Hermes Agent, объяснение: агент с открытым исходным кодом, который пишет собственные навыки

Nous Research называет Hermes Agent в README в репозитории проекта на GitHub «единственным агентом со встроенным циклом обучения». Когда мы просматривали репозиторий 23 октября 2026 года, у него было 256 360 звёзд и 56 015 форков; он распространяется по лицензии MIT, был создан 22 июля 2025 года, и последний push был сделан в тот же день. Звёзды — это внимание, а не доказательство, и это внимание не случайность: Google Trends по всему миру за последние семь дней, данные на 23 октября 2026 года, показал, что запросы «hermes» и «hermes agent» выросли на 30–40 процентов. Проект заслуживает подробного объяснения не из-за числа звёзд, а из-за заявления, лежащего в его основе. Агент не привязан к конкретной модели — ему можно указать любую конечную точку, совместимую с OpenAI, включая нашу, — и единственное, что он, по его утверждению, умеет делать, а продукты, с которыми его будут сравнивать, нет, — это учиться на собственной работе.

Что вы на самом деле устанавливаете

Claude Code, Claude Cowork и Claude Duet — это продукты. Вы входите в систему, получаете интерфейс, поставщик запускает модель, а тариф покрывает использование. Hermes Agent — это репозиторий. Вы устанавливаете его на машину, которую контролируете, передаёте ему конечную точку модели, и дальше он ваш: настраивайте, ломайте и оставляйте работать. В самом README формулировка инфраструктурная, а не потребительская: «Запускайте его на VPS за $5, на кластере GPU или на бессерверной инфраструктуре, которая почти ничего не стоит в простое». Он намеренно не привязан к ноутбуку, и следующий аргумент в том, что вы общаетесь с ним через Telegram, пока он работает на облачной виртуальной машине.

Установка следует той же схеме. Для Linux, macOS и WSL2 предусмотрен однострочный скрипт; для нативной Windows — однострочная команда PowerShell, которая, как сказано в README, запускает CLI, шлюз, терминальный интерфейс и инструменты вообще без WSL. Пользователям Android и Termux предоставляется подписанный APT-репозиторий для устройств aarch64 со стабильным каналом и каналом canary, и README направляет их в отдельное руководство по Termux, а не к настольному установщику. Установщик из исходного кода передаёт Python 3.14, Node.js, npm, ripgrep, FFmpeg и зависимости Python менеджеру пакетов, а при отсутствии Git подготавливает проверенный архив Git for Windows — не заменяя уже установленный на машине Git. Есть даже пункт по устранению неполадок для антивирусов, помещающих в карантин поставляемый в комплекте uv.exe, который README называет ложным срабатыванием в отношении поставляемого менеджера пакетов на Rust. Такая степень заботы о машинах, которые сопровождающие не могут увидеть, сама по себе говорит о том, для кого предназначено это ПО.

Где это находится и где происходит работа

Две части списка функций легко пропустить при беглом просмотре, но трудно реализовать хорошо. Первая — он живёт там, где вы уже есть: Telegram, Discord, Slack, WhatsApp, Signal и обычный CLI, и всё это — из одного процесса шлюза, с расшифровкой голосовых заметок и сохранением непрерывности беседы между каналами. Вторая — там, где происходит работа. Встроены шесть терминальных бэкендов — local, Docker, SSH, Modal, Daytona и Vercel Sandbox — плюс плагинные бэкенды, такие как Singularity и Apptainer. Daytona и Modal предлагают бессерверное сохранение состояния: среда агента уходит в спящий режим при простое и просыпается по запросу. Вот почему README может предлагать и «VPS за $5», и «почти ничего в простое» в одном описании, и эти два утверждения не противоречат друг другу.

Поверх этого находится cron-планировщик с доставкой на любую платформу — ежедневные отчёты, ночные резервные копии, еженедельные аудиты, написанные на естественном языке и выполняемые без присмотра — и изолированные субагенты для параллельных рабочих потоков, у которых провайдер, модель и лимиты задаются в десктопном приложении в разделах «Настройки» → «Модель» → «Субагенты». Есть и исследовательская составляющая: пакетная генерация траекторий и сжатие траекторий для обучения следующего поколения моделей с вызовом инструментов. Сам терминальный интерфейс — это полноценный TUI с многострочным редактированием, автодополнением слэш-команд, историей диалогов, прерыванием с перенаправлением и потоковым выводом инструментов. Ничто из этого не является главным обещанием проекта — и это показательно: это неброская половина агента, которому нужно выживать, когда его оставляют работающим.

