Hermes Agent, spiegato: l'agente open source che scrive le proprie competenze

Nous Research definisce Hermes Agent, nel README del repository GitHub del progetto, "l'unico agente dotato di un ciclo di apprendimento integrato". Il repository aveva 256.360 stelle e 56.015 fork quando l'abbiamo consultato il 23 ottobre 2026, è distribuito con licenza MIT, è stato creato il 22 luglio 2025 e l'ultimo push risaliva a quello stesso giorno. Le stelle indicano attenzione, non sono una prova, e l'attenzione non è un caso: Google Trends, a livello mondiale, negli ultimi sette giorni, consultato il 23 ottobre 2026, registrava per "hermes" e "hermes agent" un aumento tra il 30 e il 40 percento. Ciò che rende il progetto meritevole di una spiegazione attenta non è il numero, ma l'affermazione che vi sta sotto. L'agente è agnostico rispetto al modello — puoi indirizzarlo verso qualsiasi endpoint compatibile con OpenAI, compreso il nostro — e l'unica cosa che dichiara di fare e che i prodotti con cui sarà confrontato non fanno è imparare dal proprio lavoro.

Quello che stai effettivamente installando

Claude Code, Claude Cowork e Claude Duet sono prodotti. Si effettua l'accesso, si ottiene un'interfaccia, il fornitore gestisce il modello e il piano copre l'utilizzo. Hermes Agent è un repository. Lo installi su una macchina che controlli, gli assegni un endpoint del modello e da lì è tuo: puoi configurarlo, romperlo e lasciarlo in esecuzione. La presentazione del README stesso è di tipo infrastrutturale anziché consumer: "Eseguilo su un VPS da $5, un cluster GPU o un'infrastruttura serverless che costa quasi nulla quando è inattiva". Di proposito non è vincolato a un laptop, e la proposta che segue è che gli parli da Telegram mentre lavora su una VM cloud.

L'installazione segue lo stesso schema. Linux, macOS e WSL2 ricevono uno script da una riga; Windows nativo riceve un comando PowerShell in una riga che, secondo il README, esegue la CLI, il gateway, l'interfaccia terminale e gli strumenti senza WSL. Gli utenti Android e Termux ricevono un repository APT firmato per dispositivi aarch64 con un canale stabile e un canale canary, e il README li indirizza a una guida Termux separata anziché al programma di installazione desktop. L'installer da sorgenti delega Python 3.14, Node.js, npm, ripgrep, FFmpeg e le dipendenze Python a un gestore di pacchetti e prepara un archivio verificato di Git for Windows se Git manca, senza sostituire il Git già presente sulla macchina. C'è persino una voce di risoluzione dei problemi per il software antivirus che mette in quarantena il uv.exe incluso, che il README identifica come un falso positivo sul gestore di pacchetti Rust che distribuisce. Questo livello di attenzione verso macchine che i manutentori non possono vedere è di per sé un segnale di a chi è destinato il software.

Dove vive, e dove si svolge il lavoro

Due parti dell'elenco delle funzionalità sono facili da saltare a una scorsa veloce e difficili da realizzare bene. La prima è che vive dove sei già: Telegram, Discord, Slack, WhatsApp, Signal e una semplice CLI, tutto da un unico processo gateway, con trascrizione dei memo vocali e continuità delle conversazioni mantenuta tra i canali. La seconda è dove avviene il lavoro. Sei backend terminale sono integrati — locale, Docker, SSH, Modal, Daytona e Vercel Sandbox — più backend plugin come Singularity e Apptainer. Daytona e Modal offrono persistenza serverless: l'ambiente dell'agente va in ibernazione quando è inattivo e si riattiva su richiesta. Ecco perché il README può offrire sia "un VPS da $5" sia "quasi nulla quando è inattivo" nello stesso respiro, senza che i due si contraddicano.

A questo si aggiunge un cron scheduler con consegna su qualsiasi piattaforma — report giornalieri, backup notturni, audit settimanali, scritti in linguaggio naturale ed eseguiti senza supervisione — e subagenti isolati per flussi di lavoro paralleli, il cui provider, modello e limiti si impostano nell'app desktop sotto Settings, Model, Subagents. C'è anche un'area di ricerca: generazione batch di traiettorie e compressione delle traiettorie per addestrare la prossima generazione di modelli di tool calling. L'interfaccia terminale stessa è una TUI completa con editing multilinea, autocompletamento dei comandi slash, cronologia delle conversazioni, interruzione e reindirizzamento, e output in streaming degli strumenti. Niente di tutto ciò è la promessa con cui il progetto si presenta, il che è rivelatore: è la metà poco glamour di un agente che deve sopravvivere quando lo si lascia acceso.

Il loop, scomposto

La frase "learning loop" fa molto lavoro nella prima riga del README, quindi vale la pena scomporla nelle cinque cose che il documento cita effettivamente.

