- Ein autonomer Agent mit integrierter Selbstlern-Schleife, der während der Nutzung eigenständig Skills erstellt und verbessert und sein Nutzermodell über Sitzungen hinweg schrittweise vertieft
- Kein an eine IDE gebundener Coding-Copilot oder Wrapper für einen einzelnen API-Chatbot, sondern ein autonomer Agent, der mit längerer Laufzeit immer leistungsfähiger wird
- Kann unabhängig von den Einschränkungen der Laufzeitumgebung auf einem 5-Dollar-VPS, GPU-Cluster oder einer serverlosen Infrastruktur betrieben werden
- Unterstützt verschiedene Messaging-Plattformen wie CLI, Telegram, Discord, Slack, WhatsApp, Signal und E-Mail über ein einziges Gateway
- Bietet mehr als 40 integrierte Tools und die Möglichkeit zur Anbindung von MCP-Servern und verwendet ein offenes Standard-Skill-System, das mit agentskills.io kompatibel ist
- Auf Basis von Honcho ein zustandsbehaftetes Benutzerspeichersystem, das Gesprächsverläufe sitzungsübergreifend sammelt und Nutzerpräferenzen sowie Verhaltensmuster asynchron im Hintergrund ableitet und automatisch in die Antworten des Agenten einfließen lässt
- Unterstützt sitzungsübergreifenden Recall auf FTS5-Basis und ermöglicht in Kombination mit LLM-Zusammenfassungen die Suche nach Erinnerungen über mehrere Sitzungen hinweg
- Integrierter Automatisierungs-Scheduler zur Planung und Ausführung von Berichten, Backups und Prüfungen in natürlicher Sprache
- Erzeugt parallele Sub-Agenten und verarbeitet mehrstufige Pipelines per Python RPC ohne Kontextkosten
- Unterstützt 6 Backends, darunter lokal, Docker, SSH und Modal
- Freier Wechsel zwischen mehr als 200 Modellen wie OpenRouter, OpenAI und Kimi
- Unterstützt automatische Migration für OpenClaw-Nutzer
- Unterstützt Linux, Mac und Windows (WSL2). Automatische Installation überall mit demselben Befehl
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/… | bash
4 Kommentare
Aus der Perspektive eines Nicht-Entwicklers, der mit der Nutzung von CLI nicht vertraut ist, probiere ich gerade verschiedene Agent-Lösungen aus, die sich mit Codex/CC OAuth verbinden lassen (
openclaw,ductor,cc-connect,hermes-agent), aber ich kann die Unterschiede nicht wirklich erkennen. Wenn eine davon deutlich einfacher zu benutzen wäre, würde ich einfach nur die verwenden, aber irgendwie wirkt alles ziemlich ähnlich...Gibt es hier jemanden, der bei Hermes Agent irgendeinen Vorteil gespürt hat, den andere bestehende Agent-Lösungen nicht hatten?
Es stimmt, dass für Nicht-Entwickler bisher noch kein spürbarer Unterschied erkennbar ist.
Der Unterschied zwischen hermes agent und openclaw liegt in der Memory-Struktur und den Funktionen zur Selbstmodifikation, aber in einem frisch installierten, leeren Ausgangszustand zeigt sich davon noch nichts.
Es gibt keinen großen Unterschied; letztlich scheint die Größe des Modells entscheidend zu sein (z. B. die Anzahl der Parameter?)
Nachdem ich Hermes eine kurze Zeit betrieben habe, hatte ich den Eindruck, dass es weniger Gedächtnisverlust als OpenClaw hat; das liegt offenbar daran, dass es in Situationen wie Neustarts oder Model-Fallbacks eine Session-Context-Replay-Logik gibt. Auch bei OpenClaw werden die speicherbezogenen Funktionen kontinuierlich verbessert, daher dürfte es sich künftig wohl ebenfalls verbessern.
Auch die Selbstverbesserungsfunktion ist beeindruckend, weil es eine Logik gibt, die bei Erkennung komplexer Arbeitsabläufe diese automatisch als Skill anlegt, und weil die Struktur so aufgebaut ist, dass der Source Code zur Bearbeitung per
gitin den eigenen Workspace geholt wird und direkt zugänglich ist. Allerdings gibt es überhaupt kein Änderungsmanagement zwischen demgit-Checkout des Source Codes im Workspace und dem offiziellen GitHub-Repository, sodass bei einem Update lokale Änderungen zurückgesetzt werden. Ich schaue mir gerade an, ob sich das mitgit worktreeverbessern lässt, aber so richtig sauber funktioniert das nicht ... hmhm ...