Hermes Agent стрімко став одним із найпопулярніших фреймворків для персональних AI-асистентів. У великому покроковому гайді на каналі Tech With Tim автор показує, як повністю «з нуля» розгорнути Hermes на віртуальному сервері й перетворити його на постійного помічника для пошти, календаря, веб-досліджень та рутинних завдань. Але за інструкціями з інсталяції ховається значно цікавіше питання: як саме цей агент «мислить», чим він відрізняється від звичайного чат-бота і чому його називають системою, що самонавчається?
Цей матеріал розбирає внутрішню логіку Hermes Agent: як працює його пам’ять, що таке навички (skills), навіщо йому «душа» (soul) і чому це робить його ближчим до віртуального співробітника, а не просто до чергового інтерфейсу до ChatGPT.
Більше, ніж чат-бот: чому Hermes — це справжній асистент
Hermes Agent позиціонується не як черговий чат у стилі ChatGPT, а як персональний AI-асистент, який живе у вашій інфраструктурі й працює 24/7. Ключова відмінність — у здатності не лише відповідати на запитання, а й виконувати дії.
У типовому сценарії Hermes розгортають на віртуальному приватному сервері. Це означає, що асистент працює постійно, без прив’язки до вашого ноутбука чи смартфона. Немає потреби тримати комп’ютер увімкненим: агент виконує завдання у фоновому режимі, поки ви офлайн.
На практиці це дозволяє доручати йому рутинні операції, які раніше вимагали вашої постійної участі. Hermes може:
- переглядати й фільтрувати електронну пошту;
- працювати з календарем, готувати дайджести й нагадування;
- шукати інформацію в інтернеті та готувати дослідницькі звіти;
- писати чернетки листів, нотаток, звітів.
Це не просто «питання–відповідь», а повноцінні робочі процеси, які агент виконує самостійно, використовуючи набір інструментів і навичок.
Ще одна важлива риса — модельна незалежність. Hermes не прив’язаний до одного постачальника LLM: він може працювати з OpenAI, Mistral, Anthropic та іншими сумісними моделями. Це дає користувачеві можливість балансувати між вартістю, швидкістю та якістю, а також змінювати постачальника без перебудови всієї системи.
У підсумку Hermes виглядає не як «ще один інтерфейс до GPT», а як оболонка навколо LLM, яка керує контекстом, інструментами, пам’яттю та поведінкою моделі, перетворюючи її на постійного цифрового асистента.
Пам’ять як фундамент: user.md і memory.mmd
Щоб агент поводився як постійний помічник, йому потрібна довготривала пам’ять. Hermes реалізує її максимально прозоро — через звичайні файли в директорії пам’яті.
Після встановлення Hermes створює структуру папок із конфігураціями, змінними середовища та службовими файлами. Серед них є окрема папка memory, у якій одразу з’являються щонайменше два ключові файли: user.md і memory.mmd.
Файл user.md — це профіль користувача. У ньому зберігається базова інформація про людину, з якою працює агент: ім’я, можливо вік, місце проживання, загальні вподобання. Це те, що дозволяє Hermes не «знайомитися» з вами щоразу заново, а мати постійне уявлення про те, хто перед ним.
Файл memory.mmd відповідає за довгострокові факти, які агент вважає важливими завжди тримати в полі зору. Це можуть бути поточні проєкти, регулярні завдання, стійкі вподобання у форматі відповідей чи робочих процесів. На відміну від тимчасового контексту діалогу, ці дані зберігаються й оновлюються з часом, формуючи щось на кшталт «робочої пам’яті» асистента.
Користувачеві не обов’язково відкривати чи редагувати ці файли вручну. Hermes оновлює їх автоматично, витягуючи з ваших взаємодій те, що варто запам’ятати надовго. Важливо інше: сам факт існування такої структури показує, що агент не обмежується короткочасним контекстом сесії, а будує стійку модель знань про вас.
Це відрізняє Hermes від класичних чат-ботів, де «пам’ять» часто обмежується кількома останніми повідомленнями. Тут пам’ять винесена в окремий шар, який живе довше за будь-який окремий діалог і поступово збагачується.
Навички як робочі процеси: від бібліотеки до самонавчання
Другий ключовий елемент Hermes — система навичок (skills). Якщо пам’ять відповідає за те, що агент знає про вас, то навички визначають, як саме він виконує завдання.
У базовій поставці Hermes містить приблизно 90 вбудованих навичок. До них додається велика екосистема спільноти — понад 500 community skills, які можна підключити за потреби. Разом це перетворює агента на платформу з великою бібліотекою готових сценаріїв.
