Самообучающиеся ИИ-агенты: как устроена архитектура Hermes и Agent OS
Большинство популярных ИИ-ассистентов сталкиваются с проблемой: они забывают свой опыт после закрытия сессии. В новом диалоге пользователю приходится заново задавать контекст проекта, повторять правила кодовой базы, передавать формат отчетов и напоминать о ранее принятых решениях. Главная ценность персонального ИИ-агента заключается не только в мощности базовой нейросети, но и в наличии переносимого состояния — структурированной памяти, сохраненных процедур и изолированной рабочей среды.
Открытая система Hermes от лаборатории Nous Research предлагает решение этой проблемы за счет архитектуры, разделяющей мышление нейросети и долговременный опыт агента. В отличие от попыток передать всю историю в гигантском окне контекста, Hermes использует строго отбираемую память и динамически подгружаемые модули инструкций.
Проблема сброса контекста: почему ассистентам нужна автономная память
Обычный чат-бот получает в качестве контекста текущее окно диалога и несколько открытых файлов. Когда сессия завершается, накопившаяся цепочка рассуждений теряется. Если пользователю требуется регулярно выполнять сложные процессы — например, проводить ревью изменений или настраивать серверное окружение — ручной ввод правил становится главным узким местом.
Попытка решить проблему путем отправки в языковую модель огромных системных промптов приводит к росту стоимости каждого запроса и снижению точности из-за размывания внимания.
Автономная система Hermes решает эту проблему через разделение трех компонентов:
- Модели (вычислительного «мозга», принимающего решения);
- Диспетчера задач (оркестратора, управляющего доступом к инструментам и терминалу);
- Долговременного состояния (файлов памяти, профиля поведения и процедурных навыков).
Архитектура Hermes: разделение модели, оркестратора и долговременного состояния
В архитектуре Hermes ценность накопленного опыта отделена от конкретного провайдера нейросетей. Вы можете сменить базовую языковую модель, переключившись с облачного API на локальную нейросеть, но при этом полностью сохранить базу знаний вашего агента.
Официальная документация Hermes описывает постоянную память как строго курируемый набор записей. Базовая конфигурация использует файлы MEMORY.md и USER.md, содержащие лаконичные факты о проекте, предпочтения пользователя и зафиксированные договоренности. Перед началом выполнения новой задачи агент считывает эти файлы в системный контекст, а при появлении важных данных самостоятельно обновляет их, вычищая устаревшие записи.
Для хранения фундаментального характера и принципов поведения применяется отдельный файл конфигурации (часто называемый soul.md). В нем прописываются границы приватности и стиль коммуникации, что защищает базовые правила от случайного перезаписывания во время выполнения рабочих задач.
Динамическое создание навыков: от концепта к файлам SKILL.md
Если память хранит короткие факты, то процедурное знание вынесено в систему навыков (skills). В рамках экосистемы Hermes навыки представляют собой файлы, хранящиеся по умолчанию в каталоге ~/.hermes/skills/.
Официальное руководство по навыкам Hermes объясняет принцип подгрузки по требованию:
- При получении запроса агент просматривает только краткие описания доступных навыков;
- При постановке конкретной задачи агент идентифицирует подходящий модуль;
- Текст инструкции из файла
SKILL.mdи сопутствующие скрипты загружаются в рабочий контекст только на время выполнения этой задачи.
Используя внутренний инструмент управления skill_manage, агент может зафиксировать успешную цепочку действий, оформить ее в новый файл SKILL.md и применять в будущем через вызов специальной команды (например, /plan). Это создает механизм развития: агент расширяет возможности не за счет переобучения весов нейросети, а за счет пополнения библиотеки инструкций на диске.
Модели, провайдеры и изолированные среды исполнения
Hermes не привязан к одному вендору. Система поддерживает работу через Nous Portal, OpenRouter, OpenAI или любые совместимые с OpenAI API сторонние эндпоинты.
Для выполнения действий в реальном мире Hermes поддерживает шесть типов исполнительных сред (terminal backends): локальный терминал, контейнеры Docker, SSH-подключение к удаленным серверам, а также облачные среды Daytona, Singularity и Modal. Выбор среды определяет уровень безопасности: при работе в Docker-контейнере агент может тестировать скрипты, не рискуя повредить файлы основной операционной системы. Для организации удаленного доступа без открытия публичных портов применяется mesh-сеть Tailscale.
Сравнительный анализ: традиционный чат-бот и агент с архитектурой Hermes
| Параметр | Традиционный чат-бот | Автономный агент Hermes |
|---|---|---|
| Хранение контекста | Только внутри текущей сессии диалога | Компактная память в MEMORY.md и подгружаемые навыки |
| Смена нейросети | Потеря истории и всех настроек работы | Сохранение файлов памяти и навыков при смене LLM |
| Определяемость процессов | Каждый раз новый текстовый промпт | Многократно используемые модули в каталоге ~/.hermes/skills/ |
| Среда выполнения | Изолированная песочница без доступа к CLI | Выбор из 6 backend-сред (локально, Docker, SSH, Modal) |
Чек-лист по практической настройке и изоляции Agent OS
Для развертывания и безопасной эксплуатации системы Hermes рекомендуется соблюдать следующую последовательность шагов:
- Подготовка окружения: Убедитесь, что в системе установлен Docker или настроена локальная среда (поддерживаются Linux, macOS, WSL2 на Windows и Termux).
- Установка компонента: В терминале Unix-систем выполните официальный установочный скрипт:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bashДля Windows PowerShell используйте команду:iex (irm https://hermes-agent.nousresearch.com/install.ps1) - Первичная авторизация: Запустите мастер настройки с помощью команды:
hermes setup --portal - Проверка структуры памяти: Перейдите в рабочий каталог и проверьте файлы
MEMORY.mdиUSER.md. Внесите базовые ограничения и запреты на редактирование критических файлов. - Тестирование системы навыков: Проверьте содержимое каталога
~/.hermes/skills/. Запустите тестовую безопасную задачу без права изменения продуктивной базы кода. - Ограничение прав на запись: Запретите агенту выполнять команды с правами администратора (
sudo) и установите обязательный шаг подтверждения для любых операций записи вне контейнера.
Риски безопасности и границы автономного применения
Автоматическое создание и изменение навыков несет в себе риски: если модель ошибется, она может сохранить неэффективный или опасный алгоритм действий.
Основные правила безопасности при работе с автономными агентами:
- Отсутствие секретов в файлах памяти: Пароли, приватные ключи API и токены никогда не должны попадать в
MEMORY.mdилиSKILL.md. Используйте системные переменные окружения. - Обязательный аудит изменений: Все созданные агентом навыки должны проходить проверку человеком перед предоставлением доступа к продуктивному окружению.
- Ограничение удаленного доступа: При подключении агента через мессенджеры используйте приватные сети (например, Tailscale) и ограничивайте список разрешенных пользователей.
Разделение системы на модель, память и навыки превращает ИИ-агента в надежного цифрового помощника. Однако главным условием его работы остается жесткий контроль над правами доступа.