Hermes Agent v0.2.3.0 de Nous Research: escritorio en el navegador, retroceso de sesiones con /rewind y memoria compartidaArtículo · digest del 12 de noviembre
Escritorio unificado de la plataforma Hermes Desktop con nodo central de control y ramificación de sesiones de trabajo
Artículo3 secciones≈ 9 min

Hermes Agent v0.2.3.0 de Nous Research: escritorio en el navegador, retroceso de sesiones con /rewind y memoria compartida

Detrás de las demostraciones relucientes de redes neuronales autónomas rara vez se ve lo que ocurre en el ordenador del desarrollador cuando tiene abiertos a la vez la terminal, el editor de código y un par de aplicaciones de mensajería. Mientras observas los informes en la consola, distintas interfaces suelen levantar copias independientes del mismo agente sobre un proyecto común. Los procesos empiezan a disputarse los archivos, duplican mensajes y rompen el historial del diálogo, y cualquier formulación imprecisa a mitad de cadena obliga a tirar la sesión y empezar todo desde cero.

Esa fragilidad interna la corrige el lanzamiento de la plataforma abierta Hermes Agent v0.2.3.0 (Hearth Release) del laboratorio Nous Research. ¿Cómo organizar el trabajo coordinado de un equipo de agentes de IA abiertos sin arriesgarse a romper el proyecto con un solo comando erróneo? Cuando revisé la lista de cambios de esta actualización, me convenció el hecho de que los autores no resolvieran el problema con otro parche de prompt, sino reconstruyendo los cimientos: todas las interfaces convergen en una única pasarela local, cualquier error del modelo puede revertirse sobre la marcha y distintas redes neuronales comparten memoria y coordinan pasos entre sí.

Pasarela local única y escritorio en el navegador Hermes Desktop

Los anteriores pipelines de agentes se desmoronaban con facilidad por la arquitectura de sus conexiones. Hasta la versión v0.2.3.0, la interfaz de terminal (CLI), el plugin del editor y los conectores a mensajería accedían al proyecto cada uno por su lado, generando copias aisladas del agente. Si lanzabas una tarea por la mañana en el ordenador de sobremesa y al mediodía comprobabas el estado desde el portátil, las sesiones perdían la sincronía.

En la actualización Hearth Release, los ingenieros de Nous Research —el proyecto se desarrolla bajo licencia MIT con la participación del cofundador e ingeniero principal Teknium y ya supera las 144,000 estrellas en GitHub (tras reunir las primeras 95,600 en 7 semanas desde su estreno en febrero de 2026)— trasladaron la plataforma a una única pasarela de sistema (gateway). Ahora exactamente un proceso en la máquina es dueño de todas las sesiones, y el resto de interfaces se conectan a él como clientes. La base de este ecosistema ya la vimos en el análisis de la arquitectura de Hermes Agent OS.

La principal consecuencia de esa reestructuración es un escritorio completo, Hermes Desktop, dentro de una pestaña del navegador hecho en React y TypeScript:

  • Estado continuo sin ataduras a la nube: al abrir una pestaña en el portátil, la tableta o un segundo PC en la red local, entras en el mismo entorno con todos los chats, plugins y ajustes que dejaste en la terminal.
  • Soberanía de control: la interfaz web corre en local, no en la nube de un tercero. Por defecto, el acceso por navegador viene desactivado en la configuración: tú decides activarlo, mantienes la pasarela en tu propio hardware y, si quieres, la vinculas a tu propia URL.
  • Control de gastos MCP: dentro de la pasarela rigen límites de presupuesto para llamadas externas mediante el protocolo Model Context Protocol (MCP), protegiendo el saldo en APIs de pago de terceros.

Imagina que construyes una aplicación web con la ayuda de dos asistentes: un agente programador y un agente investigador. Por la mañana lanzas la compilación desde la consola y de camino abres el escritorio de Hermes en el navegador. Ambos agentes trabajan dentro de una única sesión continua: ves una línea temporal unificada de acciones sin peticiones duplicadas ni conflictos.

Retroceso de pasos con /rewind frente a las sesiones lineales de agentes

Incluso una interfaz cómoda no te libra de fallos en el razonamiento del modelo ni de imprecisiones en el encargo. Comparemos dos enfoques ante lo que sucede en el momento del error.

En los agentes CLI lineales clásicos, el historial avanza estrictamente en una dirección. Supongamos que al crear nuestra aplicación web el agente programador comete un error en la migración de la base de datos en el cuarto paso: define mal las claves o borra una tabla necesaria. En un entorno lineal quedan dos malas salidas: o intentar convencer a la red neuronal sobre un contexto ya roto para que arregle el bug (con lo que el modelo se lía y genera nuevos fallos), o pulsar Ctrl+C y reiniciar la sesión desde cero. Un ejemplo muy gráfico lo dio el autor del canal Julian Goldie SEO: cuando el agente redactó una secuencia de bienvenida de tres correos y una guía inicial con un tono demasiado seco, antes tocaba reescribir todo el paquete a mano o relanzar el pipeline entero.

