Beobachtetes Signal · 23. Mai 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
Hermes: Autonomer KI-Agent mit persistentem Lernen und lokaler Datenhaltung
Ein erfahrener ML Platform Engineer erläutert die Architektur des Open-Source-Frameworks Hermes Agent, das sich durch lokale Datenhaltung und kontinuierliches Lernen von bisherigen KI-Assistenten unterscheidet. Hermes nutzt eine dreistufige Speicherarchitektur für Kurz-, Mittel- und Langzeitdaten sowie den Selbstverbesserungs-Loop GEPA, der auf der ICLR 2026 als Oral vorgestellt wurde. Das System bietet SQLite-Datenspeicherung, diverse Terminal-Backends wie SSH und Docker, integriertes Cron-Scheduling sowie gängige Messaging-Integrationen. Konkrete Anwendungsfälle innerhalb einer Kubernetes-basierten Inferencing-Plattform umfassen die Drift-Diagnose, Policy-Validierung vor Merges und die Automatisierung von Incident-RCAs. Trotz hoher GitHub-Traktion und MIT-Lizenz weist der Autor auf praktische Einschränkungen wie flaches Domänenwissen und fehlende föderierte Speicher hin.
Ein Open-Source-Agent mit nativer sitzungsübergreifender Speicherung und programmatischer Tool-Ausführung unterstreicht den Trend zu agentenbasierten Architekturen für lokale Deployments, stellt jedoch keine branchenverändernde Plattformankündigung dar.
Marktsignale zu Anthropic in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Hermes Agent implementiert eine dreistufige Speicherarchitektur: Kurzzeit-, Mittelzeit- (Sitzungszusammenfassungen) und Langzeitspeicher (wiederverwendbare Skill Documents).
- Der Agent nutzt den Selbstverbesserungs-Loop GEPA (Goal → Execute → self-Prompted introspection → Adapt), der auf der ICLR 2026 als Oral präsentiert wurde.
- Hermes ist Local-First konzipiert (Speicherung in SQLite), bietet sieben Terminal-Backends, integriertes Cron-Scheduling und Schnittstellen zu Messaging-Plattformen.
- Das System unterstützt den Wechsel zwischen über 200 Modellen, ist unter der MIT-Lizenz verfügbar und verzeichnet rasches GitHub-Wachstum.
- In der NeuroScale ML-Inferencing-Plattform des Autors wird Hermes für Konfigurationsdrift-Diagnosen, Policy-Pre-Checks und Incident Response eingesetzt.
Verknüpfte Unternehmen
4 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Hermes Agent: Open-Source-Plattform für autonome KI-Agenten vorgestellt
Hermes Agent ist ein Anfang 2026 von Nous Research gestartetes Open-Source-Projekt für autonome KI-Agenten, das eine kontinuierliche Agenten-Schleife aus Zielverständnis, dynamischer Planung, Tool-Orchestrierung, Ausführung, Beobachtung und Optimierung implementiert. Die Lösung zeichnet sich durch modellagnostischen Betrieb, Multi-Plattform-Gateways und lokale Ausführung aus. Hermes umfasst 68 integrierte Tools, unterstützt über 18 Plattformen und generiert im Rahmen eines geschlossenen Selbstverbesserungskreislaufs autonom wiederverwendbare „Skills“, die unter ~/.hermes/skills gespeichert werden. Das Projekt verzeichnet eine hohe Resonanz auf GitHub und etabliert sich als offenes Ökosystem für autonome Workflows, wirft jedoch gleichzeitig neue Fragen hinsichtlich Sicherheit, Zuverlässigkeit und Observability auf.
Hermes Agent: Open-Source-KI-Agent mit kontinuierlicher Selbstverbesserung
Dieser entwicklerzentrierte Artikel beleuchtet den Hermes Agent, einen von Nous Research entwickelten, autonomen Open-Source-KI-Agenten. Im Fokus stehen die zentralen Designprioritäten des Frameworks: persistente sitzungsübergreifende Speicherfunktionen, wiederverwendbare prozedurbezogene Skills, umfangreicher nativer Tool-Zugriff mit über 60 Werkzeugen sowie die Unterstützung diverser Runtime-Backends wie Docker, SSH und Modal. Beschrieben werden zudem ein unkomplizierter Onboarding-Prozess via Einzeiler-Installationsprogramm, typische Entwickler-Workflows von der Websuche bis zur Zusammenfassung sowie bestehende Trade-offs hinsichtlich Komplexität und Observability. Das Projekt zielt darauf ab, sich durch wiederholte Nutzung kontinuierlich zu optimieren, und wird im Rahmen der Hermes Agent Challenge mit entsprechenden Verweisen auf GitHub und offizielle Dokumentationen vorgestellt.
Hermes Agent: Lernschleife ermöglicht selbstoptimierende autonome Agenten
Der von Nous Research entwickelte, Open-Source-basierte Hermes Agent implementiert eine integrierte Lernschleife, die es Agenten ermöglicht, nach komplexen Sitzungen automatisch wiederverwendbare prozedurale Skill-Dokumente zu persistieren. Anstatt sich ausschließlich auf vektorbasierte Retrieval-Memory zu verlassen, bewertet Hermes Sitzungen nach der Antwort und speichert bei ausreichenden Tool-Aufrufen Markdown-Skill-Dateien in einem lokalen Verzeichnis ab, während Ergebnisse in einer persistenten SQLite-FTS5-Memory indiziert werden. Dieses Design zielt darauf ab, dass Agenten in engen, repetitiven Domänen kontinuierlich Fachwissen aufbauen, und unterstützt den Export von Trajektorien sowie die RL-Umgebungsintegration für Modell-Fine-Tuning. Die Architektur setzt auf lokale Speicherung, Portabilität gemäß dem Standard agentskills.io und Pipeline-Bereitschaft für zukünftige Forschungs- und Anpassungs-Workflows.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.