Цикл, разложенный на части

Фраза «петля обучения» несёт большую смысловую нагрузку в первой строке README, поэтому её стоит разобрать на те пять вещей, которые документ фактически называет.

• Память, формируемая агентом, с периодическими напоминаниями: агент сам решает, что стоит сохранить, и получает подсказку зафиксировать это, вместо того чтобы ждать запроса от пользователя.

• Автономное создание навыков после сложных задач: длинная последовательность шагов оставляет после себя переиспользуемую процедуру, вместо того чтобы выводить её заново в следующий раз.

• Навыки, которые самосовершенствуются в процессе использования: процедура редактируется при следующем её применении, а не фиксируется в момент написания.

• Поиск по сессиям с помощью FTS5 и суммаризация с помощью LLM, чтобы прошлые разговоры можно было находить в разных сессиях, а не хранить их в буфере прокрутки, который никто не читает.

• Моделирование пользователя — в README Honcho приписывается диалектический подход — который накапливается в «углубляющуюся модель того, кем вы являетесь, от сессии к сессии».

Это целостный дизайн, и вопрос артефакта — как раз тот, что действительно важен. Ничто в README не описывает процесс обучения. Цикл создаёт письменный материал: записи памяти и навыки, которые сохраняются и пересматриваются открыто. В принципе это означает, что пользователь может прочитать, что агент решил сохранить, и сравнить, что изменилось после следующей задачи; это также означает, что улучшение живёт вне модели — в файлах, которые переживают смену модели. Проект также совместим с открытым стандартом agentskills.io, что важно именно в том случае, если вам небезразлично, переживут ли эти навыки инструмент, который их создал. По отдельности память, извлечение информации, запланированные задачи и субагенты уже существуют в других местах. Именно комбинация и акцент на том, что агент переписывает свои собственные процедуры, заявляются как новое.

Что было измерено

Ничего, публично. README не публикует ни оценку бенчмарка, ни проверенного аудитом сравнения с другим агентом, ни модель по умолчанию, ни страницу с ценами на хостинг. Превосходная степень в первом предложении появляется без приложенного к ней теста, а утверждение такого рода нуждается в нём, потому что оно сравнивает со всеми другими существующими агентами, включая агентов, которые уже хранят память или создают собственные инструменты. «Единственный агент со встроенным циклом обучения» — это предложение, которое читатель может сверить с матрицей возможностей; делает ли этот цикл агента лучше в вашей работе — другой вопрос, и публичного ответа на него нет.

Внимание тем временем выполняет работу, которую иначе выполняли бы доказательства. 256 360 звёзд и 56 015 форков — большое число для репозитория, созданного в июле 2025 года, и это именно тот вид числа, который читатель воспринимает как вердикт. Но это не вердикт. Звезда стоит одного клика. В начале октября 2026 года в прессе сообщалось, что Nous Research привлекла $90 млн при заявленной оценке в $1,5 млрд, среди инвесторов — NVIDIA и Samsung, а число загрузок агента превысило 24 миллиона. Это цифры из репортажей, а не заявления, которые компания публикует сама, и даже если принимать их за чистую монету, они измеряют распространённость, а не возможности.

Измерить это должным образом по-настоящему сложно, и это самое честное, что можно сказать от имени проекта. Единица улучшения — это задача, которую вы уже выполняли, поэтому контрфактический сценарий — тот же агент на той же задаче без навыка, который он написал; нагрузку нужно прогнать дважды — с артефактом и без него — на достаточном числе задач, чтобы отделить реальный прирост от шума между запусками. Никто этого не публиковал. Пока кто-нибудь этого не сделает, честная сводка такова: механизм описан с необычной подробностью, а результат лишь утверждается.

Продукты Claude, с которыми его сравнивают

Читатель, приходящий в Hermes со стороны Claude, будет иметь в виду конкретный набор продуктов, и это сравнение стоит провести, потому что категории различаются еще до того, как начнут различаться функции. В навигации Anthropic перечислены сам Claude, Claude Code, Claude Cowork, Claude Duet, Claude Tag, Claude Science и Claude Security. Claude Code создан для разработки программного обеспечения и работает в терминале, настольном приложении, веб-интерфейсе и мобильном приложении, с интеграциями GitHub и IDE; проверка кода официально доступна для Team и Enterprise, а плагин безопасности находится в бета-версии. Claude Cowork берет цель и работает с вашими файлами и инструментами, с браузером на боковой панели, а любое удаление требует вашего одобрения. Claude Duet — проактивный вариант: отдельное приложение, доступное по листу ожидания для подписчиков Claude Pro и Max в США, созданное на базе Claude Opus 5.5.

