Hermes AI-assistentvaardigheden voor echte productomgevingen

De Hermes AI-assistent, officieel gedocumenteerd als Hermes Agent, is niet gepositioneerd als een eenvoudige chat-wrapper.

Voor installatie, provider-configuratie, tool-sandboxing en gateway-configuratie, zie de Hermes AI Assistant-handleiding. De dagelijkse CLI-interfaces (hermes profile, hermes skills, hermes cron en gerelateerde commando’s) worden samengevat in de Hermes Agent CLI-cheatsheet. Dit artikel richt zich op de skills- en profielarchitectuur die bepaalt hoe Hermes zich gedraagt zodra deze draait. Voor concrete auteursrichtlijnen voor SKILL.md—frontmatter-velden, directory-indeling, geheimen versus config.yaml, en skills die verdwijnen uit slash-commando’s—zie Hermes Agent Skill Authoring — SKILL.md Structuur en Best Practices.

De officiële documentatie en het repository beschrijven een zichzelf verbeterende agent met een ingebouwde leerloop die skills creëert op basis van ervaring, deze tijdens gebruik verbetert, kennis over sessies heen vasthoudt, en draait op alles van een goedkope VPS tot cloud-sandboxen.

In april 2026 toont het openbare GitHub-repository ongeveer 94,6k sterren, 13,2k forks, en de nieuwste release getagd als v0.10.0 op 16 april 2026. Dat is genoeg activiteit om het project te noemen als snel evoluerend, goed geadopteerd, en tegelijkertijd operationeel jong.

Die dubbele aard is belangrijk voor productieontwerp. Hermes is volwassen genoeg om echt werk te ondersteunen, maar dynamisch genoeg dat een rommelige setup snel verouderd raakt. Het onderstaande artikel behandelt configuratie en skills als een vraag van operationele architectuur, niet als een checklist van functies.

Waarom Hermes een profiel-gebaseerde architectuur nodig heeft

Hermes skills zijn documenten met kennis op aanvraag. Ze maken gebruik van progressieve openbaarmaking zodat de agent eerst een compacte skills-index kan zien en volledige skills-inhoud alleen laadt wanneer nodig, wat het token-gebruik onder controle houdt, zelfs wanneer veel skills zijn geïnstalleerd. Elke geïnstalleerde skill wordt een slash-commando in de CLI en in messaging-interfaces, en de documentatie positioneert skills expliciet als de voorkeurmechanisme voor extensie wanneer een functionaliteit kan worden uitgedrukt met instructies, shell-commando’s en bestaande tools in plaats van aangepaste agent-code.

Het productie-complexiteit is dat Hermes skills behandelt als levende staat, niet als bevroren pakketten. Ingebouwde skills, hub-geïnstalleerde skills, en door de agent gemaakte skills leven allemaal onder ~/.hermes/skills/, en de documentatie stelt dat de agent skills kan wijzigen of verwijderen. Hetzelfde systeem biedt acties voor het maken, patchen, bewerken, verwijderen en ondersteunende bestanden voor skills-beheer. Dat is krachtig, maar het betekent ook dat één overgrote “alles-doen” agent snel een procedurale rommelbak wordt.

Profielen zijn het antwoord. Hermes profielen zijn volledig geïsoleerde omgevingen, elk met hun eigen config.yaml, .env, SOUL.md, geheugens, sessies, skills, cron-taken, en staat-database. De CLI maakt ook van een profiel een eigen commando-alias, zodat een profiel genaamd coder wordt coder chat, coder setup, coder gateway start, enzovoort. In de praktijk maakt dit profielen tot de echte eenheid van productie-eigendom, niet de individuele skill.