• {{1}}Memoria curata dall'agente{{/1}}, con solleciti periodici: l'agente decide cosa vale la pena conservare ed è invitato a persisterla invece di aspettare che sia un utente a chiederlo.

• Creazione autonoma di competenze dopo attività complesse, così una lunga sequenza di passaggi lascia dietro di sé una procedura riutilizzabile invece di essere rielaborata la volta successiva.

• Competenze che si auto-migliorano durante l'uso: la procedura viene modificata la volta successiva in cui viene applicata, anziché congelata nel momento in cui è stata scritta.

• Ricerca nelle sessioni tramite FTS5 con riassunto mediante LLM, così le conversazioni passate sono recuperabili tra le sessioni invece di restare in un buffer di scrollback che nessuno legge.

• Modellazione dell'utente — {{1}}il README attribuisce a Honcho un approccio dialettico{{/1}} — che si accumula in "un modello sempre più approfondito di chi sei attraverso le sessioni".

È un design coerente, e la questione dell’artefatto è quella che conta. Niente nel README descrive una sessione di addestramento. Il loop produce materiale scritto: voci di memoria e skill, conservate e revisionate allo scoperto. In linea di principio ciò significa che un utente può leggere ciò che l’agente ha deciso di conservare e confrontare con un diff ciò che è cambiato dopo il compito successivo; significa anche che il miglioramento vive fuori dal modello, in file che sopravvivono a un cambio di modello. Il progetto è anche compatibile con lo standard aperto agentskills.io, cosa che conta proprio se ti interessa che quelle skill sopravvivano allo strumento che le ha scritte. Presi uno alla volta, memoria, retrieval, job pianificati e subagenti esistono tutti altrove. La combinazione, e l’enfasi sull’agente che riscrive le proprie procedure, è la parte che viene rivendicata come nuova.

Che cosa è stato misurato

Nulla, in pubblico. Il README non pubblica alcun punteggio di benchmark, alcun confronto verificato rispetto a un altro agente, alcun modello predefinito e alcuna pagina dei prezzi ospitata. Il superlativo nella prima frase arriva senza un test allegato, e un'affermazione di quel tipo ne ha bisogno, perché il confronto che opera è con ogni altro agente esistente, inclusi agenti che già mantengono memoria o creano i propri strumenti. «L'unico agente con un ciclo di apprendimento integrato» è una frase che un lettore può verificare rispetto a una matrice delle funzionalità; se il ciclo renda l'agente migliore nel tuo lavoro è una questione diversa, e non ha ricevuto risposta in pubblico.

L’attenzione, nel frattempo, sta facendo il lavoro che altrimenti spetterebbe alle prove. 256.360 stelle e 56.015 fork sono un numero elevato per un repository creato nel luglio 2025, ed è il genere di numero che un lettore assorbe come un verdetto. Non lo è. Una stella costa un clic. I resoconti della stampa dei primi di ottobre 2026 hanno quantificato in 90 milioni di dollari la raccolta di capitali di Nous Research, su una valutazione dichiarata di 1,5 miliardi di dollari, con NVIDIA e Samsung tra i sostenitori, e hanno indicato l’agente a oltre 24 milioni di download. Sono cifre provenienti da resoconti giornalistici anziché da dichiarazioni pubblicate dall’azienda stessa e, anche prese per buone, misurano l’adozione, non la capacità.

Misurare adeguatamente questo è davvero difficile, ed è la cosa più onesta da dire a nome del progetto. L'unità di miglioramento è un compito che hai già svolto, quindi il controfattuale è lo stesso agente sullo stesso compito senza l'abilità che ha scritto — il carico di lavoro deve essere eseguito due volte, con e senza l'artefatto, su un numero sufficiente di compiti per distinguere un guadagno reale dal rumore tra un'esecuzione e l'altra. Nessuno l'ha pubblicato. Finché qualcuno non lo farà, il riepilogo onesto è che il meccanismo è descritto con un dettaglio insolito e il risultato è affermato.

I prodotti Claude con cui viene confrontato

Un lettore che arriva a Hermes dal mondo Claude ha in mente una serie precisa di prodotti, e vale la pena fare il confronto perché le categorie sono diverse prima ancora che lo siano le funzionalità. La navigazione di Anthropic elenca Claude stesso, Claude Code, Claude Cowork, Claude Duet, Claude Tag, Claude Science e Claude Security. Claude Code è pensato per l'ingegneria del software e funziona in un terminale, un'app desktop, un'interfaccia web e un'app mobile, con integrazioni GitHub e IDE, revisione del codice disponibile a livello generale su Team ed Enterprise e un plugin per la sicurezza in beta. Claude Cowork parte da un obiettivo e lavora sui tuoi file e strumenti, con un browser nel pannello laterale, e per eliminare qualsiasi cosa serve la tua approvazione. Claude Duet è quello proattivo: un'app standalone, in lista d'attesa per gli abbonati Claude Pro e Max negli Stati Uniti, basata su Claude Opus 5.5.

