Hermes: Agen Berbasis AI yang Terus Belajar dan Semakin Cerdas Setiap Hari

하이라이트

• Hermes adalah agen AI sumber terbuka besutan Nous Research yang mampu meningkatkan kemampuannya sendiri melalui proses belajar mandiri dari interaksi pengguna.

• Memori agen disimpan secara eksternal menggunakan file memory.md atau basis data SQLite dengan FTS5 untuk pencarian teks lengkap tanpa menghabiskan jendela konteks model.

• Sistem melakukan pemampatan sesi secara otomatis saat penggunaan mencapai 50% dari jendela konteks untuk menjaga efisiensi token.

• Agen ini memiliki kemampuan membuat keahlian (skills) secara otomatis untuk mengotomatisasi tugas-tugas berulang seperti penulisan cuitan dengan gaya bahasa tertentu.

• Instalasi Hermes dilakukan melalui perintah CLI sederhana yang mencakup pemilihan model dari penyedia seperti OpenRouter atau koneksi lokal.

• Setiap 10 giliran percakapan, Hermes secara otomatis memperbarui memori internalnya untuk menyimpan informasi penting dan menyesuaikan strategi bantuan.

타임라인

1. 00:00 - 01:29

   Mekanisme Belajar Mandiri Hermes

   Agen ini dirancang untuk mengatasi keterbatasan model AI statis dengan cara mengintegrasikan umpan balik pengguna langsung ke dalam inti operasinya. Pengujian dilakukan dengan tugas penulisan cuitan promosi untuk melihat kemampuan agen dalam menangkap gaya bahasa unik tanpa pengulangan instruksi. Fokus utamanya adalah evolusi kemampuan agen seiring bertambahnya frekuensi penggunaan.

   • Hermes merupakan agen AI yang mampu merenung dan mengembangkan keahlian baru secara mandiri tanpa campur tangan manual.
   • Sistem ini mempertahankan ingatan jangka panjang atas semua instruksi dan umpan balik yang diberikan oleh pengguna.
   • Kebutuhan akan asisten baru muncul karena adanya batasan penggunaan langganan Claude dengan alat pihak ketiga.
2. 01:30 - 02:15

   Proses Instalasi dan Konfigurasi Model

   Fleksibilitas instalasi memungkinkan Hermes berjalan di mesin lokal maupun Virtual Private Server (VPS). Pengguna memiliki kontrol penuh untuk menghubungkan agen ke berbagai alat CLI dan platform perpesanan lainnya. Struktur sesi yang terpisah memastikan manajemen konteks yang lebih rapi mirip dengan alur kerja pada Claude Code.

   • Instalasi dilakukan melalui satu perintah CLI yang memproses pemilihan model dan koneksi platform perpesanan.
   • Pengguna dapat memilih model berbiaya rendah seperti Gemma 4 atau GLM melalui OpenRouter untuk efisiensi biaya.
   • Setiap perintah awal memulai sesi baru yang bersih kecuali pengguna menentukan sesi tertentu untuk dilanjutkan.
3. 02:16 - 04:17

   Analisis Gaya dan Personalisasi Konten

   Hermes mendeteksi profil audiens dan merancang strategi konten yang sesuai dengan data yang tersedia di folder lokal. Meskipun ada perubahan instruksi di tengah jalan, seperti penambahan panjang karakter, agen tetap mampu menyesuaikan output dengan cepat. Hasil akhirnya adalah serangkaian pilihan cuitan yang mencerminkan kepribadian pengguna secara akurat.

   • Agen mampu menganalisis file naskah eksternal untuk mengidentifikasi karakteristik suara seperti pragmatis, skeptis, dan transparan.
   • Perpindahan model dapat dilakukan di tengah sesi menggunakan perintah khusus tanpa kehilangan kemajuan tugas.
   • Keahlian baru yang dibuat secara otomatis memungkinkan pembuatan utas Twitter lengkap dengan preferensi emoji yang spesifik.
4. 04:18 - 06:08

   Arsitektur Memori dan Manajemen Konteks

   Sistem memori eksternal memastikan bahwa informasi penting tidak membebani penggunaan token model utama. Hermes melakukan pembersihan konteks lebih agresif dibandingkan agen lain dengan memampatkan jendela konteks pada level 50%. Rutinitas penyimpanan memori setiap 10 giliran memastikan tidak ada detail penting yang terlewatkan dalam penggunaan jangka panjang.

   • Memori disimpan dalam bentuk padat sekitar 3.500 karakter atau 700 token untuk efisiensi sistem.
   • Basis data SQLite dengan fitur FTS5 digunakan untuk mencari informasi spesifik dari percakapan masa lalu secara instan.
   • Pemampatan sesi dilakukan dengan menghapus output pemanggilan alat yang lama sambil mempertahankan bagian awal dan akhir sesi.