Hermes Agent — agen AI otonom yang belajar sendiri dengan membuat dan meningkatkan skill dari pengalaman

• Agen otonom dengan loop pembelajaran mandiri bawaan, yang secara otomatis membuat dan meningkatkan skill saat digunakan, serta secara bertahap memperdalam model pengguna lintas sesi
• Bukan coding copilot yang terikat pada IDE atau wrapper chatbot API tunggal, melainkan agen otonom yang semakin lama berjalan, semakin kompeten
• Dapat berjalan di atas VPS seharga $5, klaster GPU, infrastruktur serverless tanpa terikat pada batasan lingkungan eksekusi
• Mendukung berbagai platform pesan seperti CLI, Telegram, Discord, Slack, WhatsApp, Signal, dan Email melalui satu gateway tunggal
• Menyediakan lebih dari 40 tool bawaan dan konektivitas ke server MCP, serta mengadopsi sistem skill standar terbuka yang kompatibel dengan agentskills.io
• Sistem memori pengguna persisten berbasis Honcho, yang mengakumulasi riwayat percakapan lintas sesi dan secara asinkron menyimpulkan preferensi serta pola perilaku pengguna di latar belakang untuk otomatis tercermin dalam respons agen
• Mendukung recall lintas sesi berbasis FTS5, yang dipadukan dengan ringkasan LLM agar memori antar sesi dapat dicari
• Scheduler otomatis bawaan, memungkinkan penjadwalan laporan, backup, dan pemeriksaan melalui bahasa alami
• Membuat subagen paralel, memproses pipeline multilangkah melalui Python RPC tanpa biaya konteks
• Mendukung 6 jenis backend seperti local, Docker, SSH, dan Modal
• Bebas beralih di antara 200+ model seperti OpenRouter, OpenAI, dan Kimi
• Mendukung migrasi otomatis untuk pengguna OpenClaw
• Mendukung Linux, Mac, dan Windows (WSL2). Instalasi otomatis dengan perintah yang sama di semuanya
  curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/… | bash

[theogn]

Dari sudut pandang non-developer yang tidak terbiasa menggunakan CLI, saya sedang mencoba berbagai solusi agen yang bisa diintegrasikan dengan Codex/CC Oauth (openclaw, ductor, cc-connect, hermes-agent), tetapi saya kurang memahami perbedaannya. Kalau ada satu yang paling mudah digunakan, saya akan pakai itu saja, tetapi rasanya semuanya mirip...

Apakah ada yang merasakan keunggulan tertentu pada hermes agent yang tidak ada di solusi agen lain yang sudah ada?

[heyjude]

Memang benar, sejauh ini belum ada perbedaan yang akan terasa bagi non-developer.
Perbedaan antara hermes agent dan openclaw muncul dari struktur memory dan kemampuan modifikasi diri, tetapi pada kondisi awal yang masih kosong setelah instalasi pertama, hal-hal seperti ini belum terlihat.

[sea715]

Tidak ada perbedaan besar, pada akhirnya sepertinya ukuran model yang penting (mis.: ukuran parameter atau semacamnya?)

[heyjude]

1. Setelah menjalankannya sebentar, saya merasa hermes lebih jarang kehilangan memori dibanding openclaw, dan ternyata itu karena ada logika session context replay untuk situasi seperti restart atau fallback model. openclaw juga terus meningkatkan fitur terkait memori, jadi ke depannya sepertinya akan membaik juga.

2. Fitur perbaikan mandirinya juga mengesankan, karena saat alur kerja yang kompleks terdeteksi, ada logika yang otomatis mengubahnya menjadi skill, dan untuk keperluan modifikasi, ada struktur yang memungkinkan ia menerima source code ke workspace-nya sendiri lewat git dan mengaksesnya secara langsung. Namun, sama sekali tidak ada pengelolaan perubahan antara git source code di workspace dan repositori resmi GitHub, jadi saat diperbarui, perubahan lokal bisa ter-reset. Saya sedang mencoba mencari cara untuk mengatasinya dengan git worktree, tetapi sejauh ini belum ada solusi yang benar-benar rapi... hmm...