Ognuno di questi è il prodotto del fornitore del modello sulla sua infrastruttura. Hermes inverte tutti e tre i termini. L'agente è open source, il modello è un parametro e l'infrastruttura è quella a cui la si punta. È su questa inversione che la rivendicazione del ciclo di apprendimento acquista peso, perché un prodotto chiuso può cambiare l'agente sotto di te quando vuole, mentre un agente le cui competenze risiedono in file che possiedi può essere ispezionato e, in linea di principio, spostato. Anthropic elenca Skills e Plugins tra le proprie capacità; ciò che nessuna delle pagine di prodotto che abbiamo letto il 23 ottobre 2026 descrive è un agente che crea una nuova competenza dalla propria cronologia delle attività e la rivede la volta successiva in cui viene usata. Se la differenza sia preziosa è una questione separata dal fatto che sia reale, e solo la seconda è stata risolta.

Puntandolo verso un modello

La storia del modello nel README si riduce a un solo comando: hermes model. Secondo il README, permette di cambiare ciò su cui gira l'agente senza modifiche al codice e senza lock-in. È la parte del design che dovrebbe invecchiare meglio, perché la variabile interessante in un agente di questo tipo non è il loop ma il modello che gli sta sotto. La stessa libreria di skill si comporta diversamente su un piccolo modello open e su uno frontier, e uno strumento che trasforma quello scambio in una modifica di configurazione ti consente di testare la differenza invece di discuterne.

Un'interfaccia compatibile OpenAI è ciò che rende economico il passaggio, ed è l'interfaccia che parliamo. OrcaRouter è un unico endpoint per oltre 200 modelli sotto un'unica chiave, con 0% di ricarico — il prezzo di listino del provider passato direttamente — failover automatico quando un provider peggiora, e un DSL di routing per le richieste in cui vuoi specificare quale modello gestisce cosa. Se vuoi un modello frontier dietro l'agente, Claude Opus 5.5 costa 4,00 $ per milione di token in input e 20,00 $ per milione di token in output, con un contesto da 1M token e letture dalla cache a 0,20 $ per milione. A Hermes non importa quale endpoint risponda. Una cosa su cui vale la pena essere chiari: ospitiamo modelli, non le app di Anthropic né l'agente di chiunque altro. Hermes è software di Nous Research, e eseguirlo implica la tua macchina, i tuoi canali e la tua bolletta dei token.

Se hai intenzione di eseguirlo

La checklist onesta da spuntare prima dell'installazione ha poco a che fare con il loop, e il README è insolitamente diretto su gran parte di essa.

• L'agente ha bisogno di un host sempre attivo. Un laptop che va in sospensione è la macchina sbagliata, ed è per questo che il README punta a un piccolo VPS o a un backend serverless che va in ibernazione anziché al computer sulla tua scrivania.

• I canali sono una decisione, non un'impostazione predefinita. Collegare Telegram, Discord, Slack, WhatsApp e Signal in un unico processo gateway significa che quel processo detiene le credenziali di tutti quanti, e questa è una superficie da considerare prima che sia una funzionalità di cui godere.

• La cifra di $5 riguarda il calcolo. I token vengono fatturati dall'endpoint verso cui indirizzi il comando model, e un agente in esecuzione secondo una pianificazione cron li consuma mentre non stai guardando. Il lavoro pianificato e il tempo di inattività a basso costo sono economie diverse.

• Le competenze che scrive sono lì perché tu le riveda. Il vantaggio degli artefatti rispetto ai pesi è che puoi leggerli; la disciplina sta nel leggerli davvero, così come leggeresti uno script che un collega ha lasciato nel repository.

La domanda che vale la pena porre

Nous Research ha rilasciato qualcosa con una tesi chiara: che la prossima cosa utile che un agente fa non è una finestra di contesto più lunga, ma una libreria in crescita di procedure che ha scritto da sé, su un'infrastruttura abbastanza economica da restare in esecuzione per mesi. Il README sostiene questa tesi con un elenco dettagliato di funzionalità, un percorso di installazione funzionante su ogni piattaforma che uno sviluppatore potrebbe usare e un numero di stelle per cui la maggior parte dei progetti baratterebbe una roadmap. Ciò che non porta ancora è il numero che risolverebbe la questione: lo stesso agente, gli stessi compiti, prima e dopo l'arrivo delle sue stesse competenze. Finché qualcuno non pubblicherà quel confronto, la lettura equa è che il ciclo di apprendimento sia un meccanismo ben descritto e un risultato non misurato. Resta comunque una cosa più interessante da installare sia di una promessa sia di una liquidazione.