En el panorama actual de la IA, nos hemos acostumbrado al “agente efímero”, un asistente brillante pero olvidadizo que reinicia su reloj cognitivo con cada nueva sesión de chat. Si bien los LLM se han convertido en codificadores maestros, carecen del estado persistente necesario para funcionar como verdaderos compañeros de equipo.
El equipo de Nous Research lanzó Hermes Agent, un sistema autónomo de código abierto diseñado para resolver los dos mayores cuellos de botella en los flujos de trabajo agentes: deterioro de la memoria y aislamiento ambiental.
Construido sobre la familia de modelos Hermes-3 de alta direccionabilidad, Hermes Agent se anuncia como el asistente que “crece contigo”.
La jerarquía de la memoria: aprendizaje a través de documentos de habilidades
Para que un agente “crezca”, necesita algo más que una gran ventana de contexto. Hermes Agent utiliza un sistema de memoria de múltiples niveles que imita el aprendizaje de procedimientos. Si bien maneja tareas a corto plazo mediante inferencia estándar, su utilidad a largo plazo está impulsada por Skill Documents.
Cuando Hermes Agent completa una tarea compleja, como depurar un microservicio específico u optimizar una canalización de datos, puede sintetizar esa experiencia en un registro permanente. Estos registros se almacenan como archivos de rebajas con capacidad de búsqueda siguiendo el estándar abierto de agenteskills.io.
Memoria de procedimiento: la próxima vez que le pida al agente que realice una tarea similar, no empieza desde cero. Consulta su propia biblioteca de documentos de habilidades para “recordar” los pasos exitosos que tomó anteriormente. Persistencia contextual: a diferencia del RAG (generación aumentada de recuperación) estándar, que a menudo extrae fragmentos inconexos, este sistema permite al agente mantener una comprensión coherente de su código base específico y sus preferencias durante semanas o meses.
Acceso persistente a máquinas: más allá del Sandbox
Un importante punto de fricción para los desarrolladores de IA es la “brecha de ejecución”. La mayoría de los agentes escriben código pero no pueden interactuar con el mundo real sin una intensa intervención manual. Hermes Agent cierra esta brecha proporcionando acceso persistente a la máquina dedicada.
El agente está diseñado para vivir dentro de un entorno funcional y admite cinco backends distintos:
Local: Interacción directa con la máquina host. Docker: contenedores aislados y reproducibles para la ejecución segura de código. SSH: la capacidad de iniciar sesión en servidores remotos o instancias en la nube. Singularidad: compatibilidad con contenedores de informática de alto rendimiento (HPC). Modal: ejecución sin servidor para escalar cargas de trabajo pesadas.
Esta persistencia es fundamental para los desarrolladores de IA. Puede inicializar un EDA (Análisis de datos exploratorios) de larga duración en un servidor remoto a través de SSH, cerrar sesión y regresar más tarde. El agente mantiene el estado del terminal, maneja procesos en segundo plano y rastrea los cambios del sistema de archivos de forma independiente. No se trata sólo de simular una conversación; es gestionar un espacio de trabajo.
The Gateway: un agente en su bolsillo
Si bien la mayoría de los agentes técnicos están confinados a una CLI o un panel web propietario, Nous Research ha priorizado la accesibilidad a través de Hermes Gateway.
El sistema se integra directamente con las pilas de comunicación existentes, incluidas Telegram, Discord, Slack y WhatsApp. Esto permite un ciclo de retroalimentación continuo: un ingeniero puede iniciar una tarea en su estación de trabajo y recibir una notificación de “tarea completada” a través de Telegram. A través de la puerta de enlace, puede enviar instrucciones de seguimiento o incluso notas de voz que el agente procesa y ejecuta dentro de su entorno persistente.
Debajo del capó: el bucle ReAct y la direccionabilidad
Para los desarrolladores de IA que se basan en esto, la arquitectura es una implementación refinada del bucle ReAct (Razonamiento y Actuación). El agente sigue un ciclo estructurado:
Observación: Leyendo la salida del terminal o el contenido del archivo. Razonamiento: Analizar el estado actual frente al objetivo. Acción: Ejecutar un comando o llamar a una herramienta.
Esto funciona con Hermes-3 (basado en Llama 3.1), que se entrenó utilizando un marco de aprendizaje por refuerzo especializado llamado Atropos. Esta capacitación apunta específicamente a la precisión de las llamadas de herramientas y la planificación a largo plazo, asegurando que el agente no se “pierda” durante las implementaciones de varios pasos.
Conclusiones clave
Acceso persistente a la máquina: a diferencia de los chatbots sin estado, opera en entornos de terminal reales (Docker, SSH, Local, etc.), lo que le permite ejecutar tareas a largo plazo y mantener el estado de los archivos en todas las sesiones. ‘Documentos de habilidades’ autoevolutivos: utiliza un sistema de memoria de múltiples niveles para registrar flujos de trabajo exitosos como archivos de rebajas con capacidad de búsqueda (a través de agenteskills.io), lo que significa que literalmente se vuelve más inteligente cuanto más lo usa. Pensamiento de precisión ‘Hermes-3’: impulsado por el modelo Hermes-3 basado en Llama 3.1, está ajustado con Atropos RL para una alta direccionabilidad y una llamada de herramientas confiable dentro de ciclos de razonamiento complejos. Omnipresent Gateway: puede interactuar con su agente a través de Telegram, Discord o Slack, lo que le permite administrar tareas de ingeniería pesadas o recibir actualizaciones de estado desde su teléfono.
Consulte los detalles técnicos y el repositorio de GitHub. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 120.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.