Hermes: El agente que mejora por sí solo y es cada día más inteligente

하이라이트

• Hermes es un agente de IA de código abierto diseñado por Nous Research que aprende de la interacción y crea sus propias habilidades mediante el uso continuo.

• El sistema utiliza una base de datos SQLite con FTS5 para realizar búsquedas de texto completo sobre conversaciones pasadas y datos almacenados.

• La memoria de trabajo se compacta automáticamente a un límite de 3500 caracteres, lo que equivale aproximadamente a 700 tokens para optimizar el consumo de recursos.

• El agente comprime la sesión cuando se supera el 50% de la ventana de contexto, eliminando salidas de herramientas antiguas pero preservando el inicio y el final de la charla.

• Hermes permite cambiar de modelo de lenguaje en mitad de una sesión mediante el comando model para ajustar la velocidad o el costo según la tarea.

• Cada 10 turnos de conversación el sistema realiza un proceso de auto-reflexión para guardar información relevante en la memoria persistente.

타임라인

1. 00:00 - 01:29

   Naturaleza automejorable del agente Hermes

   Este agente de código abierto se distingue por su capacidad de no olvidar interacciones previas. Su diseño permite a los usuarios evitar las limitaciones impuestas por SDKs cerrados o modelos comerciales con reglas de uso cambiantes. El enfoque principal es la adaptabilidad del software al estilo y voz específicos de quien lo opera.

   • Hermes evoluciona y desarrolla habilidades personalizadas a través de la reflexión constante sobre los datos del usuario.
   • La plataforma permite la ejecución local en hardware propio o mediante servicios en la nube como VPS.
   • El sistema mantiene una persistencia de datos superior a herramientas que dependen de reglas restrictivas de suscripción de terceros.
2. 01:30 - 02:53

   Configuración técnica y análisis de estilo

   Durante la fase inicial, el sistema escanea guiones y documentos para definir una estrategia de contenido coherente. En las pruebas con guiones de video, el agente logra desglosar la voz del autor como centrada en el desarrollador y cercana. La flexibilidad técnica permite incluso migrar el funcionamiento de una máquina local a un servidor virtual para garantizar disponibilidad.

   • La instalación se realiza de manera sencilla mediante comandos CLI permitiendo la conexión a OpenRouter o modelos locales.
   • El agente analiza archivos locales en carpetas específicas para extraer patrones de escritura, tono y público objetivo.
   • Hermes identifica rasgos de personalidad en el texto como el pragmatismo, el escepticismo o la transparencia para replicarlos.
3. 02:54 - 04:17

   Optimización de modelos y creación de habilidades

   Si una tarea consume demasiado contexto o tiempo, la interfaz permite cambiar el motor de IA subyacente sin perder el hilo de la conversación. Al solicitar la creación de una habilidad, el agente genera un proceso automatizado que puede ofrecer múltiples variantes de un mismo producto, como tuits o hilos informativos. Esta persistencia es real incluso al cerrar y abrir sesiones de chat totalmente nuevas.

   • El comando model facilita la transición a modelos más rápidos como GLM 5 turbo para reducir la latencia.
   • La función de gestor de habilidades permite al agente programar flujos de trabajo repetibles basados en instrucciones previas.
   • La memoria compartida permite que una sesión nueva reconozca preferencias detalladas como el uso específico de emojis o la longitud de los párrafos.
4. 04:18 - 06:10

   Arquitectura de memoria y gestión de contexto

   Para evitar el agotamiento de tokens, Hermes emplea una base de datos SQLite que actúa como memoria a largo plazo. La búsqueda de texto completo permite recuperar datos de días anteriores de forma precisa. El método de compresión es selectivo: mantiene los puntos críticos de la interacción (inicio y fin) mientras resume la parte intermedia para ahorrar espacio sin sacrificar la coherencia del asistente.

   • La información se almacena fuera de la ventana de tokens principal utilizando archivos MD o procesadores externos como Mem0.
   • La compresión de contexto ocurre al alcanzar el 50% de la capacidad para mantener la eficiencia operativa.
   • El sistema depura el historial eliminando registros técnicos innecesarios de herramientas para priorizar la sustancia del diálogo.