Hermes will nicht nur helfen. Der Agent will dazulernen.

01 / Lernschleife

Erfahrung wird zu ausführbarem Wissen

Hermes Agent von Nous Research beschreibt sich als selbstverbessernden Agenten. Der Kern ist eine geschlossene Lernschleife: Der Agent kuratiert Erinnerungen, durchsucht vergangene Sitzungen und kann nach komplexen Aufgaben selbstständig Skills anlegen. Diese Skills dürfen sich bei späterer Nutzung weiterentwickeln.

Das ist mehr als ein längeres Chatgedächtnis. Erinnerung beantwortet, was bereits passiert ist. Ein Skill hält fest, wie eine Aufgabe zuverlässig erledigt werden kann. Aus einem erfolgreichen Einzelfall soll so eine wiederholbare Prozedur werden.

• Persistente Erinnerungen und Suche über frühere Sitzungen
• Automatisch erzeugte, wiederverwendbare Skills
• Ein fortlaufendes Nutzermodell über einzelne Gespräche hinweg

02 / Oberfläche

Ein Agent, viele Kontaktpunkte

Hermes läuft im Terminal, kann über einen Gateway-Prozess aber auch in Telegram, Discord, Slack, WhatsApp, Signal oder E-Mail erreichbar sein. Gespräche sollen dabei nicht als getrennte Bot-Identitäten enden, sondern denselben Agenten mit demselben Kontext ansprechen.

Hinzu kommen geplante Automationen. Berichte, Backups oder Audits lassen sich per natürlicher Sprache terminieren und an die gewünschte Plattform ausliefern. Der persönliche Agent wird damit vom reaktiven Chatpartner zum kleinen, dauerhaft erreichbaren Dienst.

03 / Betrieb

Modelloffen und nicht an den Laptop gebunden

Hermes ist nicht an einen einzelnen Modellanbieter gekoppelt. Unterstützt werden unterschiedliche Provider und eigene Endpunkte; das aktive Modell lässt sich ohne Codeänderung wechseln. Auch die Ausführung ist flexibel: lokal, in Docker, über SSH oder auf spezialisierten Cloud-Backends.

Für größere Aufgaben kann Hermes isolierte Unteragenten starten und Arbeitsstränge parallelisieren. Das macht die Architektur mächtig, vergrößert aber auch die Betriebsfläche: Modellzugänge, Messenger-Tokens, Dateirechte, Terminals und langfristige Erinnerungen müssen gemeinsam abgesichert werden.

04 / Einordnung

Persönlich wird ein Agent erst durch Kontinuität

Viele Assistenten wirken persönlich, solange ein Chatfenster offen ist. Hermes setzt an der schwierigeren Frage an: Was bleibt nach der Sitzung? Wenn der Agent Arbeitsweisen, Präferenzen und gelöste Probleme tatsächlich wiederverwenden kann, sinkt die ständige Wiederholung von Kontext.

Genau darin liegt zugleich das größte Risiko. Ein tiefes Nutzermodell ist hilfreich, aber sensibel. Nutzer brauchen Transparenz darüber, was gespeichert wurde, wie Erinnerungen korrigiert werden und welche Informationen ein automatisch erzeugter Skill enthält. Gute Memory-UX ist deshalb genauso wichtig wie die Modellqualität.