El 25 de febrero, un equipo llamado Nous Research lanzó silenciosamente una versión v0.1.0 en GitHub. Inicialmente, Hermes era solo un comando de instalación y una breve descripción de su propósito: «Un agente que crece contigo».
En ese momento, pocos le prestaron atención, a pesar de que Nous Research tiene cierta reputación en el mundo de los modelos, con su serie Hermes acumulando 33 millones de descargas en HuggingFace. Toda la atención de la comunidad de desarrolladores estaba centrada en el deificado OpenClaw «Crayfish». Alcanzó el primer lugar histórico en 33 días, superando a React, y se convirtió en el proyecto de más rápido crecimiento en la historia de GitHub, con un pico de 710 estrellas por hora. Pero justo en ese momento, investigadores de seguridad comenzaron a revelar vulnerabilidades a un ritmo promedio de 2.2 CVE por día, acumulando 138 vulnerabilidades de seguridad en 63 días. La comunidad comenzó a reconsiderar: ¿realmente se puede usar esto en un entorno de producción?
En este contexto, Hermes Agent, como competidor, finalmente tuvo su oportunidad y experimentó su primer período de crecimiento rápido.
Hermes incluyó en su código una herramienta de migración sencilla desde OpenClaw. Esos desarrolladores que abandonaron OpenClaw necesitaban un lugar para aterrizar, y Hermes Agent se convirtió en una opción popular de boca en boca.
Así, desde principios de marzo, Hermes Agent entró en GitHub Trending, llegando al puesto 11, con estrellas superando las 2200. AwesomeAgents lo llamó «el lanzamiento de Agente de código abierto más ambicioso de 2026 hasta ahora». Actualmente, Hermes tiene 69.9k estrellas y 9k forks en GitHub.
Hoy, BlockBeats habla con todos sobre qué hace diferente a este Agent.
¿Qué es Hermes Agent?
Hermes Agent es un agente de IA de auto-evolución construido por Nous Research, y es actualmente el único Agente con un ciclo de aprendizaje integrado.
Puede crear habilidades automáticamente a partir de la experiencia de uso, mejorar continuamente estas habilidades durante su uso, solidificar activamente el conocimiento en activos reutilizables, recuperar su historial de conversaciones pasado y profundizar continuamente su comprensión de ti, el usuario, a través de múltiples sesiones.
En resumen, la mayor ventaja de Hermes Agent es: cuanto más se usa, más inteligente y más cómodo se vuelve.
Su posicionamiento no es ser un asistente de programación vinculado a un IDE, ni una encapsulación de chat para una única API, sino un Agente autónomo que realmente reside en tu servidor, recuerda lo que aprende y se vuelve más capaz cuanto más tiempo funciona.
Nous Research se posicionó desde el principio como un laboratorio de IA con prioridad en código abierto y orientación descentralizada, con el objetivo de construir una IA que los usuarios puedan controlar de forma autónoma, en lugar de concentrar la inteligencia en manos de unas pocas empresas cerradas. Su trabajo inicial se centró en la serie de modelos Hermes, invirtiendo mucho en infraestructura y sistemas a nivel de sistema, y explorando la tecnología DisTrO para el entrenamiento de modelos en GPU de consumo distribuidas globalmente, así como entornos de simulación de interacción multiagente y comportamientos de largo alcance como WorldSim y Doomscroll.
El equipo detrás de Hermes Agent es el mismo que creó una serie de modelos como Nomos y Psyche.
¿Qué herramientas útiles tiene?
El mecanismo central de Hermes Agent es su sistema de memoria y sistema de habilidades. El Agente mantiene dos archivos centrales精简: MEMORY.md almacena información del entorno, convenciones y experiencias resumidas de tareas pasadas; USER.md almacena tus preferencias y estilo de comunicación. Estos dos archivos se inyectan automáticamente en el prompt 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, permitiendo al Agente recuperar contenido de conversaciones de semanas atrás.
En cuanto al sistema de habilidades, cada vez que se completa una tarea compleja (normalmente con 5 o más llamadas a herramientas), el Agente crea autónomamente un «documento de habilidad» estructurado en Markdown, registrando los pasos de operación, el conocimiento conocido y los métodos de verificación, para su reutilización futura. Los archivos de habilidades siguen un modo de divulgación progresiva: el Agente ve por defecto solo el nombre y la descripción de la habilidad (unos 3000 tokens), y carga el contenido completo de una habilidad específica solo cuando es necesario, controlando así el consumo de tokens.
A nivel de herramientas, Hermes Agent incluye más de 40 herramientas integradas, que cubren búsqueda web, automatización de navegador, comprensión visual, generación de imágenes, texto a voz, y también admite la configuración de tareas programadas mediante lenguaje natural, permitiendo al Agente ejecutar automáticamente trabajos periódicos como generación de informes, copias de seguridad de datos, monitorización del sistema, etc., sin supervisión.