De productiestandaard

De standaardstructuur is verrassend schoon. Hermes slaat niet-geheim gedrag op in ~/.hermes/config.yaml, geheimen in ~/.hermes/.env, identiteit in SOUL.md, persistente feiten in memories/, procedurele kennis in skills/, geplande taken in cron/, sessies in sessions/, en logs in logs/. Het hermes config set commando stuurt API-sleutels naar .env en alles andere naar config.yaml, en de gedocumenteerde prioriteitsvolgorde is CLI-vlaggen eerst, dan config.yaml, dan .env, dan ingebouwde standaarden. Dat is ook het schoonste antwoord op de veelgestelde productievraag over hoe geheimen en configuratie gesplitst moeten worden.

Een praktische multi-profiel-indeling ziet er meestal ongeveer zo uit, met één profiel per verantwoordelijkheid in plaats van één profiel per persoon:

~/.hermes/profiles/
  eng/
  research/
  ops/
  execops/
  ml/

Dat patroon komt overeen met hoe Hermes profielen worden gedocumenteerd: elk profiel is zijn eigen geïsoleerde omgeving, en profielen kunnen worden gekloned van een basisconfiguratie wanneer algemene standaarden nuttig zijn. De documentatie merkt ook op dat profielen geen geheugen of sessies delen, en dat bijgewerkte skills gesynchroniseerd kunnen worden tussen profielen wanneer de hoofdinstallatie wordt bijgewerkt.

De volgende productiegrens is uitvoering. Hermes ondersteunt zes terminalbackends - lokaal, Docker, SSH, Modal, Daytona, en Singularity - en de beveiligingsdocumentatie beschrijft een defense-in-depth-model dat gevaarlijke commando-goedkeuring, containerisolatie, MCP-credentialfiltering, contextbestandscan, cross-session isolatie, en input-sanitisering omvat. Met andere woorden, het “profiel eerst” besluit beantwoordt wie de staat eigendom is, en het backend-besluit beantwoordt waar riskante werk toegestaan is om te plaats te vinden.

Automatisering zit bovenop die basis. Hermes cron-taken kunnen nul, één of meerdere skills koppelen, en ze draaien in verse agent-sessies in plaats van de huidige chat over te nemen. De messaging-gateway is ook het achtergrondproces dat sessies beheert, cron uitvoert, en resultaten terugstuurt naar platforms zoals Telegram, Discord, Slack, WhatsApp, E-mail, Matrix, en anderen. De officiële MCP-handleiding voegt nog één productieregel toe die makkelijk over het hoofd wordt gezien: het beste patroon is niet alles te verbinden, maar het kleinste nuttige oppervlak bloot te stellen. Voor queue-achtige multi-agent uitvoering op zelfgehoste modellen, gebruik Kanban in Hermes Agent voor Zelfgehoste LLM-workflows als begeleidende runbook. Als uw productielayout Hermes op een headless machine plaatst en operators verbinding maken vanaf desktopclients, gebruik Hermes Agent Headless Server en Remote Desktop Setup voor de netwerk- en diensttopologie.

Het software-engineeringsprofiel

De meest voor de hand liggende Hermes persona is de software-engineer die wil dat de agent minder lijkt op een chatvenster en meer op een herhaalbare repo-operator. Dit profiel kijkt meestal naar repository-authenticatie, issue-triage, PR-creatie, code-review, debugging, en plan-gestuurde uitvoering. In de Hermes-catalogi is de kern ingebouwde skills-pakket ongebruikelijk coherent voor die taak: github-auth, github-issues, github-pr-workflow, github-code-review, code-review, plan, writing-plans, systematic-debugging, en test-driven-development. Als delegatie belangrijk is, levert Hermes ook ingebouwde autonome agent skills zoals codex, claude-code, opencode, en hermes-agent-spawning.

Wat dat pakket nuttig maakt, is niet één enkele skill. Het is de manier waarop de skills ontwikkelprocedure coderen. github-pr-workflow dekt de volledige PR-levenscyclus, github-issues formaliseert issue-operaties, github-code-review en code-review maken review een aparte stap in plaats van een afterthought, en systematic-debugging houdt de agent tegen om direct naar prematuur fixes te springen. Dat beantwoordt ook de praktische vraag welke AI-assistent skills het meest belangrijk zijn voor coderingsworkflows. De skills met de hoogste waarde zijn meestal degenen die repo-hygiëne en review-discipline vastleggen, niet degenen die meer ruwe codegeneratie beloven.

