Hermes Agent: hoe de zelflerende agent van Nous Research echt werkt

De meeste AI-assistenten beginnen elk gesprek blanco. Je legt uit hoe je je rapportages wilt hebben, het gaat goed, en de volgende dag leg je het opnieuw uit. Hermes Agent van Nous Research belooft het omgekeerde: een agent die van zijn eigen werk leert en daar de volgende keer gebruik van maakt.

Dat klinkt als zelflerende AI, maar wat er gebeurt is concreter en controleerbaarder: Hermes schrijft na een lastige taak een tekstbestand met de werkwijze die werkte, en leest dat bestand de volgende keer weer in. Wie dat begrijpt, weet ook wat je van de agent kunt verwachten en waar je op moet letten.

Wat is Hermes Agent?

Hermes Agent is een open-source AI-agent (MIT-licentie) van het onderzoekslab Nous Research. Je installeert hem op je eigen computer of een server, koppelt er een taalmodel naar keuze aan, en hij voert zelf taken uit: commando's in de terminal, bestanden bewerken, op het web zoeken. Het project omschrijft zichzelf als "the agent that grows with you".

Het model is inwisselbaar. Hermes werkt met Nous Portal, OpenRouter, OpenAI, een eigen endpoint en andere aanbieders, dus ook met lokaal gedraaide open modellen als je hardware dat aankan. Volgens de README heeft hij meer dan veertig ingebouwde tools.

Hoe leert Hermes van eerdere taken?

Het leren gebeurt niet in het model. De gewichten van het taalmodel veranderen niet. Wat verandert, is een map met skills: Markdown-bestanden (SKILL.md, volgens de open agentskills.io-standaard) in ~/.hermes/skills/.

De systeemprompt vraagt de agent om een niet-triviale werkwijze vast te leggen met de tool skill_manage. Volgens de documentatie gebeurt dat in de praktijk als hij een meerstappenworkflow heeft uitgezocht die het herhalen waard is, of als hij na fouten en doodlopende paden de werkende route heeft gevonden. Klopt een skill later niet meer, dan past de agent hem aan, bij voorkeur met een gerichte patch in plaats van een volledige herschrijving.

Een voorbeeld om het concreet te maken (hypothetisch): je vraagt Hermes omzetcijfers uit Stripe te halen, ze naast HubSpot te leggen, er een grafiek van te maken en een samenvatting in Slack te zetten. De eerste keer zoekt hij uit welke API-aanroepen nodig zijn en loopt hij misschien vast op een datumformaat. Daarna legt hij de werkende stappen vast als skill. Vraag je een week later hetzelfde rapport, dan hoeft hij dat niet opnieuw uit te zoeken.

En GEPA dan?

In veel artikelen over Hermes valt de term GEPA (vaak verkeerd gespeld als GAPA). GEPA is een techniek uit onderzoek naar promptoptimalisatie: een taalmodel leest uitvoeringssporen, bedenkt varianten van een prompt en houdt de beste over. Nous Research gebruikt die techniek, samen met het framework DSPy, in een apart project: hermes-agent-self-evolution. Dat project optimaliseert skills, toolbeschrijvingen en prompts buiten de dagelijkse sessies om. Het is dus niet het mechanisme waarmee Hermes tijdens je werk skills aanmaakt.

Wat onthoudt Hermes, en wat niet?

Naast skills heeft Hermes twee kleine geheugenbestanden in ~/.hermes/memories/:

• MEMORY.md (maximaal 2.200 tekens): de notities van de agent zelf, zoals feiten over de omgeving en afspraken.
• USER.md (maximaal 1.375 tekens): wat hij over jou weet, zoals voorkeuren en communicatiestijl.

Die limieten zijn bewust krap. Samen passen er enkele tientallen korte regels in, geen dossier. De inhoud wordt bij de start van een sessie eenmalig in de systeemprompt geladen en verandert tijdens die sessie niet. Leert Hermes halverwege iets nieuws over jou, dan merk je dat pas in de volgende sessie.

