتوح المصدر أولًا وباتجاه لامركزي، بهدف بناء ذكاء اصطناعي يمكن للمستخدم التحكم به ذاتيًا، بدلًا من تركيز الذكاء في أيدي عدد قليل من الشركات المغلقة. ركزت أعمالهم المبكرة على سلسلة نماذج Hermes، وفي الوقت نفسه استثمروا بكثافة في البنية التحتية وعلى مستوى الأنظمة، كما استكشفوا تقنية DisTrO لتدريب النماذج عبر وحدات GPU استهلاكية موزعة عالميًا، إضافة إلى بيئات المحاكاة WorldSim وDoomscroll وغيرها من بيئات التفاعل متعدد الوكلاء والسلوك طويل المدى.
فريق Hermes Agent هو نفس الفريق الذي صنع سابقًا سلسلة نماذج Nomos وPsyche.
ما الأدوات الجيدة للاستخدام؟
أكثر آليات Hermes Agent جوهرية هي نظام الذاكرة ونظام المهارات. يحتفظ الـ Agent بملفين أساسيين ومختصرين: MEMORY.md لتخزين معلومات البيئة، والاتفاقات، والخبرات المستخلصة من المهام السابقة؛ وUSER.md لتخزين تفضيلاتك وأسلوب التواصل. يتم حقن هذين الملفين تلقائيًا في بداية كل جلسة إلى موجه النظام، بما يعادل «ذاكرة عمل طويلة الأمد» للـ Agent. إضافة إلى ذلك، تُخزَّن جميع الجلسات السابقة في قاعدة بيانات SQLite للبحث النصي الكامل، ما يتيح للـ Agent استرجاع محتوى محادثات جرت قبل أسابيع.
في نظام المهارات، كلما أُنجزت مهمة معقدة (عادةً بعد 5 استدعاءات أدوات أو أكثر)، يقوم الـ Agent تلقائيًا بإنشاء «وثيقة مهارة» منظمة بصيغة Markdown، تسجل خطوات التشغيل، وما هو معروف، وطريقة التحقق، ليُعاد استخدامها مستقبلًا. وتتبع ملفات المهارات نمط الإفصاح التدريجي: إذ لا يرى الـ Agent افتراضيًا سوى اسم المهارة ووصفها (حوالي 3000 token)، ولا يحمّل المحتوى الكامل لأي مهارة إلا عند الحاجة، وذلك للتحكم في استهلاك token.
على مستوى الأدوات، يأتي Hermes Agent مدمجًا مع أكثر من 40 أداة، تشمل البحث على الويب، وأتمتة المتصفح، وفهم الرؤية، وتوليد الصور، والتحويل من النص إلى كلام، كما يدعم إعداد المهام المجدولة باللغة الطبيعية، بحيث ينفذ الـ Agent تلقائيًا أعمالًا دورية مثل إنشاء التقارير، والنسخ الاحتياطي للبيانات، ومراقبة النظام دون إشراف.
وأكثر الأدوات شعبية، أي الأدوات التي يستخدمها أعضاء المجتمع بشكل متكرر في الواقع، وتحصل على أكبر قدر من الملاحظات، وبالاستناد إلى البنية الوظيفية لـ Hermes واحتياجات مجتمع المطورين النموذجية، فهي هذه الأدوات المتصدرة:
يُعد Hindsight حاليًا أكثر الأدوات الفردية سخونة داخل المنظومة، وهو الإضافة الرسمية للذاكرة الطويلة الأمد التي يوصي بها Hermes. يقوم تلقائيًا باستدعاء السياق ذي الصلة قبل كل استدعاء لـ LLM، ويدعم النشر محليًا عبر PostgreSQL أو على السحابة، وقد تم دمجه داخل Hermes كموفر ذاكرة أصلي.
يُعد Anthropic-Cybersecurity-Skills حزمة المهارات الأعلى عددًا من النجوم داخل المنظومة، ويضم أكثر من 753 مهارة أمن سيبراني منظمة، مع مطابقة كاملة لإطار MITRE ATT&CK، وهو مناسب لأبحاث الأمن واختبارات الاختراق.
يُعد mission-control حاليًا أكثر لوحات تنسيق الـ Agent شعبية داخل المنظومة، ويدعم إدارة أسطول الوكلاء، وتوزيع المهام، وتتبع التكاليف، وسير العمل التعاوني متعدد الوكلاء، ويوصي به المجتمع باعتباره التجهيز القياسي للنشر الإنتاجي.
Hermes Agent Self-Evolution هي تقنية تحسين ذاتي تطورية تستخدم DSPy + GEPA لتحسين المهارات، والموجهات، والشفرة.
Hermes Workspace هو مساحة العمل الأصلية لـ Hermes، ويجمع بين واجهة الدردشة، والطرفية، ومدير المهارات، وهو أكثر واجهة رسومية شيوعًا.