Entre las herramientas más populares, es decir, aquellas con mayor frecuencia de uso real por parte de la comunidad, más comentarios, y según la arquitectura funcional de Hermes y las necesidades típicas de la comunidad de desarrolladores, las principales son estas:
Hindsight es actualmente la herramienta individual más popular en el ecosistema, es el plugin de memoria a largo plazo recomendado oficialmente por Hermes. Recuerda automáticamente el contexto relevante antes de cada llamada al LLM, admite PostgreSQL local o implementación en la nube, y ya está integrado como Memory Provider nativo en Hermes.
Anthropic-Cybersecurity-Skills es el paquete de habilidades con más Estrellas en el ecosistema, incluye 753+ habilidades estructuradas de ciberseguridad, mapea completamente el framework MITRE ATT&CK, adecuado para escenarios de investigación de seguridad y pruebas de penetración.
mission-control es actualmente el panel de control de orquestación de Agentes más popular en el ecosistema, admite gestión de flotas de Agentes, distribución de tareas, seguimiento de costos y flujos de trabajo colaborativos multiagente, recomendado por la comunidad como estándar para implementaciones a nivel de producción.
Hermes Agent Self-Evolution es una técnica de auto-mejora evolutiva, utiliza DSPy + GEPA para optimizar habilidades, prompts y código.
Hermes Workspace es el espacio de trabajo nativo de Hermes, integra interfaz de chat, terminal y gestor de habilidades, es la entrada gráfica más popular.
Además, puede derivar subagentes independientes, cada subagente tiene su propio contexto de conversación, terminal independiente y scripts Python RPC, permitiendo así pipelines paralelos con costo de contexto cero.
En flexibilidad de infraestructura, admite seis backends de terminal: ejecución local, Docker, SSH remoto, Daytona sin servidor, contenedores Singularity y funciones en la nube Modal. Daytona y Modal hibernan cuando están inactivos, el costo es casi cero. Puedes ejecutarlo en un VPS de 5 dólares o en un clúster de GPU, dar instrucciones a través de Telegram y hacer que trabaje en servidores en la nube a los que nunca accedes directamente por SSH.
Hermes Agent actualmente compite directamente con OpenClaw, ambos son frameworks de Agentes de código abierto orientados a desarrolladores.
Su filosofía arquitectónica es截然不同: el núcleo del diseño de OpenClaw es un «plano de control», un proceso de ejecución prolongada unificado responsable 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 propio Agente, construyendo la pasarela, el planificador de tareas, el tiempo de ejecución de herramientas, etc., todo alrededor de este ciclo repetitivo de «hacer, aprender, mejorar».
La diferencia en los sistemas de habilidades es尤其显著: las habilidades de OpenClaw están mayormente escritas manualmente, cargadas desde diferentes niveles como workspace, personal, shared o plugins; el enfoque de Hermes es permitir que el Agente genere habilidades por sí mismo a partir de la experiencia, formando un verdadero ciclo cerrado de aprendizaje autónomo.
Cómo instalarlo y usarlo
Es extremadamente sencillo empezar. Un solo comando «curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash» completa la instalación, admite Linux, macOS y WSL2. Hermes Agent completará automáticamente toda la configuración, sin necesidad de operación manual.
Sitio web oficial de Hermes
Una vez instalado Hermes Agent, ejecuta «hermes setup» para iniciar el asistente de configuración, selecciona tu proveedor de modelo (admite Nous Portal, OpenRouter, OpenAI o cualquier endpoint personalizado), conecta tu plataforma de mensajería (Telegram, Discord, Slack o WhatsApp), y luego comienza tu primera conversación. Desde la primera interacción, Hermes Agent entra inmediatamente en modo de aprendizaje, comenzando a construir memoria, crear habilidades, volviéndose más capaz después de cada sesión.
Los comandos centrales para el uso diario incluyen:
hermes (iniciar conversación),
hermes model (seleccionar proveedor de LLM y modelo),
hermes tools (configurar qué herramientas habilitar),
hermes gateway (iniciar puerta de enlace de mensajes, conectar Telegram, Discord, etc.),
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);
Hermes Agent es adecuado para escenarios que incluyen: asistente de IA general que necesita recordar el contexto entre sesiones y mejorar continuamente sus capacidades; flujos de trabajo personalizados de Agentes que necesitan combinar el uso de herramientas, plugins, servidores MCP, navegador o Shell; implementar Agentes en hardware local, VM en la nube o infraestructura sin servidor de bajo costo; y escenarios de asistente persistente que necesita mantener historial de conversaciones buscable y habilidades aprendidas multiplataforma.
Más concretamente, puedes usarlo para hablar con él en Telegram mientras ejecuta tareas en una VM en la nube, configurar automatizaciones y enviar informes a cualquier plataforma, dejar que se encargue de tareas periódicas; también puedes integrarlo en Slack o Discord para proporcionar soporte de colaboración de IA para todo el equipo; o utilizar su función de exportación de trayectorias para generar datos de entrenamiento para el entrenamiento RL de modelos de tool-calling de próxima generación.