En Hermes Agent v0.2.3.0 aparece un mecanismo para revertir el estado con el comando /rewind (en la interfaz de terminal TUI también se invoca pulsando Esc dos veces). Sinceramente, para mí esta función parece el hallazgo más infravalorado del lanzamiento. En lugar de pelear con las consecuencias del fallo, rebobinas el historial hacia atrás:

  1. Ejecutas /rewind y eliges en el diálogo el punto situado dos pasos atrás, antes de la migración fallida de la base de datos.
  2. Corriges el prompt original: por ejemplo, exiges conservar el esquema antiguo de tablas o cambias el tono del texto a uno conversacional.
  3. Reenvías la tarea y el agente retoma el trabajo con contexto limpio, o separas una rama paralela mediante fork para comparar ambas variantes de arquitectura.
Espacio en disco al ramificar sesiones

Al invocar con frecuencia /rewind y separar ramas paralelas mediante fork, la plataforma guarda instantáneas locales de los archivos. En proyectos grandes, las ramificaciones frecuentes llenan rápido el disco, por lo que conviene limpiar a tiempo las ramas de prueba ya usadas.

Grupos multiagente, enrutamiento y memoria unificada en Obsidian

Una vez configurado el retroceso seguro, surge la siguiente pregunta: ¿cómo unir a distintos agentes en equipo sin tener que explicar a cada uno el contexto del proyecto desde cero?

En la versión v0.2.3.0 llegaron los chats grupales con un enrutador automático (router). Reúnes en una sala a varios especialistas, envías un único encargo y el enrutador principal reparte las subtareas por su cuenta. En nuestro ejemplo de la aplicación web, tras revertir la migración con /rewind, el enrutador pasa la petición al agente investigador para que extraiga la documentación de la base de notas y devuelve el esquema verificado al programador. Y en el escenario de producción de contenidos que muestra Julian Goldie, un solo mensaje coordina a cuatro bots: el investigador busca preguntas de la comunidad, el agente de contenido escribe los guiones, el agente SEO selecciona palabras clave y el estratega lo integra todo en un plan común.

Por debajo, Hermes permite combinar distintos modelos (sobre el lanzamiento local en un clic hablamos en el análisis de Hermes Agent v0.22 Threshold). Por ejemplo, a través del portal de Nous en el panel Agent OS se conecta el modelo Step 5 Preview de StepFun. Gracias a una arquitectura dispersa de expertos (Sparse Mixture-of-Experts), de sus 600 mil millones de parámetros solo permanecen activos 27 mil millones en cada instante: esto ofrece alta velocidad con una ventana de 1 millón de tokens (unas 1500 páginas de texto) y 44 puntos en el índice Artificial Analysis Intelligence Index (puesto 24 de 200 modelos).

Para que distintas herramientas (Hermes, Claude Code, Codex y OpenClaw) recuerden el contexto entre sesiones, la memoria se construye en dos niveles:

  • Habilidades autoaprendidas (/learn): al entregarle un reglamento al agente mediante /learn, obtienes un archivo permanente de habilidad (skill file). Según mediciones de Nous Research, los agentes con 20 o más habilidades propias completan tareas similares un 40% más rápido.
  • Almacén común en Obsidian: todos los agentes se conectan a una misma carpeta local de notas Markdown (vault) en Obsidian, organizada según el sistema PARA (Projects, Areas, Resources, Archive) con el directorio de servicio agent-os y un archivo único de reglas.

Comparemos dos formas de guardar esa memoria. Si almacenas en Obsidian transcripciones completas de los chats, el repositorio llena rápido el disco y quema miles de tokens al leerlo, mientras que montar una base de datos vectorial para tareas cotidianas resulta demasiado complejo. A mi juicio, funciona de forma mucho más elegante el modo de resúmenes diarios: por la noche cada agente escribe en la carpeta común un breve balance del día y por la mañana, antes de arrancar, revisa los registros de sus colegas de los últimos 3 días.

Esa misma base la utilizan el módulo de voz Hermes Apollo (que en la versión v0.2.0.0 Herald recibió voz en streaming, palabras de activación locales wake words, lectura de pantalla y un límite ampliado de 90 a 500 pasos por tarea), el radar de noticias Hermes Oracle y el monitor de competidores Hermes Astros. Frente a alternativas como OpenHands, AutoGen Studio, LangGraph y CrewAI, la propuesta de Nous Research gana precisamente por esa combinación lista para usar de escritorio en navegador, control MCP y memoria transparente en archivos.

Por supuesto, ninguna plataforma abierta se convertirá en un botón mágico que lo configure todo solo. Seguirás teniendo que activar manualmente la pasarela web en los ajustes, vigilar las instantáneas al ramificar con /rewind y mantener orden en Obsidian para que los agentes lean extractos diarios comprimidos en lugar de ruido en bruto. Pero las reglas del juego son ahora más claras: cuando una sola pasarela guarda el historial de todos tus dispositivos, cualquier orden fallida puede rebobinarse y los modelos comparten un cuaderno común en Markdown, dejas de temer a los experimentos y diriges a tus asistentes de IA como a un equipo bien engranado.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 5