Hermes Agent erklärt: Der Open-Source-Agent, der seine eigenen Fähigkeiten schreibt

Nous Research nennt Hermes Agent im README des GitHub-Repositorys des Projekts „den einzigen Agent mit einer integrierten Lernschleife“. Das Repository hatte 256.360 Stars und 56.015 Forks, als wir es am 23. Oktober 2026 lasen, steht unter der MIT-Lizenz, wurde am 22. Juli 2025 erstellt und wurde zuletzt an ebendiesem Tag gepusht. Stars sind Aufmerksamkeit, kein Beweis, und diese Aufmerksamkeit ist kein Zufall: Google Trends weltweit, letzte sieben Tage, abgelesen am 23. Oktober 2026, verzeichnete für „hermes“ und „hermes agent“ einen Anstieg zwischen 30 und 40 Prozent. Was das Projekt einer sorgfältigen Erklärung wert macht, ist nicht die Zahl, sondern die Behauptung dahinter. Der Agent ist modellagnostisch – man richtet ihn auf jeden OpenAI-kompatiblen Endpunkt, auch auf unseren –, und das Einzige, von dem er sagt, dass er es tut, die Produkte, mit denen er verglichen werden wird, aber nicht, ist, aus seiner eigenen Arbeit zu lernen.

Was Sie tatsächlich installieren

Claude Code, Claude Cowork und Claude Duet sind Produkte. Man meldet sich an, bekommt eine Oberfläche, der Anbieter betreibt das Modell und der Tarif deckt die Nutzung ab. Hermes Agent ist ein Repository. Man installiert es auf einer Maschine, die man selbst kontrolliert, übergibt ihm einen Modell-Endpunkt, und von da an gehört es einem zum Konfigurieren, Kaputtmachen und Laufenlassen. Die Formulierung im README ist eher infrastrukturell als auf Endverbraucher ausgerichtet: „Betreiben Sie es auf einem 5-Dollar-VPS, einem GPU-Cluster oder serverloser Infrastruktur, die im Leerlauf nahezu nichts kostet.“ Es ist bewusst nicht an einen Laptop gebunden, und der darauffolgende Pitch lautet, dass man über Telegram mit ihm spricht, während es auf einer Cloud-VM arbeitet.

Die Installation folgt demselben Muster. Linux, macOS und WSL2 erhalten ein Einzeiler-Skript; natives Windows erhält einen PowerShell-Einzeiler, der laut README die CLI, das Gateway, die Terminal-Oberfläche und die Tools ganz ohne WSL ausführt. Android- und Termux-Nutzer erhalten ein signiertes APT-Repository für aarch64-Geräte mit einem Stable- und einem Canary-Kanal, und die README verweist sie auf eine separate Termux-Anleitung statt auf den Desktop-Installer. Der Quellcode-Installer delegiert Python 3.14, Node.js, npm, ripgrep, FFmpeg und die Python-Abhängigkeiten an einen Paketmanager und legt ein verifiziertes Git-for-Windows-Archiv bereit, falls Git fehlt – ohne das bereits auf dem Rechner vorhandene Git zu ersetzen. Es gibt sogar einen Eintrag zur Fehlerbehebung für Antivirensoftware, die das mitgelieferte uv.exe in Quarantäne verschiebt, was die README als Fehlalarm auf den mitgelieferten Rust-Paketmanager bezeichnet. Diese Sorgfalt für Rechner, die die Maintainer nicht sehen können, ist selbst ein Signal dafür, für wen die Software gedacht ist.

Wo es lebt und wo die Arbeit stattfindet

Zwei Teile der Funktionsliste sind leicht zu überfliegen und schwer gut umzusetzen. Der erste ist, dass sie dort ist, wo du dich bereits aufhältst: Telegram, Discord, Slack, WhatsApp, Signal und eine einfache CLI, alles aus einem einzigen Gateway-Prozess heraus, mit Transkription von Sprachnachrichten und kanalübergreifend aufrechterhaltener Gesprächskontinuität. Der zweite ist der Punkt, an dem die Arbeit stattfindet. Sechs Terminal-Backends sind integriert – lokal, Docker, SSH, Modal, Daytona und Vercel Sandbox – dazu Plugin-Backends wie Singularity und Apptainer. Daytona und Modal bieten serverlose Persistenz: Die Umgebung des Agenten geht bei Inaktivität in den Ruhezustand und wacht bei Bedarf wieder auf. Deshalb kann das README sowohl „einen 5-Dollar-VPS“ als auch „nahezu nichts im Leerlauf“ im selben Atemzug anbieten, ohne dass sich beides widerspricht.