Hermes-delegatie versterkt dit profiel verder. Het platform kan geïsoleerde child-agents spawnen met hun eigen conversatie, terminal-sessie, en toolset, en alleen de definitieve samenvatting wordt teruggegeven aan de parent. Voor codebases is dat een schonere fit dan elk tussentijdse diff, stack trace, en reviewnotitie in één conversatie te proppen. In productietermen profiteert het engineeringprofiel van smalle skills-sets, een gesandboxed backend zoals Docker of SSH, en ruim gebruik van delegatie wanneer contextruim begint te overheersen.

Het onderzoeks- en kennisprofiel

Het onderzoeksprofiel is waar Hermes begint te voelen als iets anders dan gewone assistenten. De ingebouwde catalogi bevatten al arxiv, duckduckgo-search, blogwatcher, llm-wiki, ocr-and-documents, obsidian, domain-intel, en ml-paper-writing, terwijl de officiële optionele catalogus qmd, parallel-cli, scrapling, en een bredere onderzoekslaag voor gespecialiseerde domeinen toevoegt. Die stack dekt paperzoeken, bronmonitoring, OCR, lokale notitiesystemen, domeinreconnaissance, schrijven, en hybride retrieval zonder alles te forceren in één RAG-patroon.

Dit profiel is ook de duidelijkste plek om de vraag geheugen versus skills te beantwoorden. Hermes-documentatie definieert geheugen als feiten over gebruikers, projecten, en voorkeuren, terwijl skills procedures opslaan voor hoe dingen te doen. Onderzoekswerk heeft beide nodig. Geheugen houdt vast wat de assistent al heeft geleerd over het domein en de voorkeuren van de lezer; skills coderen herhaalbare procedures zoals “scan arXiv, vat nieuwe papers samen, en schrijf notities naar Obsidian.” Dat onderscheid is belangrijk omdat productieonderzoekssystemen falen wanneer alles als geheugen wordt behandeld of alles als workflow. Hermes geeft die zorgen aparte huizen. Voor het volledige technische beeld van hoe geheugen werkt — de twee-bestandsarchitectuur, karakterlimieten, prefix caching, en alle acht externe provider-opties — zie Hermes Agent Memory System.

Het onderzoeksprofiel profiteert ook disproportioneel van cron. Hermes cron-taken kunnen expliciet skills laden voordat uitvoering, en de automatiseringsgidsen benadrukken dat geplande prompts volledig zelf-bevattend moeten zijn omdat ze in verse sessies draaien. Een terugkerende pipeline die blogwatcher, arxiv, obsidian, of llm-wiki combineert is daarom betrouwbaarder dan een vaag “check wat er vandaag is veranderd” taak. Met andere woorden, onderzoeksprofielen werken het beste wanneer bronontdekking, notitieschrijven, en langetermijnopslag elk worden vertegenwoordigd door een genoemde skill in plaats van verborgen te zijn in één lange natuurlijke-taal prompt.

Het automatiserings- en operatieprofiel

Het ops-profiel is minder glansrijk en vaak waardevoller. Dit is de gebruiker die wil dat Hermes reageert op gebeurtenissen, systemen inspecteert, gescriptte checks uitvoert, output naar een kanaal stuurt, en al dat zonder de host tot een aansprakelijkheid te maken. Hermes heeft de juiste bouwstenen voor dat soort werk: ingebouwde webhook-subscriptions voor gebeurtenis-gestuurde activatie, ingebouwde native-mcp en mcporter voor MCP-gebaseerde tools, en officiële optionele skills zoals docker-management, fastmcp, cli, en 1password wanneer de workflow uitbreidt naar containers, aangepaste MCP-servers, of secret-injectie.

