El 25 de febrero, un equipo llamado Nous Research lanzó silenciosamente una versión v0.1.0 en GitHub. Al principio, el modelo Hermes solo tenía una línea de comando de instalación y una frase de posicionamiento del producto: 'Un agente que crece contigo'.
En ese momento, pocas personas prestaron atención, incluso si Nous Research tenía cierta reputación en el círculo de modelos, su serie de modelos Hermes ya había acumulado 33 millones de descargas en HuggingFace, pero toda la atención de la comunidad de desarrolladores estaba en el venerado OpenClaw '小龙虾'. En 33 días superó a React para convertirse en el primero de la historia, '小龙虾' se convirtió en el proyecto con más estrellas en GitHub, alcanzando un pico de 710 estrellas por hora, pero en ese momento, investigadores de seguridad divulgaban continuamente vulnerabilidades a un ritmo promedio de 2.2 CVE por día, acumulando un total de 138 vulnerabilidades de seguridad en 63 días. La comunidad comenzó a replantearse una pregunta: ¿realmente se puede usar esto en un entorno de producción?
En este contexto, Hermes Agent, como competidor, finalmente tuvo la oportunidad y experimentó su primer período de rápido crecimiento.
Hermes ha incorporado en su código una herramienta para migrar desde OpenClaw, esos desarrolladores que abandonaron OpenClaw necesitaban un lugar donde aterrizar, y Hermes Agent se convirtió en una buena opción de boca a boca.
Así que, desde principios de marzo, Hermes Agent irrumpió en GitHub Trending, alcanzando un máximo de 11, superando las 2200 estrellas. AwesomeAgents lo llamó 'el lanzamiento de Agente de código abierto más ambicioso de 2026 hasta ahora', actualmente Hermes tiene 69.9k estrellas y 9k bifurcaciones en GitHub.
Hoy, Rhythm BlockBeats dialogará sobre qué diferencia a este Agente.
¿Qué es Hermes Agent?
Hermes Agent es un agente de IA auto-evolutivo construido por Nous Research, y es el único Agente que incorpora un ciclo de aprendizaje interno.
Puede crear automáticamente habilidades a partir de la experiencia de uso, mejorar continuamente esas habilidades durante su uso, solidificar proactivamente el conocimiento como activos reutilizables, recuperar su historial de conversaciones anteriores y profundizar en su comprensión de ti como usuario a lo largo de múltiples sesiones.
Así que, en resumen, la mayor ventaja de Hermes Agent es: cuanto más lo usas, más inteligente se vuelve, y cuanto más lo usas, más fácil de manejar resulta.
Su posicionamiento no es el de un asistente de programación atado a un IDE, ni una envoltura de chat para una sola API, sino un verdadero Agente autónomo que reside en tu servidor, capaz de recordar lo que ha aprendido, y cuanto más tiempo esté en funcionamiento, más habilidades adquirirá.
Nous Research se ha posicionado desde el principio como un laboratorio de IA de código abierto y descentralizado, con el objetivo de construir una IA que los usuarios puedan controlar de forma autónoma, en lugar de concentrar la inteligencia en unas pocas empresas cerradas. Su trabajo inicial se centró en la serie de modelos Hermes, además de realizar grandes inversiones en infraestructura y sistemas, y también exploraron la tecnología DisTrO para el entrenamiento de modelos utilizando GPU distribuidas de consumo a nivel mundial, así como entornos de simulación de interacción de múltiples agentes como WorldSim y Doomscroll.
El equipo de Hermes Agent es el mismo grupo que creó la serie de modelos Nomos y Psyche.
¿Cuáles son las herramientas útiles?
El mecanismo más central de Hermes Agent es su sistema de memoria y sistema de habilidades. El Agente mantiene dos archivos centrales simplificados: MEMORY.md almacena información del entorno, acuerdos y experiencias resumidas de tareas pasadas; USER.md almacena tus preferencias y estilo de comunicación. Estos dos archivos se inyectan automáticamente en el aviso del sistema al inicio de cada sesión, equivalentes a la 'memoria de trabajo a largo plazo' del Agente. Además, todas las sesiones históricas se almacenan en una base de datos de búsqueda de texto completo SQLite, lo que permite al Agente recuperar el contenido de conversaciones de hace semanas.
En el sistema de habilidades, cada vez que se completa una tarea compleja (generalmente más de 5 llamadas a herramientas), el Agente crea automáticamente un 'documento de habilidades' estructurado en Markdown, registrando los pasos de operación, el contenido conocido y los métodos de validación, para su reutilización futura. Los archivos de habilidades siguen un modelo de divulgación progresiva: el Agente solo ve por defecto el nombre y la descripción de la habilidad (aproximadamente 3000 tokens), y carga el contenido completo de cualquier habilidad solo cuando es necesario, controlando así el consumo de tokens.
En términos de herramientas, Hermes Agent tiene más de 40 herramientas integradas, que cubren búsqueda en la web, automatización de navegadores, comprensión visual, generación de imágenes, texto a voz, y también admite la programación de tareas a través de lenguaje natural, permitiendo que el Agente ejecute automáticamente tareas periódicas como generación de informes, copias de seguridad de datos y monitoreo del sistema sin supervisión.
