Hermes Agent
Ein Open-Source-Framework für autonome KI-Agenten von Nous Research mit einer persistenten Memory-Loop, die eigene, wiederverwendbare Skills erstellt und mit der Zeit verfeinert.
Mein Take
Typische Agenten behandeln jede Aufgabe wie eine leere Seite, und das nervt auf Dauer. Hermes hat eine eingebaute Lernschleife, die tatsächlich wiederverwendbare Skills aufbaut und speichert, während er arbeitet. Findet er einmal heraus, wie er eine Datei refaktoriert oder ein Dokument parst, merkt er sich dieses Muster für die nächste Aufgabe. Dazu ist er modellagnostisch, du bist also nicht an einen einzigen Anbieter gebunden — für ein kostenloses, selbst gehostetes Framework ist diese Kombination selten.
Auf einen Blick
Vorteile
- + Eingebaute Lernschleife lässt den Agenten wiederverwendbare Skills erstellen und verfeinern
- + Persistente Memory zu Projekten, Dateien und Präferenzen über Sessions hinweg
- + Modellagnostisch — funktioniert mit über 200 Modellen via OpenRouter oder lokalen Endpoints
- + Open Source und stark anpassbar
- + Ein Gateway verbindet ihn mit über 20 Messaging-Plattformen, darunter Telegram, WhatsApp, Signal, Slack, Discord, Teams und E-Mail
Nachteile
- − Das Setup ist einfacher geworden, bleibt aber technischer als eine Consumer-App, mit API-Keys und Modell-Endpoints, die du verwalten musst
- − Die Skill-Lernschleife speichert gelegentlich ineffiziente Muster
- − Du bezahlst die LLM-Nutzung selbst, über deine eigenen API-Keys oder ein Nous-Portal-Abo
Am besten für: Entwickler, die ein modellagnostisches Agent-Framework suchen, das aus Erfahrung lernt und eine persistente Memory der Nutzerpräferenzen aufbaut.
Vollständiger Test
Der Hermes Agent ist ein Open-Source-Framework für autonome KI-Agenten, entwickelt von Nous Research. Während die meisten KI-Assistenten jede Konversation mit einer leeren Seite beginnen, ist Hermes darauf ausgelegt, genau diese Einschränkung zu überwinden — durch eine persistente Memory von Nutzerpräferenzen, Projektkontext und eigenen Skills.
Die selbstverbessernde Skill-Loop
Die zentrale Innovation von Hermes ist seine Lernschleife. Gibst du dem Agenten eine Aufgabe, führt er die Schritte nicht einfach einmal aus und vergisst sie wieder. Löst er eine neue Herausforderung erfolgreich — schreibt ein Skript, parst eine Datei —, speichert er dieses Muster als wiederverwendbaren «Skill». Mit der Zeit baut der Agent eine Bibliothek eigener Tools auf, massgeschneidert auf deine Codebase und Projekte, und wird bei folgenden Durchläufen effizienter und zuverlässiger.
Modellagnostisch by Design
Anders als proprietäre Agent-Plattformen, die an eine einzige Modellfamilie gebunden sind, ist Hermes vollständig agnostisch. Du kannst ihn mit über 200 verschiedenen Large Language Models verbinden — via API-Anbieter wie OpenRouter oder lokale Endpoints über Ollama. Diese Flexibilität erlaubt es Entwicklern, je nach Aufgabe das Modell zu wechseln: ein schnelles, günstiges Modell für einfache Dateioperationen, ein grösseres, reasoning-starkes Modell für komplexe Architekturänderungen.
Persistente Projekt-Memory
Hermes behält Projektverlauf und Nutzerkontext über Sessions hinweg. Er merkt sich deine Präferenzen, Coding-Konventionen und frühere Entscheidungen, wodurch du bei jeder neuen Anfrage weniger Hintergrundinformationen liefern musst.
Technisches Setup
Das Setup ist einfacher geworden. Seit Juni 2026 gibt es eine Desktop-App, Hermes Desktop, für macOS (Apple Silicon), Windows und Linux; ihr Installer bringt eine eigene Runtime mit, Docker ist also nicht nötig. Trotzdem verlangt er mehr technisches Geschick als eine Consumer-App: Du richtest API-Keys ein und konfigurierst Modell-Endpoints, oder du abonnierst stattdessen das optionale Nous Portal (20, 100 oder 200 $ im Monat, mit Credits für über 300 Modelle). Die Software selbst bleibt kostenlos und MIT-lizenziert. Ein starker Workspace für Power-User, aber nicht gemacht für gelegentliche, nicht-technische Builder.
Wer Hermes nutzen sollte
Software-Ingenieure und Product Manager, die einen individuellen, selbstverbessernden Entwicklungs-Assistenten aufbauen wollen. Die Möglichkeit, zwischen offenen Modellen zu wechseln, und die persistente Lernschleife machen ihn zu einer überzeugenden Wahl für Teams, die eigene Automatisierungs-Pipelines bauen.
Hinzugefügt: 2026-06-26 · Zuletzt aktualisiert: 2026-10-22