Hermes: O Agente de Autoaperfeiçoamento que Fica Mais Inteligente a Cada Dia

하이라이트

• O Hermes é um agente de IA de código aberto da Nous Research que evolui e cria habilidades personalizadas automaticamente através do uso contínuo.

• A memória de longo prazo utiliza um banco de dados SQLite com FTS5 para busca em texto completo, permitindo recuperar informações de sessões passadas.

• O sistema economiza tokens limitando a memória pré-carregada a cerca de 3.500 caracteres, o que equivale a aproximadamente 700 tokens por sessão.

• A compressão de contexto ocorre quando a janela atinge 50% de ocupação, removendo saídas de ferramentas antigas e mantendo o início e o fim da conversa.

• O comando /model permite trocar o modelo de linguagem durante uma sessão ativa, como alternar do Gemma 4 para o GLM 5 Turbo para maior velocidade.

• O agente executa uma auto-reflexão a cada 10 turnos de conversa para salvar informações cruciais e sugerir a criação de novas habilidades no Skill Manager.

타임라인

1. 00:00 - 01:29

   Arquitetura e Capacidades do Agente Hermes

   Este agente de código aberto foca na persistência de dados e na criação de fluxos de trabalho customizados. Ele se diferencia de assistentes tradicionais por não esquecer interações prévias e por ser capaz de gerar novas funções internas, chamadas de habilidades, para tarefas específicas como a criação de conteúdo promocional baseado em roteiros existentes.

   • O Hermes opera sob uma premissa de auto-aperfeiçoamento contínuo onde o aprendizado e a evolução ocorrem de forma autônoma.
   • A integração com ferramentas de terceiros e a ausência de restrições de assinatura tornam o Hermes mais flexível que o ecossistema fechado do Claude.
   • O sistema possui a capacidade técnica de reter o estilo de escrita e o tom de voz do usuário sem necessidade de instruções repetitivas.
2. 01:30 - 02:44

   Instalação e Configuração de Modelos

   O processo de configuração inicial assemelha-se ao do OpenClaw, oferecendo flexibilidade para rodar o agente em hardware local se a potência for suficiente. Durante a interação inicial, o agente analisa arquivos locais, como pastas de scripts, para identificar padrões de comportamento e definir uma estratégia de comunicação pragmática e focada no público-alvo do usuário.

   • A instalação é realizada via comando CLI simples, permitindo a execução local ou em servidores privados virtuais (VPS).
   • O suporte a provedores como OpenRouter facilita o uso de modelos variados, incluindo o Gemma 4 e o GLM 5 Turbo.
   • As sessões de chat são isoladas por padrão, exigindo especificações técnicas para retomar contextos de conversas anteriores.
3. 02:45 - 04:17

   Gestão de Memória e Otimização de Contexto

   Ao receber feedback sobre a qualidade de um tweet, o agente não apenas corrige a saída atual, mas salva as preferências de vocabulário na memória permanente. O uso do Skill Manager permite que o usuário solicite a criação de uma 'habilidade de escrita', que o agente utiliza posteriormente para gerar múltiplas opções de postagens e threads de forma automatizada e consistente.

   • A alteração dinâmica de modelos via comando /model ajusta o equilíbrio entre custo, precisão e velocidade de resposta no meio da tarefa.
   • O Skill Manager automatiza a criação de funções complexas, transformando instruções de feedback em comandos reutilizáveis.
   • A memória armazena preferências granulares, incluindo o uso específico de emojis e comprimentos de texto preferidos.
4. 04:18 - 06:08

   Mecânica Técnica de Armazenamento Externo

   Para evitar o esgotamento precoce da janela de contexto, o Hermes limita a memória ativa a 700 tokens, mas mantém acesso total ao histórico via banco de dados. A compressão inicia quando 50% do contexto é atingido, uma marca mais agressiva que os 80% do Claude Code, visando manter a eficiência do modelo. O sistema é programado para realizar um 'auto-cutucão' a cada dez interações, garantindo que fatos importantes sejam movidos para o armazenamento de longo prazo.

   • O armazenamento da memória ocorre fora da janela de contexto principal em arquivos Markdown ou processadores como Super Memory e Mem0.
   • O banco de dados SQLite utiliza FTS5 para realizar buscas eficientes em conversas históricas sem consumir tokens desnecessários.
   • A estratégia de compressão mantém as partes mais relevantes da conversa (início e fim) enquanto descarta dados técnicos intermediários de chamadas de ferramentas.