إضافة إلى ذلك، يمكنه اشتقاق وكلاء فرعيين مستقلين، يمتلك كل وكيل منها سياقه الحواري الخاص، وطرفيته المستقلة، وبرنامج Python RPC الخاص به، ما يحقق خطوط عمل متوازية دون أي تكلفة سياقية.
على مستوى مرونة البنية التحتية، يدعم ستة أنواع من الواجهات الخلفية: التشغيل المحلي، وDocker، وSSH البعيد، وDaytona بلا خادم، وحاويات Singularity، ودوال Modal السحابية. كلٌّ من Daytona وModal يدخلان في وضع السكون عند الخمول، لذا تكون التكلفة شبه صفرية. يمكنك تشغيله على VPS بقيمة 5 دولارات أو على عنقود GPU، وإعطاؤه الأوامر عبر Telegram، ليعمل على خوادم سحابية لا تدخل إليها عبر SSH مباشرةً.
يُعد Hermes Agent حاليًا في علاقة تنافسية مباشرة مع OpenClaw، فكلاهما إطار Agent مفتوح المصدر موجه للمطورين.
فلسفة البنية بينهما مختلفة تمامًا: فالتصميم الأساسي لـ OpenClaw هو «طبقة تحكم»؛ أي عملية طويلة التشغيل موحدة تتولى إدارة الجلسات، وتوجيه الطلبات، وتنفيذ الأدوات، والحالة، وكل شيء يمر عبر هذا المتحكم المركزي. أما Hermes فيجعل دورة تنفيذ الـ Agent نفسها هي المحور، ويبني البوابة، ومجدول المهام، وبيئة تشغيل الأدوات، وكل شيء حول هذه الحلقة المتكررة من «الفعل، والتعلم، والتحسين».
في مستوى نظام المهارات، يظهر الفرق بينهما بوضوح خاص: فمعظم مهارات OpenClaw مكتوبة يدويًا، وتُحمَّل من مستويات مختلفة مثل workspace وpersonal وshared أو عبر الإضافات؛ أما Hermes ففكرته هي أن يقوم الـ Agent بتوليد المهارات بنفسه من الخبرة، مُشكّلًا حلقة تعلم ذاتي حقيقية.
كيفية التثبيت والاستخدام
الأمر في غاية السهولة. فبأمر واحد «curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash» يمكن إتمام التثبيت، مع دعم Linux وmacOS وWSL2، ويقوم Hermes Agent تلقائيًا بإكمال جميع الإعدادات دون أي تدخل يدوي.
موقع Hermes الرسمي
بعد تثبيت Hermes Agent، شغّل «hermes setup» لبدء معالج الإعداد، واختر مزود النموذج الخاص بك (يدعم Nous Portal أو OpenRouter أو OpenAI أو أي نقطة نهاية مخصصة)، ثم اربطه بمنصة الرسائل لديك (Telegram أو Discord أو Slack أو WhatsApp)، وبعد ذلك ابدأ أول محادثة. ومنذ التفاعل الأول، يدخل Hermes Agent فورًا في وضع التعلم، ويبدأ ببناء الذاكرة، وإنشاء المهارات، ويصبح أكثر قدرة بعد كل جلسة.
تشمل أوامر الاستخدام اليومي الأساسية ما يلي:
hermes（بدء المحادثة）、
hermes model（اختيار مزود LLM والنموذج）、
hermes tools（تكوين الأدوات التي سيتم تفعيلها）、
hermes gateway（تشغيل بوابة الرسائل وربط Telegram وDiscord وغيرها من المنصات）、
hermes setup（تشغيل معالج الإعداد الكامل وتكوين كل شيء دفعة واحدة）、
hermes claw migrate（الترحيل من OpenClaw）、
hermes update（التحديث إلى أحدث إصدار）、
hermes doctor（تشخيص المشكلات）；
تشمل السيناريوهات المناسبة لـ Hermes Agent: مساعدًا عامًا بالذكاء الاصطناعي يحتاج إلى تذكّر السياق عبر الجلسات والتحسن المستمر؛ وسير عمل Agent مخصص يجمع بين الأدوات والإضافات وخوادم MCP أو المتصفح أو Shell؛ ونشر الـ Agent على عتاد محلي أو VM سحابية أو بنية تحتية بلا خادم منخفضة التكلفة؛ وكذلك سيناريوهات المساعد الدائم الذي يحتفظ بسجل محادثات قابل للبحث ومهارات مكتسبة عبر المنصات.
وبشكل أكثر تحديدًا، يمكنك استخدامه للتحدث معه على Telegram بينما ينفذ مهامًا على VM سحابية، أو لإعداد الأتمتة ودفع التقارير إلى أي منصة، أو لتولّي المهام الدورية؛ كما يمكنك ربطه بـ Slack أو Discord لتوفير دعم تعاون بالذكاء الاصطناعي للفريق بأكمله؛ أو الاستفادة من ميزة تصدير المسارات لتوليد بيانات تدريب لمرحلة RL لنماذج tool-calling من الجيل التالي.