Экосистема Hermes: от терминального чат-бота к полноценной операционной системе ИИ-агентов
Идея использования искусственного интеллекта в повседневных бизнес-процессах выходит за рамки привычных чат-интерфейсов. Одиночные сессии, где контекст сбрасывается после закрытия вкладки, уступают место концепции «ИИ-операционной системы» (Agent OS). В этой модели ИИ-агенты превращаются в автономных сотрудников с постоянной памятью, визуальным пультом управления, Kanban-досками задач и интеграцией с ключевыми базами знаний компании.
Главным драйвером этого сдвига выступает развитие специализированных агентских платформ, таких как Nous Research Hermes. В рамках масштабного обновления Hermes v0.15.0 (известного как Velocity Update) разработчики перешли от простого терминального помощника к полноценной экосистеме.
Главные новшества обновления Hermes v0.15.0
В версии v0.15.0 архитектурное ядро платформы претерпело глубокий рефакторинг — переписано более 76% исходного кода. Это масштабная коллективная работа, включившая 1302 коммита и 747 пул-реквестов от 321 контрибьютора (подробнее в официальном списке изменений на GitHub).
Ключевыми техническими изменениями стали:
- Ускорение поиска сессий (Session Search). Скорость поиска контекста прошлых сессий выросла в 4500 раз. В старых версиях операция занимала около 30 секунд и требовала платных обращений к сторонним языковым моделям. Теперь поиск выполняется локально за 20 миллисекунд (прокрутка занимает около 1 миллисекунды) без дополнительных расходов.
- Защита от инъекций (Prompt-Injection Defense). Платформа внедрила предварительную фильтрацию входящих данных (promptware defense), которая блокирует попытки перехвата управления агентом до того, как они достигнут основной языковой модели.
- Режим прямой доставки (Deliverable Mode). Агенты теперь могут отправлять результаты работы в виде готовых файлов (а не просто ссылок на них) в рабочие каналы связи: Slack, Telegram или электронную почту.
- Каталог MCP (Model Context Protocol). Быстрый вызов функций внешних инструментов стандартизирован через унифицированный интерфейс, что облегчает подключение новых сервисов одной командой.
Архитектурный сдвиг: концепция ИИ-Канбан и Visual Dashboard
Главная проблема первых ИИ-агентов заключалась в отсутствии визуального контроля. Пользователю приходилось следить за бесконечными логами в терминале. В концепции Agent OS эта проблема решается разделением ролей и визуализацией рабочего пространства.
Интерфейс «ИИ-Канбан» (Multi-agent Kanban) позволяет по одной команде запускать параллельный рой агентов. Задача автоматически декомпозируется:
- Исследователь (Researcher) собирает источники и ссылки.
- Исполнители (Workers) готовят черновые варианты в изолированных ветках Git.
- Верификатор (Verifier) проверяет цитаты, сопоставляет утверждения с фактами и анализирует различия в файлах (diffs).
- Синтезатор (Synthesizer) собирает финальный артефакт для отправки пользователю.
Для мониторинга этого процесса используется визуальная панель управления (Dashboard). Такой интерфейс можно собрать самостоятельно средствами продвинутых языковых моделей (например, в Claude). На экране отображаются запущенные задачи, количество активных субагентов, выбранные модели, история сессий и ссылки на сгенерированные файлы. Это превращает работу с ИИ в прозрачный конвейер.
Синхронизация постоянной памяти: Obsidian и Notion
Агенты становятся по-настоящему полезными, когда они перестают забывать контекст прошлых обсуждений. Создание общего «цифрового мозга» компании реализуется через подключение локальных баз знаний и облачных CRM-систем.
Obsidian как локальная память. Заметки в Obsidian хранятся в виде обычных текстовых файлов формата Markdown в локальной папке (сейфе/vault), что подтверждается официальным руководством по хранению данных в Obsidian. Если направить агентов (таких как ChatGPT, Claude или Hermes) на чтение этой единой папки, они получают доступ к актуальным целям, регламентам, контент-планам и шаблонам. Это исключает противоречия в их ответах и заставляет их писать в едином стиле (one voice).
Notion как командный штаб. В экосистемах вроде Codex (построенных на базе технологий Codex от OpenAI) интеграция с Notion реализуется через специальные плагины, устанавливаемые через библиотеку расширений (см. руководство по плагинам OpenAI Academy).
Для корректной работы агентов в Notion важно размещать инструкции непосредственно на страницах баз данных, чтобы модель понимала структуру колонок и правила именования. В свою очередь, официальный протокол безопасности требует создания внутренней интеграции (Internal Connection) с выдачей точечных прав на конкретные страницы и защитой секретного токена авторизации (bearer token), как регламентируют официальные гайды Notion для разработчиков.
Генерация контента через Google NotebookLM. Накопленные базы данных в Obsidian или Notion можно превращать в аудио- и видеоматериалы. С помощью сервиса Google NotebookLM пользователи могут загружать документы, чтобы генерировать интерактивные подкасты (Audio Overviews) или структурированные видеоролики (Video Overviews), где ИИ-ведущие обсуждают материалы компании на основе загруженных источников без риска галлюцинаций (см. справку Google NotebookLM по общим блокнотам).
Практический чек-лист настройки persistent-агента
Для создания безопасной автоматизированной системы ИИ-ассистентов используйте следующий регламент:
- Подготовка изолированной среды. Создайте отдельный сейф в Obsidian или выделенную страницу в Notion специально для ИИ. Не смешивайте рабочую базу с личными заметками или паролями.
- Создание файла правил. Разместите в корне базы файл-инструкцию (например,
README.md), где четко пропишите цели, разрешенные действия, запрещенные типы файлов и правила разметки. - Настройка прав и интеграции. При подключении к Notion создайте интеграцию на портале разработчика. Полученный API-токен храните в защищенных переменных окружения вашего сервера. Никогда не вставляйте секретные ключи в текст заметок или тело промпта. Расшарьте для токена только нужные базы данных.
- Запуск тестовой задачи. Попросите агента выполнить простую и безопасную операцию: например, прочитать папку с заметками за прошлую неделю и подготовить проект утренней сводки в виде черновика.
- Ручная верификация. Убедитесь, что агент прочитал только разрешенные файлы, не изменил структуру данных и правильно процитировал источники.
- Настройка каналов доставки. После успешного тестирования подключите отправку готовых отчетов в Slack или Telegram, предварительно настроив режим ручного подтверждения (human-in-the-loop) для всех внешних публикаций и писем.
Интеграция ИИ-агентов в операционную систему бизнеса дает максимальный эффект не тогда, когда модель выдает красивый разовый ответ в чате, а когда она регулярно выполняет рутинную работу, опираясь на актуальную корпоративную память.