- Um agente autônomo com loop de autoaprendizado embutido, que cria e aprimora suas próprias habilidades durante o uso e aprofunda gradualmente o modelo do usuário entre sessões
- Não é um copiloto de código preso à IDE nem um wrapper de chatbot de API única, mas um agente autônomo que fica mais competente quanto mais tempo executa
- Pode operar em um VPS de US$ 5, cluster de GPU ou infraestrutura serverless sem restrições do ambiente de execução
- Suporta várias plataformas de mensagens por um gateway único, incluindo CLI, Telegram, Discord, Slack, WhatsApp, Signal e Email
- Oferece mais de 40 ferramentas integradas e conexão com servidores MCP, além de adotar um sistema de habilidades em padrão aberto compatível com agentskills.io
- Sistema de memória persistente do usuário baseado em Honcho, que acumula o histórico de conversas entre sessões e infere de forma assíncrona, em segundo plano, preferências e padrões de comportamento do usuário para refletí-los automaticamente nas respostas do agente
- Suporte a recall entre sessões baseado em FTS5, combinado com resumos de LLM para pesquisar memórias entre sessões
- Agendador de automações embutido, com execução programada de relatórios, backups e verificações em linguagem natural
- Criação de subagentes paralelos, processando pipelines de múltiplas etapas via Python RPC sem custo de contexto
- Suporte a 6 tipos de backend, incluindo local, Docker, SSH e Modal
- Alternância livre entre mais de 200 modelos, incluindo OpenRouter, OpenAI e Kimi
- Suporte a migração automática para usuários do OpenClaw
- Compatível com Linux, macOS e Windows (WSL2). Instalação automática com o mesmo comando em todos eles
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/… | bash
4 comentários
Do ponto de vista de um não desenvolvedor que não está acostumado a usar CLI, estou testando várias soluções de agente que podem se integrar ao Codex/CC Oauth (
openclaw,ductor,cc-connect,hermes-agent), mas não consigo entender bem as diferenças. Se um deles fosse claramente mais fácil de usar, eu usaria só esse, mas tenho a sensação de que todos são praticamente a mesma coisa.Alguém sentiu alguma vantagem no Hermes Agent que não existia nas outras soluções de agente?
Ainda é verdade que não há uma diferença perceptível para quem não é desenvolvedor.
A diferença entre o Hermes Agent e o OpenClaw vem da estrutura de memória e da capacidade de autoajuste, mas em um estado inicial em branco logo após a instalação essas coisas não ficam aparentes.
Não tem muita diferença; no fim das contas, acho que o que importa mesmo é o porte do modelo (ex.: tamanho dos parâmetros, talvez?)
Depois de rodar por pouco tempo, tive a impressão de que o hermes perde menos memória do que o openclaw, e descobri que isso acontece porque ele tem uma lógica de replay do contexto da sessão em situações como reinicialização ou fallback do modelo. O openclaw também segue melhorando continuamente os recursos relacionados à memória, então talvez isso melhore no futuro.
A função de autoaperfeiçoamento também é impressionante, porque quando um processo de trabalho complexo é detectado, existe uma lógica que o transforma automaticamente em uma skill, além de uma estrutura em que o código-fonte fica baixado via git no próprio workspace e acessível diretamente para modificações. No entanto, não há absolutamente nenhum gerenciamento de mudanças entre o git do código-fonte no workspace e o repositório oficial no GitHub, então ao atualizar as alterações locais acabam sendo resetadas. Estou tentando encontrar uma forma de contornar isso com
git worktree, mas não está ficando muito elegante... hmm...