Hermes: Der selbstoptimierende Agent, der jeden Tag schlauer wird

하이라이트

• Hermes ist ein Open-Source-KI-Agent von Nous Research, der durch kontinuierliche Reflexion und eigenständiges Erlernen neuer Fähigkeiten eine permanente Selbstoptimierung erreicht.

• Das System nutzt eine SQLite-Datenbank mit FTS5-Volltextsuche, um alle vergangenen Sitzungen dauerhaft abrufbar zu halten.

• Der Langzeitspeicher wird in einer komprimierten Version von etwa 3.500 Zeichen vor jeder Sitzung geladen, was die Token-Kosten effizient begrenzt.

• Hermes komprimiert den Kontext bereits ab einer Auslastung von 50 % des Kontextfensters, indem er alte Tool-Ausgaben entfernt und nur Anfang sowie Ende der Sitzung vollständig erhält.

• Alle 10 Interaktionsrunden prüft das System automatisch, ob wichtige Informationen im Speicher gesichert oder neue automatisierte Skills erstellt werden müssen.

• Nutzer können das zugrunde liegende KI-Modell während einer laufenden Sitzung über den Befehl /model wechseln, beispielsweise von Gemma 4 zu GLM 5 Turbo.

타임라인

1. 00:00 - 01:29

   Konzept und Positionierung von Hermes

   Die Entwicklung zielt darauf ab, eine Lücke zwischen funktionsreichen, aber komplexen Agenten und eingeschränkten SDK-basierten Assistenten zu schließen. Der Name leitet sich vom griechischen Götterboten ab und symbolisiert die Rolle als Vermittler und Helfer. In praktischen Tests dient Hermes der Erstellung von Werbe-Tweets basierend auf vorhandenen Videoskripten, wobei die Konsistenz des persönlichen Tons im Vordergrund steht.

   • Hermes unterscheidet sich von OpenClaw durch seinen Fokus auf kontinuierliche Selbstverbesserung und das eigenständige Erstellen von Fähigkeiten.
   • Das System adressiert Einschränkungen proprietärer SDKs wie jener von Claude, die die Nutzung von Abonnements über Drittanbieter-Tools reglementieren.
   • Die Kernfunktionalität liegt in der langfristigen Erinnerung an Schreibstile und spezifisches Feedback ohne ständige Wiederholungen durch den Nutzer.
2. 01:30 - 03:22

   Installation und operative Anwendung

   Die Installation umfasst die Auswahl des Modells und die Anbindung an Messaging-Plattformen. Während der Nutzung zeigt Hermes eine hohe Flexibilität, indem er Korrekturen am Schreibstil – etwa den Ersatz von 'ins Schwitzen kommen' durch 'wirklich gut' – sofort für zukünftige Aufgaben übernimmt. Das System agiert proaktiv und schlägt Strategien für Zielgruppen vor, die auf den analysierten Daten basieren.

   • Die Einrichtung erfolgt über einen CLI-Befehl und unterstützt verschiedene Anbieter wie OpenRouter oder lokale Hardware.
   • Hermes analysiert lokale Dateistrukturen wie Skript-Ordner, um Tonfall und Zielgruppenstrategien eigenständig zu definieren.
   • Der Wechsel zwischen verschiedenen Sprachmodellen ist innerhalb einer aktiven Sitzung möglich, um Geschwindigkeit oder Kontextnutzung zu optimieren.
3. 03:23 - 04:18

   Skill-Management und Automatisierung

   Durch die Erstellung eines speziellen Skills für das Verfassen von Tweets wird der Prozess für den Nutzer vereinfacht. Hermes speichert nicht nur Fakten, sondern auch Nuancen des Stils. Selbst nach dem Start einer völlig neuen Sitzung erkennt der Agent die Vorlieben des Nutzers korrekt wieder, da die Informationen im Hintergrund persistent bleiben.

   • Ein integrierter Skill-Manager erlaubt die dauerhafte Speicherung von Arbeitsabläufen als wiederverwendbare Werkzeuge.
   • Hermes generiert auf Anfrage komplexe Inhaltsstrukturen wie Twitter-Threads mit mehreren Auswahloptionen.
   • Neue Sitzungen greifen präzise auf Präferenzen wie bevorzugte Emojis aus früheren Konversationen zu.
4. 04:19 - 06:08

   Technische Architektur des Speichers

   Die technische Effizienz wird durch die Nutzung einer SQLite-Datenbank mit FTS5 erreicht, die schnelle Suchanfragen über alle Sitzungshistorien ermöglicht. Im Gegensatz zu anderen Systemen startet die Kompression bereits bei 50 % des Kontextfensters, wobei unwichtige Tool-Outputs gelöscht werden, während der relevante Kern der Konversation erhalten bleibt. Dies macht Hermes zu einem kosteneffizienten Langzeit-Assistenten.

   • Der externe Speicher wird in Dateien wie memory.md oder über spezialisierte Prozessoren wie mem0 verwaltet.
   • Die Kompression auf 700 Token stellt sicher, dass der Kontext für das Modell verarbeitbar bleibt, ohne das Fenster zu überfüllen.
   • Ein automatischer Trigger alle 10 Runden sichert die Datenintegrität und aktualisiert die Skill-Datenbank.