Darüber liegt ein Cron-Scheduler mit Zustellung an jede Plattform – tägliche Berichte, nächtliche Backups, wöchentliche Audits, in natürlicher Sprache verfasst und unbeaufsichtigt ausgeführt – sowie isolierte Subagenten für parallele Arbeitsströme, deren Provider, Modell und Limits in der Desktop-App unter Einstellungen, Modell, Subagenten festgelegt werden. Auch eine Forschungsoberfläche gibt es: Batch-Trajektoriengenerierung und Trajektorienkomprimierung für das Training der nächsten Generation von Tool-Calling-Modellen. Die Terminal-Schnittstelle selbst ist eine vollwertige TUI mit mehrzeiligem Bearbeiten, Autovervollständigung für Slash-Befehle, Gesprächsverlauf, Unterbrechen und Umleiten sowie gestreamter Tool-Ausgabe. Nichts davon ist die Behauptung, mit der das Projekt wirbt, was bezeichnend ist: Es ist die unglamouröse Hälfte eines Agenten, der es überleben muss, eingeschaltet gelassen zu werden.

Die Schleife, zerlegt

Der Begriff „Learning Loop“ leistet in der ersten Zeile der README eine ganze Menge Arbeit, deshalb lohnt es sich, ihn in die fünf Dinge aufzuschlüsseln, die das Dokument tatsächlich benennt.

• Agent-kuratierte Erinnerungen mit regelmäßigen Anstößen: Der Agent entscheidet, was es wert ist, behalten zu werden, und wird dazu angehalten, dies zu speichern, anstatt darauf zu warten, dass ein Nutzer danach fragt.

• Autonome Erstellung von Skills nach komplexen Aufgaben, sodass eine lange Abfolge von Schritten eine wiederverwendbare Vorgehensweise hinterlässt, anstatt beim nächsten Mal erneut hergeleitet zu werden.

• Fähigkeiten, die sich während der Nutzung selbst verbessern: Das Verfahren wird beim nächsten Anwenden überarbeitet, statt in dem Moment eingefroren zu bleiben, in dem es geschrieben wurde.

• FTS5-Sitzungssuche mit LLM-Zusammenfassung, sodass vergangene Gespräche sitzungsübergreifend abrufbar sind, statt in einem Scrollback-Puffer zu verstauben, den niemand liest.

• Nutzermodellierung – die README schreibt Honcho einen dialektischen Ansatz zu –, die sich zu „einem immer tieferen Modell davon, wer Sie über Sitzungen hinweg sind“ verdichtet.

Das ist ein kohärentes Design, und die Frage nach dem Artefakt ist die entscheidende. Nichts in der README beschreibt einen Trainingslauf. Die Schleife erzeugt schriftliches Material: Gedächtniseinträge und Skills, die offen beibehalten und überarbeitet werden. Im Prinzip bedeutet das, dass ein Nutzer lesen kann, was der Agent zu behalten beschlossen hat, und nach der nächsten Aufgabe diffen kann, was sich geändert hat; es bedeutet auch, dass die Verbesserung außerhalb des Modells lebt, in Dateien, die einen Modellwechsel überdauern. Das Projekt ist außerdem mit dem offenen Standard agentskills.io kompatibel, was genau dann wichtig ist, wenn dir daran gelegen ist, ob diese Skills das Tool überdauern, das sie geschrieben hat. Einzeln betrachtet gibt es Gedächtnis, Retrieval, geplante Jobs und Subagenten alle auch anderswo. Die Kombination und die Betonung darauf, dass der Agent seine eigenen Abläufe umschreibt, ist der Teil, der als neu beansprucht wird.

Was wurde gemessen

Nichts – zumindest öffentlich. Die README veröffentlicht kein Benchmark-Ergebnis, keinen geprüften Vergleich mit einem anderen Agenten, kein Standardmodell und keine gehostete Preisseite. Der Superlativ im ersten Satz kommt ohne einen dazugehörigen Test daher, und eine Behauptung dieser Art braucht einen, denn der Vergleich, den sie anstellt, richtet sich gegen jeden anderen existierenden Agenten – einschließlich Agenten, die bereits Gedächtnis führen oder ihre eigenen Tools erstellen. „Der einzige Agent mit einer eingebauten Lernschleife“ ist ein Satz, den ein Leser an einer Funktionsmatrix prüfen kann; ob die Schleife den Agenten bei Ihrer Arbeit besser macht, ist eine andere Frage, und sie wurde öffentlich nicht beantwortet.