Кожна навичка — це не фрагмент коду в класичному розумінні, а markdown-файл, який описує робочий процес. У ньому фіксується, що саме робить навичка, у яких ситуаціях її слід застосовувати і які кроки агент має виконати послідовно. Це може бути, наприклад, процедура перевірки пошти, підготовки ранкового дайджесту чи проведення певного типу дослідження.
Замість того, щоб щодня пояснювати асистенту, як саме перевіряти вхідні листи, користувач один раз надає або підключає відповідну навичку. Далі Hermes, отримавши запит «перевір пошту», не вигадує алгоритм з нуля, а звертається до опису навички й чітко слідує прописаним крокам. Це підвищує передбачуваність і відтворюваність результатів.
Важливий технічний нюанс — прогресивне відкриття (progressive disclosure) навичок. Коли агент запускається, він не завантажує повний вміст усіх десятків чи сотень навичок у контекст LLM. Спочатку модель бачить лише назви й короткі описи доступних skills. Лише коли в процесі роботи стає зрозуміло, що потрібна конкретна навичка, Hermes підвантажує її повний текст із детальними інструкціями.
Цей підхід суттєво економить токени й пам’ять, не перевантажуючи модель зайвою інформацією. Для користувача це означає менші витрати на API-запити й стабільнішу роботу агента навіть за великої кількості підключених навичок.
Окремо варто відзначити можливість створювати власні навички. Оскільки це звичайні markdown-файли, користувач може описати свій специфічний робочий процес у зрозумілому текстовому форматі, а не писати код. Hermes потім використовує цей опис як інструкцію для виконання завдання.
Найцікавіше, однак, починається тоді, коли агент починає створювати навички сам.
Самонавчальний цикл: чим Hermes відрізняється від OpenClaw
На ринку вже є кілька фреймворків агентів, які дозволяють будувати складні робочі процеси поверх LLM. Один із них — OpenClaw. Він також дає змогу описувати автоматизації й підключати інструменти. Однак ключова відмінність Hermes — наявність самонавчального циклу.
У Hermes передбачено механізм, за якого агент не лише виконує навички, а й аналізує повторювану поведінку користувача. Якщо ви раз за разом просите його робити щось у схожий спосіб, система може у фоновому режимі сформувати нову навичку, яка фіксує цей шаблон дій.
Інакше кажучи, Hermes автоматично перетворює ваші звички на формалізовані workflows. Користувачеві не потрібно вручну створювати файл навички щоразу, коли з’являється новий повторюваний сценарій. Агент сам виявляє патерн, структурує його й додає до свого арсеналу.
Це й є той самонавчальний цикл, який виділяє Hermes на фоні більш статичних систем. У OpenClaw робочі процеси залишаються такими, якими їх один раз описав розробник або користувач. У Hermes же набір навичок еволюціонує разом із тим, як ви ним користуєтеся.
Практичний ефект — асистент поступово краще відображає ваш стиль роботи. Якщо ви, наприклад, маєте специфічний формат щоденного звіту чи улюблений спосіб структурувати дослідження, Hermes з часом не просто «запам’ятає» це як факт, а й інкапсулює у вигляді навички, яку можна викликати одним коротким запитом.
У поєднанні з файловою пам’яттю це створює замкнений контур: взаємодія → збереження важливих фактів → виявлення повторюваних патернів → автоматичне створення навичок → ще більш ефективна взаємодія. Саме цей контур і робить Hermes ближчим до «цифрового колеги», який вчиться на спільній роботі, а не до статичного бота з фіксованим набором команд.
«Душа» агента: як конфігурується особистість і стиль поведінки
Третій стовп Hermes — так звана «душа» (soul). Попри метафоричну назву, це знову ж таки markdown-файл, але його роль — задати характер і стиль поведінки агента.
У soul-файлі описується, яким має бути асистент у спілкуванні й прийнятті рішень. Тут можна визначити, чи буде він суворим чи м’яким, формальним чи дружнім, лаконічним чи багатослівним. Можна задати, чи використовує він емодзі, чи імітує певний тип персонажа — наприклад, «стриманий корпоративний консультант» або «невимушений технічний помічник».
Фактично soul — це високорівневий системний промпт, винесений у окремий конфігураційний шар. На відміну від одноразових інструкцій у чаті, він діє постійно, формуючи базову поведінкову модель агента.
Цікаво, що користувачеві не обов’язково редагувати цей файл вручну. Hermes дозволяє змінювати свою «душу» через звичайні інструкції в діалозі. Можна, наприклад, попросити асистента стати більш прямолінійним, уникати жаргону чи, навпаки, додати неформальності — і ці зміни будуть відображені в soul-файлі.