Каждый из них — собственный продукт вендора модели на собственной инфраструктуре этого вендора. Hermes переворачивает все три понятия. Агент — открытый исходный код, модель — параметр, а инфраструктура — то, на что вы его нацелите. Именно в этой инверсии обретает вес утверждение о цикле обучения, потому что закрытый продукт может в любой момент изменить агента у вас под руками, тогда как агента, чьи навыки хранятся в принадлежащих вам файлах, можно проверить и, в принципе, перенести. Anthropic относит Skills и Plugins к числу своих возможностей; однако ни одна из страниц продуктов, прочитанных нами 23 октября 2026 года, не описывает агента, который создаёт новый навык на основе собственной истории задач и дорабатывает этот навык при следующем его использовании. Ценна ли эта разница — вопрос отдельный от того, реальна ли она, и решён только второй.

Направление его на модель

История README о моделях — это одна команда: hermes model. README утверждает, что можно переключить, на чём работает агент, без изменений кода и без привязки к конкретному поставщику. Именно эта часть архитектуры должна дольше всего оставаться актуальной, потому что интересная переменная в агенте такого рода — не цикл, а модель, лежащая в его основе. Одна и та же библиотека навыков ведёт себя по-разному на небольшой открытой модели и на передовой, а инструмент, превращающий такую замену в изменение конфигурации, позволяет проверить разницу, а не спорить о ней.

Интерфейс, совместимый с OpenAI, — это то, что делает переход недорогим, и именно этот интерфейс мы используем. OrcaRouter — это одна конечная точка для более чем 200 моделей под одним ключом, с 0% наценки — цена провайдера из прайс-листа передаётся напрямую — автоматическим переключением при сбое, когда провайдер начинает работать хуже, и DSL маршрутизации для запросов, где вы хотите точно указать, какая модель чем занимается. Если вы хотите, чтобы за агентом стояла передовая модель, Claude Opus 5.5 стоит $4.00 за миллион входных токенов и $20.00 за миллион выходных токенов, с контекстом на 1M токенов и чтением из кеша по $0.20 за миллион. Hermes не важно, какой эндпоинт ему отвечает. Стоит прояснить одну вещь: мы размещаем модели, а не приложения Anthropic или чьего-либо ещё агента. Hermes — это программное обеспечение Nous Research, и его запуск означает вашу машину, ваши каналы и ваш счёт за токены.

Если вы собираетесь это запустить

Честный чек-лист перед установкой имеет мало общего с циклом, и README на удивление прямо говорит о большей части этого.

• Агенту нужен хост, который постоянно работает. Ноутбук, уходящий в сон, — неподходящая машина; именно поэтому в README предлагается небольшой VPS или бессерверный бэкенд, который уходит в спящий режим, а не компьютер на вашем столе.

• Каналы — это решение, а не вариант по умолчанию. Подключение Telegram, Discord, Slack, WhatsApp и Signal к одному процессу-шлюзу означает, что этот процесс хранит учётные данные для всех них, и это та поверхность, о которой стоит подумать, прежде чем радоваться этой функции.

• Цифра $5 — это вычислительные ресурсы. Токены оплачиваются через тот эндпоинт, на который вы направляете команду модели, а агент, работающий по расписанию cron, тратит их, пока вы не смотрите. Работа по расписанию и дешёвое время простоя — это разные экономики.

• Навыки, которые он создаёт, — вам на проверку. Преимущество артефактов перед весами в том, что их можно прочитать; дисциплина — действительно их читать, так же как вы читали бы скрипт, оставленный коллегой в репозитории.

Вопрос, который стоит задать

Nous Research выпустила нечто с ясным тезисом: следующее полезное, что сделает агент, — это не более длинное контекстное окно, а растущая библиотека процедур, которые он написал сам, на инфраструктуре, достаточно дешёвой, чтобы оставить её работающей на месяцы. В README этот тезис подкрепляется подробным списком возможностей, рабочим путём установки на каждой платформе, которую может использовать разработчик, и числом звёзд, за которое большинство проектов отдали бы дорожную карту. Чего в нём пока нет, так это цифры, которая решила бы спор, — тот же агент, те же задачи, до и после появления его собственных навыков. Пока кто-нибудь не опубликует это сравнение, справедливое прочтение таково: цикл обучения — это хорошо описанный механизм и неизмеренный результат. И всё же это более интересная вещь для установки, чем обещание или пренебрежительное отклонение.