Aufmerksamkeit erledigt inzwischen die Arbeit, die sonst Belege erledigen würden. 256.360 Sterne und 56.015 Forks sind eine große Zahl für ein im Juli 2025 erstelltes Repository, und es ist die Art von Zahl, die eine Leserin oder ein Leser als Urteil aufnimmt. Das ist sie nicht. Ein Stern kostet einen Klick. Presseberichte Anfang Oktober 2026 bezifferten die Finanzierungsrunde von Nous Research auf 90 Millionen US-Dollar bei einer berichteten Bewertung von 1,5 Milliarden US-Dollar, wobei NVIDIA und Samsung zu den Geldgebern zählten, und gaben die Downloads des Agenten mit mehr als 24 Millionen an. Das sind Zahlen aus Berichten und keine Angaben, die das Unternehmen selbst veröffentlicht, und selbst wenn man sie für bare Münze nimmt, messen sie Verbreitung, nicht Leistungsfähigkeit.

Das richtig zu messen, ist wirklich schwer, und das ist das Fairste, was man im Namen des Projekts sagen kann. Die Einheit der Verbesserung ist eine Aufgabe, die man bereits erledigt hat; die kontrafaktische Situation ist also derselbe Agent bei derselben Aufgabe ohne die Fähigkeit, die er geschrieben hat — die Arbeitslast muss zweimal durchlaufen werden, mit und ohne das Artefakt, und zwar über genügend Aufgaben hinweg, um einen echten Gewinn von Lauf-zu-Lauf-Rauschen zu unterscheiden. Niemand hat das veröffentlicht. Bis jemand es tut, ist die ehrliche Zusammenfassung, dass der Mechanismus ungewöhnlich detailliert beschrieben und das Ergebnis lediglich behauptet wird.

Die Claude-Produkte, mit denen es verglichen wird

Wer von der Claude-Seite zu Hermes kommt, hat eine bestimmte Produktpalette vor Augen, und der Vergleich lohnt sich, weil sich die Kategorien unterscheiden, bevor es überhaupt um Funktionen geht. In der Navigation von Anthropic werden Claude selbst, Claude Code, Claude Cowork, Claude Duet, Claude Tag, Claude Science und Claude Security aufgeführt. Claude Code ist für Softwareentwicklung konzipiert und läuft in einem Terminal, einer Desktop-App, einer Weboberfläche und einer Mobile-App, mit GitHub- und IDE-Integrationen, Code Review ist für Team und Enterprise allgemein verfügbar, und ein Sicherheits-Plugin befindet sich in der Beta. Claude Cowork nimmt sich ein Ziel vor und arbeitet über Ihre Dateien und Tools hinweg, mit einem Browser in der Seitenleiste, und jegliches Löschen bedarf Ihrer Freigabe. Claude Duet ist das proaktive Produkt: eine eigenständige App, die für Claude-Pro- und -Max-Abonnenten in den USA auf der Warteliste steht und auf Claude Opus 5.5 basiert.

Jedes davon ist das eigene Produkt des Modellanbieters auf dessen eigener Infrastruktur. Hermes kehrt alle drei Begriffe um. Der Agent ist Open Source, das Modell ist ein Parameter, und die Infrastruktur ist das, worauf man ihn richtet. Genau aus dieser Umkehrung bezieht die Behauptung zur Lernschleife ihre Überzeugungskraft, denn ein geschlossenes Produkt kann den Agenten, den Sie nutzen, jederzeit nach Belieben verändern, während ein Agent, dessen Fähigkeiten in Dateien liegen, die Ihnen gehören, geprüft und grundsätzlich auch verschoben werden kann. Anthropic führt Skills und Plugins unter seinen Fähigkeiten auf; doch keine der Produktseiten, die wir am 23. Oktober 2026 gelesen haben, beschreibt einen Agenten, der aus seiner eigenen Aufgabenhistorie einen neuen Skill schreibt und diesen Skill bei der nächsten Verwendung überarbeitet. Ob der Unterschied wertvoll ist, ist eine andere Frage als die, ob er real ist, und nur die zweite ist geklärt.

