Hermes : L'agent auto-apprenant qui devient plus intelligent chaque jour

하이라이트

• Hermes est un agent d'IA open-source capable d'apprendre de manière autonome et de créer ses propres compétences au fil des interactions.

• Le système compresse les sessions à 50 % de la fenêtre de contexte en supprimant les sorties des anciens outils pour optimiser la mémoire.

• La mémoire est stockée dans un fichier externe memory.md ou via des processeurs comme Super Memory et Open Viking.

• Toutes les sessions de l'agent sont conservées dans une base de données SQLite utilisant FTS5 pour permettre une recherche plein texte efficace.

• L'agent déclenche automatiquement la sauvegarde des informations importantes et la création de compétences toutes les 10 interactions environ.

• L'installation s'effectue via une commande simple permettant de connecter l'agent à des modèles locaux ou distants via OpenRouter.

타임라인

1. 00:00 - 01:29

   Nature et architecture de l'agent Hermes

   Cet agent open-source se distingue par sa capacité à ne jamais oublier les instructions passées et à développer de nouvelles aptitudes. Son utilité réside dans sa flexibilité par rapport à des alternatives plus rigides comme OpenClaw ou NanoClaw. L'objectif principal est de créer un assistant capable de reproduire un style d'écriture spécifique sans répétition de consignes.

   • Hermes est un agent IA auto-améliorant qui évolue de manière autonome sans intervention humaine constante.
   • Le nom de l'outil s'inspire du dieu messager grec et symbolise la transmission fluide d'informations.
   • L'agent vise à pallier les limitations de licence des outils tiers liés aux abonnements Claude officiels.
2. 01:30 - 02:07

   Installation et configuration technique

   La configuration permet d'utiliser des modèles variés tels que Gemma 4 via OpenRouter. La flexibilité du matériel détermine si l'exécution se fait localement ou via des API distantes. L'interface utilisateur affiche les outils et compétences disponibles dès le lancement de la session via un symbole distinctif.

   • L'installation se réalise par une commande unique gérant automatiquement la sélection du modèle et des dépendances.
   • Le système supporte l'exécution locale ou sur serveur virtuel (VPS) pour garantir la sécurité des données.
   • Chaque nouvelle commande Hermes initialise une session distincte, sauf mention contraire explicite.
3. 02:08 - 03:41

   Analyse de style et gestion des modèles

   L'outil identifie des traits de personnalité comme le pragmatisme ou le scepticisme après avoir fouillé les fichiers fournis. Lors des tests, le passage au modèle GLM 5 Turbo a augmenté la vitesse de réponse malgré une consommation de contexte élevée. L'agent ajuste ses suggestions de tweets en remplaçant les termes jugés inadaptés, comme "incroyable", par des alternatives préférées comme "très bon".

   • L'agent analyse les scripts existants dans des dossiers locaux pour décomposer la voix et le ton de l'utilisateur.
   • La commande slash model permet de changer de modèle de langage en pleine session pour ajuster la vitesse ou la précision.
   • Les retours utilisateur sur le vocabulaire permettent d'affiner les propositions futures en temps réel.
4. 03:42 - 04:17

   Création de compétences et persistance

   La création d'une compétence transforme une série d'instructions complexes en une fonction simple. Cela permet à l'utilisateur de demander une tâche spécifique dans une nouvelle session sans avoir à redéfinir son public cible ou sa limite de caractères. L'IA démontre sa capacité de rétention en listant précisément les habitudes d'écriture mémorisées précédemment.

   • L'agent génère des compétences réutilisables pour automatiser des tâches répétitives comme l'écriture de threads.
   • La mémoire persiste entre les sessions, permettant à l'IA de se souvenir des emojis préférés lors d'un nouveau lancement.
   • Le gestionnaire de compétences permet de produire plusieurs options de contenu pour un même prompt initial.
5. 04:18 - 06:08

   Mécanismes de stockage et compression de la mémoire

   Hermes évite le gaspillage de tokens en utilisant un stockage externe plutôt que de charger l'intégralité de l'historique dans la fenêtre de contexte. Contrairement à d'autres outils qui compressent à 80 %, Hermes adopte un seuil de 50 % pour garantir une marge de manœuvre au modèle. Le système nettoie également les journaux techniques des appels d'outils passés pour ne garder que la substance sémantique de la conversation.

   • La mémoire compactée préchargée à chaque session est limitée à environ 3 500 caractères ou 700 tokens.
   • L'agent privilégie la conservation du début et de la fin de la session tout en compressant le milieu pour optimiser l'espace.
   • L'utilisation de SQLite avec FTS5 permet une récupération précise des informations datant des jours précédents.