Hermes Agent — un agent IA autonome auto-apprenant qui crée et améliore ses compétences à partir de l’expérience

• Agent autonome intégrant une boucle d’auto-apprentissage, capable de créer et d’améliorer lui-même ses compétences pendant l’utilisation, tout en approfondissant progressivement son modèle utilisateur d’une session à l’autre
• Un agent autonome, et non un copilote de code lié à un IDE ni un simple wrapper de chatbot à API unique, qui devient plus compétent à mesure que son temps d’exécution s’allonge
• Fonctionne sur un VPS à 5 $, un cluster GPU ou une infrastructure serverless, sans contrainte liée à l’environnement d’exécution
• Prend en charge, via une passerelle unique, diverses plateformes de messagerie comme CLI, Telegram, Discord, Slack, WhatsApp, Signal et Email
• Offre plus de 40 outils intégrés et la connexion à des serveurs MCP, avec un système de compétences standard ouvert compatible avec agentskills.io
• Système de mémoire utilisateur persistante basé sur Honcho, qui accumule l’historique des conversations entre les sessions et infère de façon asynchrone, en arrière-plan, les préférences et schémas de comportement de l’utilisateur afin de les refléter automatiquement dans les réponses de l’agent
• Prise en charge du rappel inter-sessions basé sur FTS5, combiné à des résumés LLM pour rechercher les souvenirs entre les sessions
• Planificateur d’automatisation intégré, permettant de programmer en langage naturel des rapports, sauvegardes et vérifications
• Création de sous-agents parallèles, avec traitement de pipelines multi-étapes via Python RPC sans coût de contexte
• Prend en charge 6 backends : local, Docker, SSH, Modal, etc.
• Bascule libre entre plus de 200 modèles comme OpenRouter, OpenAI et Kimi
• Prend en charge la migration automatique pour les utilisateurs d’OpenClaw
• Compatible Linux, Mac et Windows (WSL2). Installation automatique avec les mêmes commandes partout
  curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/… | bash

[theogn]

Du point de vue d’un non-développeur peu à l’aise avec l’usage du CLI, j’essaie toutes sortes de solutions d’agents qui peuvent s’intégrer à Codex/CC Oauth (openclaw, ductor, cc-connect, hermes-agent), mais j’ai du mal à voir les différences. Si l’une d’elles était vraiment plus simple à utiliser, je n’utiliserais que celle-là, mais j’ai l’impression qu’elles se valent toutes...

Y a-t-il des personnes qui ont perçu, avec hermes agent, un avantage particulier qu’on ne trouvait pas dans les autres solutions d’agents existantes ?

[heyjude]

Il est vrai qu’il n’y a pas encore de différence perceptible pour les non-développeurs.
La différence entre hermes agent et openclaw tient à la structure de la mémoire et aux capacités d’auto-modification, mais à l’état vierge juste après l’installation, ces éléments ne se voient pas.

[sea715]

Il n’y a pas de grande différence. Au final, j’ai l’impression que ce qui compte, c’est surtout la taille du modèle (par ex. le nombre de paramètres ?).

[heyjude]

1. Après l’avoir fait tourner pendant peu de temps, j’ai eu l’impression que hermes perdait moins la mémoire que openclaw, et cela semble venir de la logique de replay du contexte de session en cas de redémarrage ou de fallback du modèle, entre autres. Comme openclaw continue lui aussi d’améliorer ses fonctionnalités liées à la mémoire, ça devrait sans doute s’améliorer à l’avenir.

2. La fonction d’auto-amélioration est également impressionnante, car lorsqu’un processus de travail complexe est détecté, il existe une logique qui le transforme automatiquement en skill, ainsi qu’une structure qui récupère le code source en git dans son propre espace de travail afin d’y accéder directement pour le modifier. En revanche, il n’y a absolument aucune gestion des changements entre le dépôt git du code source dans l’espace de travail et le dépôt officiel GitHub, si bien qu’une mise à jour réinitialise les modifications locales. J’essaie de trouver un moyen de compenser cela avec git worktree, mais je n’arrive pas à obtenir quelque chose de vraiment propre... hum hum...