Es auf ein Modell ausrichten

Die Modell-Story im README ist ein einziger Befehl: hermes model. Laut README lässt sich wechseln, worauf der Agent läuft, ohne Codeänderungen und ohne Lock-in. Das ist der Teil des Designs, der am besten altern sollte, denn die interessante Variable bei einem Agenten dieser Art ist nicht die Schleife, sondern das Modell darunter. Dieselbe Skill-Bibliothek verhält sich auf einem kleinen offenen Modell anders als auf einem Frontier-Modell, und ein Tool, das diesen Wechsel in eine Konfigurationsänderung verwandelt, lässt dich den Unterschied testen, statt darüber zu streiten.

Der Wechsel ist günstig, weil die Schnittstelle OpenAI-kompatibel ist – und genau diese Schnittstelle sprechen wir. OrcaRouter ist ein einziger Endpunkt für mehr als 200 Modelle unter einem einzigen Schlüssel, mit 0 % Aufschlag – der Listenpreis des Anbieters wird eins zu eins weitergegeben –, automatischem Failover, wenn die Leistung eines Anbieters nachlässt, und einer Routing-DSL für die Anfragen, bei denen Sie genau festlegen möchten, welches Modell was übernimmt. Wenn Sie ein Frontier-Modell hinter dem Agenten möchten, kostet Claude Opus 5.5 4,00 US-Dollar pro Million Eingabe-Tokens und 20,00 US-Dollar pro Million Ausgabe-Tokens, mit einem Kontext von 1 Mio. Tokens und Cache-Lesevorgängen zu 0,20 US-Dollar pro Million. Hermes ist es egal, welcher Endpunkt antwortet. Eines sollte klar sein: Wir hosten Modelle, nicht die Apps von Anthropic oder die Agenten von irgendwem sonst. Hermes ist Software von Nous Research, und es zu betreiben bedeutet, dass Ihre Maschine, Ihre Kanäle und Ihre Token-Rechnung Ihre Sache sind.

Wenn du es ausführen willst

Die ehrliche Checkliste vor der Installation hat wenig mit der Schleife zu tun, und die README ist in Bezug auf das meiste davon ungewöhnlich direkt.

• Der Agent benötigt einen Host, der dauerhaft läuft. Ein Laptop, der in den Ruhezustand wechselt, ist die falsche Maschine; deshalb setzt die README auf einen kleinen VPS oder ein serverloses Backend, das in den Ruhezustand wechselt, statt auf den Computer auf Ihrem Schreibtisch.

• Kanäle sind eine Entscheidung, kein Standard. Telegram, Discord, Slack, WhatsApp und Signal in einem einzigen Gateway-Prozess zusammenzuführen bedeutet, dass dieser Prozess die Zugangsdaten für alle diese Dienste hält – und das ist eine Angriffsfläche, über die man nachdenken sollte, bevor man sich an dem Feature erfreut.

• Die 5-Dollar-Zahl steht für Rechenleistung. Tokens werden von dem Endpunkt abgerechnet, auf den du den model-Befehl richtest, und ein Agent, der nach einem Cron-Zeitplan läuft, verbraucht sie, während du nicht hinsiehst. Geplante Arbeit und günstige Leerlaufzeit sind zwei verschiedene Ökonomien.

• Die Skills, die es schreibt, liegen bei Ihnen zur Prüfung. Der Vorteil von Artefakten gegenüber Gewichten ist, dass man sie lesen kann; die Disziplin besteht darin, sie tatsächlich zu lesen – so, wie man ein Skript lesen würde, das ein Kollege im Repository hinterlassen hat.

Die Frage, die es wert ist, gestellt zu werden

Nous Research hat etwas veröffentlicht, das eine klare These vertritt: Das nächste Nützliche, was ein Agent tut, ist kein längeres Kontextfenster, sondern eine wachsende Bibliothek von Verfahren, die er selbst geschrieben hat – auf einer Infrastruktur, die billig genug ist, um sie monatelang laufen zu lassen. Das README vertritt diese These mit einer detaillierten Funktionsliste, einem funktionierenden Installationspfad auf jeder Plattform, die ein Entwickler nutzen könnte, und einer Sternenzahl, für die die meisten Projekte eine Roadmap eintauschen würden. Was es noch nicht enthält, ist die Zahl, die die Debatte entscheiden würde – derselbe Agent, dieselben Aufgaben, vor und nachdem seine eigenen Fähigkeiten hinzugekommen sind. Bis jemand diesen Vergleich veröffentlicht, ist die faire Lesart, dass die Lernschleife ein gut beschriebener Mechanismus und ein ungemessenes Ergebnis ist. Das ist immer noch ein interessanteres Ding zum Installieren als entweder ein Versprechen oder eine Abweisung.