Voor oudere gesprekken is er een SQLite-database (~/.hermes/state.db) met full-text search. Vraag je "hebben we dit eerder opgelost?", dan zoekt de agent in eerdere sessies in plaats van te gokken.

Wie meer wil, kan een externe geheugenprovider aansluiten. Honcho, dat een profiel van de gebruiker opbouwt, is er één van. Mem0 en Supermemory zijn andere. Die draaien naast het ingebouwde geheugen en zijn optioneel, geen vaste vierde laag.

Waar draait Hermes, en hoe praat je ermee?

De agent zelf kan in zeven terminal-backends werken: lokaal, Docker, SSH, Singularity, Modal, Daytona en Vercel Sandbox. Bij Modal en Daytona gaat de omgeving volgens Nous in slaapstand als je hem niet gebruikt, en wordt hij wakker zodra er een opdracht komt. Je betaalt dan vrijwel niets tussen sessies.

Praten gaat via de terminal of via een gateway voor chatplatforms. Volgens de documentatie ondersteunt die ruim dertig platforms, waaronder Telegram, Discord, Slack, WhatsApp, Signal, e-mail en Microsoft Teams. De gateway draait ook een cron-planner, zodat je terugkerende taken in gewone taal kunt instellen, zoals een dagelijks overzicht in je Telegram.

Hermes draait op Linux en macOS, en inmiddels ook native op Windows via een PowerShell-installer. Eerder was WSL2 nodig. Oudere handleidingen zeggen dat nog.

Verder spreekt Hermes ACP, het Agent Client Protocol van Zed. Met hermes acp gebruik je de agent vanuit editors als Zed, VS Code en JetBrains-IDE's, inclusief diffs en goedkeuringsvragen in je editor.

Hermes of OpenClaw?

OpenClaw is de bekendste open-source persoonlijke agent en de vergelijking ligt voor de hand. Oudere vergelijkingen (24 platforms tegen 12, OpenClaw "leert niet") kloppen niet meer. Beide projecten zijn MIT-gelicenseerd, beide draaien op je eigen hardware, beide verbinden met tientallen chatplatforms, en OpenClaw kent ook geheugen en skills.

Het verschil waar Nous Research zelf de nadruk op legt, is dat Hermes zijn skills zelf schrijft en bijwerkt tijdens het werk. Wie wil overstappen, kan hermes claw migrate gebruiken. Dat kopieert onder meer je persona (SOUL.md), herinneringen, zelfgemaakte skills, messaging-instellingen en API-sleutels uit een OpenClaw-installatie.

Waar het mis kan gaan

De agent schrijft zijn eigen instructies. Een skill die een fout bevat, wordt net zo trouw hergebruikt als een goede. Hermes heeft daarom een instelling skills.write_approval: zet je die aan, dan worden wijzigingen aan skills klaargezet ter beoordeling in plaats van direct doorgevoerd.

De agent voert echte commando's uit. Draai hem daarom in een afgeschermde backend zoals Docker of een cloud-sandbox als hij niet bij je persoonlijke bestanden hoort te komen.

Skills van anderen zijn instructies van vreemden. Via de skills-hub installeer je skills uit meerdere bronnen. Die hub heeft een securityscanner die onder meer let op data-exfiltratie en prompt injection, maar een scanner vangt niet alles.

Tot slot betaal je het model per gebruik, tenzij je lokaal draait. Een agent die na elke taak ook nog nadenkt over wat hij moet vastleggen, verbruikt meer tokens dan een agent die dat niet doet.

Wat dit betekent als je Hermes gaat gebruiken

Het "leren" van Hermes is geen black box maar een map met leesbare Markdown-bestanden. Dat is het sterkste argument voor de aanpak, en ook de manier om hem te gebruiken: open na een week ~/.hermes/skills/ en lees wat de agent over jouw werk heeft opgeschreven. Wat daar staat, doet hij de volgende keer. Behandel die map als code die je reviewt.

Stand van september 2026. Hermes Agent ontwikkelt snel. Controleer functies en commando's in de officiële documentatie.