Entre las herramientas más populares, que son las que los usuarios de la comunidad utilizan con mayor frecuencia, brindan más retroalimentación, y de acuerdo con la arquitectura funcional de Hermes y las necesidades típicas de la comunidad de desarrolladores, se destacan las siguientes herramientas:
Hindsight es actualmente la herramienta única más popular en el ecosistema, y es el complemento oficial recomendado por Hermes para la memoria a largo plazo. Recuerda automáticamente el contexto relevante antes de cada llamada a LLM, admite PostgreSQL local o despliegue en la nube, y ya se ha integrado como Proveedor de Memoria nativo en Hermes.
Anthropic-Cybersecurity-Skills es el paquete de habilidades con más estrellas en el ecosistema, que incluye más de 753 habilidades de seguridad estructuradas, mapeando completamente el marco MITRE ATT&CK, adecuado para investigaciones de seguridad y pruebas de penetración.
mission-control es actualmente el tablero de orquestación de Agentes más popular en el ecosistema, que admite gestión de flotas de Agentes, distribución de tareas, seguimiento de costos y flujos de trabajo colaborativos entre múltiples Agentes, recomendado por la comunidad como estándar para implementaciones de nivel de producción.
Hermes Agent Self-Evolution es una técnica de mejora continua evolutiva, que utiliza DSPy + GEPA para optimizar habilidades, sugerencias y código.
Hermes Workspace es el espacio de trabajo nativo de Hermes, que integra la interfaz de chat, terminal y gestor de habilidades, y es la entrada gráfica más popular.
Además, también puede derivar Agentes secundarios independientes, cada uno con su propio contexto de conversación, terminal independiente y scripts Python RPC, logrando así una tubería paralela con costo de contexto cero.
En términos de flexibilidad de infraestructura, admite seis tipos de backend: ejecución local, Docker, SSH remoto, Daytona sin servidor, contenedores Singularity y funciones en la nube Modal. Daytona y Modal se hibernan cuando están inactivos, con costos casi cero. Puedes ejecutarlo en un VPS de 5 dólares o en un clúster GPU, dando instrucciones a través de Telegram para que trabaje en un servidor en la nube al que nunca accedes directamente por SSH.
Actualmente, Hermes Agent y OpenClaw constituyen la competencia más directa; ambos son marcos de Agentes de código abierto orientados a desarrolladores.
Las filosofías arquitectónicas de ambos son completamente diferentes: el núcleo del diseño de OpenClaw es un 'plano de control', un proceso unificado de ejecución a largo plazo, encargado de gestionar sesiones, enrutamiento, ejecución de herramientas y estado, todo fluye a través de este controlador central. Hermes, en cambio, tiene como núcleo el ciclo de ejecución del Agente mismo, construyendo todo alrededor de este ciclo repetido de 'hacer, aprender, mejorar'.
En el sistema de habilidades, las diferencias entre ambos son especialmente notables: las habilidades de OpenClaw son en su mayoría escritas a mano, cargadas desde diferentes niveles como workspace, personal, shared o plugins; la idea de Hermes es permitir que el Agente genere habilidades por sí mismo a partir de la experiencia, formando un verdadero ciclo de aprendizaje autónomo.
Cómo instalar y usar
Es extremadamente sencillo de usar. Con una línea de comando 'curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash' puedes completar la instalación, admitiendo Linux, macOS y WSL2, Hermes Agent se configurará automáticamente sin necesidad de intervención manual.
Sitio web de Hermes
Después de completar la instalación de Hermes Agent, ejecuta 'hermes setup' para iniciar el asistente de configuración, selecciona tu proveedor de modelos (admite Nous Portal, OpenRouter, OpenAI o cualquier punto final personalizado), conecta tu plataforma de mensajería (Telegram, Discord, Slack o WhatsApp) y comienza la primera conversación. Desde la primera interacción, Hermes Agent entra inmediatamente en modo de aprendizaje, comenzando a construir memoria, crear habilidades y volviéndose más capaz después de cada sesión.
Los comandos centrales de uso diario incluyen:
hermes (iniciar conversación),
modelo hermes (seleccionar proveedor y modelo de LLM),
hermes tools (configurar qué herramientas habilitar),
hermes gateway (iniciar la puerta de enlace de mensajes, conectarse a Telegram, Discord y otras plataformas),
hermes setup (ejecutar el asistente de configuración completo, configurar todo de una vez),
hermes claw migrate (migrar desde OpenClaw),
hermes update (actualizar a la última versión),
hermes doctor (diagnosticar problemas);
Los escenarios adecuados para Hermes Agent incluyen: un asistente de IA general que necesita recordar contexto entre sesiones y mejorar continuamente su capacidad; flujos de trabajo de Agentes personalizados que requieren el uso combinado de herramientas, complementos, servidores MCP, navegadores o Shell; desplegar Agentes en hardware local, VM en la nube o infraestructura sin servidor de bajo costo; y escenarios de asistentes persistentes que necesitan mantener un historial de conversaciones buscable y habilidades aprendidas a través de múltiples plataformas.
Más específicamente, puedes usarlo para chatear con él en Telegram mientras ejecuta tareas en una VM en la nube, configurar automatizaciones y enviar informes a cualquier plataforma, permitirle tomar el control de tareas periódicas; o conectarlo a Slack o Discord para brindar soporte colaborativo de IA a todo el equipo; o utilizar su función de exportación de trayectoria para generar datos de entrenamiento para el entrenamiento de modelos RL de la próxima generación.