У поєднанні з пам’яттю й навичками це дає доволі гнучку систему налаштування. Пам’ять відповідає за те, що агент знає про вас і ваш контекст. Навички — за те, як він виконує завдання. «Душа» — за те, як він про це говорить і які пріоритети ставить у комунікації.
Для користувача це означає можливість побудувати не просто функціонального, а й комфортного у взаємодії асистента, який відповідає стилю роботи конкретної людини чи команди.
Від реактивного до проактивного: розклад, автоматизації й постійна присутність
Хоча цей матеріал не заглиблюється в технічні деталі розгортання, важливо розуміти ще один концептуальний аспект Hermes — перехід від реактивної до проактивної моделі роботи.
У класичному сценарії чат-боти реагують на запити користувача. Ви ставите запитання — отримуєте відповідь. Hermes підтримує й такий режим, але не обмежується ним. Завдяки підтримці розкладу, подібного до cron, агент може виконувати завдання за графіком без прямого тригера з боку користувача.
Це можуть бути щоденні нагадування, вечірні підсумки, щотижневі дайджести чи будь-які інші регулярні дії. Користувач задає правило на кшталт «щодня о 8:00 роби X», і Hermes виконує його, використовуючи свої навички й доступ до інструментів.
У термінах агентних систем це означає, що Hermes може бути не лише реактивним, а й проактивним агентом. Він не просто чекає команд, а працює у фоновому режимі, виконуючи завдання, які ви один раз йому доручили.
У поєднанні з постійною роботою на VPS це створює ефект «завжди присутнього» цифрового асистента, який паралельно з вами веде частину рутини. І знову ж таки, завдяки пам’яті, навичкам і самонавчанню, якість цих проактивних дій має покращуватися з часом.
Гнучкість моделей: чому важливо, що Hermes працює з різними LLM
Ще один аспект архітектури Hermes, який варто виділити окремо, — підтримка кількох постачальників LLM. Агент може працювати з моделями OpenAI, Mistral, Anthropic та іншими сумісними системами.
З технічної точки зору Hermes — це «оболонка» навколо LLM, яка керує контекстом, пам’яттю, навичками й інструментами. Сам LLM виступає «мозком», що генерує текстові відповіді. Можливість підміняти цей мозок без зміни всієї надбудови дає кілька практичних переваг.
По-перше, це гнучкість у виборі вартості й продуктивності. Різні моделі відрізняються ціною за токен, швидкістю відповіді та якістю в окремих завданнях. Користувач може підібрати конфігурацію, яка відповідає його бюджету й сценаріям використання, не переписуючи навички й не змінюючи логіку агента.
По-друге, це зменшує ризик залежності від одного постачальника. Якщо умови використання чи ціни змінюються, або з’являється нова модель із кращими характеристиками, Hermes можна переключити на неї, зберігши всю накопичену пам’ять, навички й soul.
По-третє, це відкриває шлях до більш спеціалізованих конфігурацій, де різні типи завдань можуть виконуватися різними моделями. Хоча в розглянутому фрагменті не йдеться про складні мульти-модельні сценарії, сама архітектурна можливість працювати з різними LLM створює для цього передумови.
У результаті Hermes виступає не як продукт, жорстко прив’язаний до конкретного AI-провайдера, а як відносно нейтральна платформа, яка може еволюціонувати разом із ринком моделей.
Висновок: агент, який росте разом із користувачем
Hermes Agent пропонує цікаву відповідь на запитання, як має виглядати персональний AI-асистент нового покоління. Замість ще одного чат-інтерфейсу до LLM ми отримуємо систему, що поєднує кілька важливих шарів:
постійно працюючий агент на VPS, здатний виконувати дії — від листів до веб-досліджень;
файлову пам’ять у вигляді user.md і memory.mmd, яка зберігає знання про користувача й довгострокові факти;
велику бібліотеку навичок як описаних у markdown робочих процесів, із прогресивним завантаженням для економії контексту;
конфігуровану «душу», що задає особистість і стиль поведінки;
самонавчальний цикл, у якому агент автоматично створює нові навички на основі повторюваних дій користувача.
У сукупності це перетворює Hermes на систему, яка не лише виконує завдання, а й поступово адаптується до конкретної людини. Вона запам’ятовує, структурує, формалізує й автоматизує рутину, з кожною взаємодією стаючи трохи кращою.
У світі, де LLM стали доступним «комодіті», саме такі надбудови — з пам’яттю, навичками, особистістю й самонавчанням — визначатимуть, наскільки корисними будуть наші щоденні AI-асистенти.
Джерело
Hermes Agent – Full Course & Setup Guide – For COMPLETE Beginners