За глянцевыми демонстрациями автономных нейросетей редко видно, что творится на компьютере разработчика, когда одновременно открыты терминал, редактор кода и пара мессенджеров. Пока ты наблюдаешь за отчетами в консоли, разные оболочки нередко поднимают независимые копии одного и того же агента поверх общего проекта. Процессы начинают спорить за файлы, дублировать сообщения и рвать историю диалога, а любая неточная формулировка в середине цепочки вынуждает сносить сессию и запускать всё с нуля.
Эту внутреннюю хрупкость устраняет релиз открытой платформы Hermes Agent v0.2.3.0 (Hearth Release) от лаборатории Nous Research. Как организовать слаженную работу команды открытых ИИ-агентов без риска сломать проект одной неверной командой? Когда я разбирал список изменений этого обновления, меня подкупило то, что авторы решили задачу не очередными промпт-костылями, а перестройкой фундамента: все интерфейсы сведены в единый локальный шлюз, любую ошибку модели можно откатить на лету, а разные нейросети делят общую память и координируют шаги между собой.
Единый локальный шлюз и браузерный рабочий стол Hermes Desktop
Прежние агентные пайплайны легко рассыпались из-за архитектуры соединений. До версии v0.2.3.0 терминальный интерфейс (CLI), плагин в редакторе и коннекторы к мессенджерам обращались к проекту вразнобой, порождая изолированные копии агента. Если ты запускал задачу утром за десктопом, а днем проверял статус с ноутбука, сессии рассинхронизировались.
В обновлении Hearth Release инженеры Nous Research — проект развивается под лицензией MIT при участии сооснователя и ведущего инженера Teknium и уже собрал более 144 000 звезд на GitHub (набрав первые 95 600 звезд за 7 недель после старта в феврале 2026 года) — перевели платформу на единый системный шлюз (gateway). Теперь ровно один процесс на машине владеет всеми сессиями, а остальные оболочки подключаются к нему как клиенты. Базовое устройство этой экосистемы мы разбирали в обзоре архитектуры Hermes Agent OS.
Главным следствием перестройки стал полноценный рабочий стол Hermes Desktop во вкладке браузера на React и TypeScript:
- Сквозное состояние без облачной привязки: открыв вкладку на ноутбуке, планшете или втором ПК в локальной сети, ты попадаешь в то же окружение со всеми чатами, плагинами и настройками, которые оставил в терминале.
- Суверенитет управления: веб-интерфейс работает локально, а не в чужом облаке. По умолчанию браузерный доступ выключен в настройках — ты сам активируешь его, держишь шлюз на своем железе и при желании привязываешь к собственному URL.
- Контроль расходов MCP: внутри шлюза действуют лимиты бюджетов для внешних вызовов по протоколу Model Context Protocol (MCP), защищающие баланс на платных сторонних API.
Представь, что ты собираешь веб-приложение силами двух помощников: агента-кодера и агента-исследователя. Утром ты запускаешь сборку из консоли, а в дороге открываешь браузерный рабочий стол Hermes. Оба агента работают внутри одной сквозной сессии: ты видишь единую ленту действий без дублирования запросов и конфликтов.
Откат шагов через /rewind против линейных агентных сессий
Даже удобный интерфейс не спасает от сбоев в рассуждениях модели или неточностей в задании. Сопоставим два подхода к тому, что происходит в момент ошибки.
В классических линейных CLI-агентах история движется строго в одну сторону. Допустим, при создании нашего веб-приложения агент-кодер на четвертом шаге допускает ошибку в миграции базы данных — неверно задает ключи или сносит нужную таблицу. В линейной среде остаются два скверных пути: либо поверх сломанного контекста уговаривать нейросеть исправить баг (отчего модель путается и плодит новые ошибки), либо жать Ctrl+C и перезапускать сессию с нуля. Показательный пример привел автор канала Julian Goldie SEO: когда агент составил приветственную цепочку из трех писем и стартового гайда в слишком сухом тоне, раньше приходилось либо переписывать весь пакет вручную, либо перезапускать весь пайплайн.
В Hermes Agent v0.2.3.0 появился механизм отката состояния по команде /rewind (в терминальном интерфейсе TUI она также вызывается двойным нажатием Esc). Честно говоря, для меня именно эта функция выглядит самой недооцененной находкой релиза. Вместо борьбы с последствиями ошибки ты перематываешь историю назад:
- Вызываешь
/rewindи выбираешь в диалоге точку на два шага назад, до неудачной миграции базы данных. - Правишь исходный промпт — например, требуешь сохранить старую схему таблиц или меняешь тон текста на разговорный.
- Отправляешь задание заново, и агент продолжает работу с чистым контекстом, либо отделяешь параллельную ветку через
fork, чтобы сравнить оба варианта архитектуры.
При частом вызове /rewind и отделении параллельных веток через fork платформа сохраняет локальные снепшоты файлов. На крупных проектах частые ветвления быстро забивают диск, поэтому отработанные тестовые ветки стоит вовремя очищать.
Мультиагентные группы, маршрутизация и единая память в Obsidian
Когда безопасный откат настроен, возникает следующий вопрос: как объединить разных агентов в команду и не объяснять каждому контекст проекта заново?
В релизе v0.2.3.0 появились групповые чаты с автоматическим роутером (router). Ты собираешь в комнате несколько специалистов, отправляешь одно поручение, а ведущий роутер сам распределяет подзадачи. В нашем примере с веб-приложением после отката миграции через /rewind роутер передает запрос агенту-исследователю, чтобы тот подтянул документацию из базы заметок, и возвращает проверенную схему кодеру. А в сценарии контент-производства, который демонстрирует Джулиан Голди, одно сообщение координирует четырех ботов: исследователь ищет вопросы сообщества, контент-агент пишет сценарии, SEO-агент подбирает ключевые фразы, а стратег сводит всё в общий план.
Под капотом Hermes позволяет комбинировать разные модели (о локальном запуске в один клик мы рассказывали в разборе Hermes Agent v0.22 Threshold). Например, через портал Nous в панели Agent OS подключается модель Step 5 Preview от StepFun. Благодаря разреженной архитектуре экспертов (Sparse Mixture-of-Experts) из 600 миллиардов параметров в каждый момент активны лишь 27 миллиардов: это дает высокую скорость при окне в 1 миллион токенов (около 1500 страниц текста) и 44 баллах в рейтинге Artificial Analysis Intelligence Index (24-е место из 200 моделей).
Чтобы разные инструменты (Hermes, Claude Code, Codex и OpenClaw) помнили контекст между сессиями, память строится на двух уровнях:
- Самообучающиеся навыки (
/learn): скормив агенту регламент через/learn, ты получаешь постоянный файл навыка (skill file). По замерам Nous Research, агенты с 20 и более собственными навыками выполняют похожие задачи на 40% быстрее. - Общее хранилище в Obsidian: все агенты подключаются к одной локальной папке Markdown-заметок (vault) в Obsidian, организованной по системе PARA (Projects, Areas, Resources, Archive) со служебным каталогом
agent-osи единым файлом правил.
Сравним два способа записи такой памяти. Если сохранять в Obsidian полные стенограммы чатов, хранилище быстро забивает диск и сжигает тысячи токенов при чтении, а поднимать векторную базу данных для повседневных задач слишком сложно. По-моему, куда изящнее работает режим суточных сводок: ночью каждый агент записывает в общую папку короткий итог дня, а утром перед стартом проверяет логи коллег за последние 3 дня.
Эту же базу используют голосовой модуль Hermes Apollo (получивший в версии v0.2.0.0 Herald потоковую речь, локальные фразы активации wake words, чтение экрана и увеличенный с 90 до 500 шагов лимит на задачу), новостной радар Hermes Oracle и монитор конкурентов Hermes Astros. На фоне альтернатив вроде OpenHands, AutoGen Studio, LangGraph и CrewAI решение Nous Research выигрывает именно готовой связкой браузерного десктопа, контроля MCP и прозрачной файловой памяти.
Конечно, ни одна открытая платформа не станет волшебной кнопкой, которая все настроит сама. Тебе все равно придется вручную включить веб-шлюз в настройках, следить за снепшотами при ветвлениях через /rewind и поддерживать порядок в Obsidian, чтобы агенты читали сжатые дневные выжимки вместо сырого шума. Но правила игры стали прозрачнее: когда один шлюз держит историю всех устройств, любую неудачную команду можно отмотать назад, а модели делят общий блокнот в Markdown, ты перестаешь бояться экспериментов и управляешь ИИ-помощниками как слаженной командой.