De reden waarom dit pakket werkt is dat elke skill één grens bezit. webhook-subscriptions behandelt ingress van externe systemen. docker-management maakt containerchores tot een genoemde procedure in plaats van een vrijvorm shell-game. fastmcp is nuttig wanneer Hermes de orchestrator moet worden rondom nieuwe MCP-tools, en 1password houdt secret-behandeling expliciet in plaats van gesmokkeld in shell history of markdown-bestanden. De officiële MCP-richting versterkt dezelfde productiestint: verbind het juiste ding met het kleinste nuttige oppervlak. Wanneer dit ops-profiel wordt geconsumeerd via mobiele chatinterfaces, worden de implementatiedetails behandeld in Hermes Voice Control from Your Phone.

Dit profiel is ook de schoonste plek om te beantwoorden hoe geplande AI-workflows betrouwbaar blijven. Hermes cron-documentatie zegt dat taken draaien in verse sessies, één of meerdere skills kunnen koppelen, en zelf-bevattende prompts moeten gebruiken. De cron-probleemoplossingsgids voegt toe dat automatisch afvuren afhankelijk is van de gateway ticker in plaats van een gewone CLI chat-sessie. Dus het betrouwbare patroon is straightforward, zelfs als de implementatie niet is: expliciete skills, expliciete leveringsdoel, zelf-bevattende prompt, geïsoleerde backend, en een gateway die eigenlijk draait.

Het executieve operatieprofiel

Er is een stillere maar zeer realistische Hermes persona die eruitziet als een chief of staff, operatieleider, of zwaar overbelade founder. De relevante skills zijn minder flashig en meer kantoor-vormig: google-workspace, notion, linear, nano-pdf, powerpoint, en de ingebouwde himalaya e-mail skill, plus officiële optionele skills zoals agentmail, telephony, en one-three-one-rule. Die mix geeft Hermes toegang tot inbox, agenda, docs, taken, decks, PDF-opruiming, een gestructureerd communicatiekader, en zelfs telefoon- en SMS-workflows waar dat echt belangrijk is.

De flow hier is belangrijker dan de catalogus. google-workspace verankert dagelijkse uitvoering. Notion en Linear voorkomen dat de assistent het taak-systeem van record wordt. one-three-one-rule is verrassend nuttig omdat besluitondersteuning vaak het moeilijkste ding is om te standaardiseren, en die skill geeft Hermes een genoemde procedure voor voorstellen in plaats van generiek “vat dit samen” gedrag. nano-pdf en powerpoint zijn het soort operationele vermenigvuldigers die klein lijken tot een team elke dag decks en PDFs begint aan te raken.

Hermes messaging- en voice-functies maken dit profiel praktischer dan het eerst lijkt. De gateway kan de agent blootstellen via Slack, Telegram, Discord, WhatsApp, E-mail, Matrix, en verschillende andere kanalen, en de voice-stack ondersteunt microfooninput, gesproken antwoorden in messaging, en live Discord voice-conversaties. De documentatie merkt ook op dat één Hermes instantie meerdere gebruikers kan bedienen via allowlists en DM-pairing, terwijl bot-tokens exclusief blijven voor één profiel. Dat is waarom een communicatie-zware deployment meestal profiteert van ten minste één dedicated profiel in plaats van dezelfde bot-identiteit te delen met engineering of ops.

Het ML- en dataplatformprofiel

Hermes is gebouwd door een onderzoekslab, en die afkomst toont. De catalogi bevatten jupyter-live-kernel voor stateful notebook-stijl werk, huggingface-hub voor model- en dataset-operaties, evaluating-llms-harness en weights-and-biases voor evaluatie en experiment-tracking, qdrant-vector-search voor productie RAG-opslag, en een grote ingebouwde en optionele MLOps-laag met skills zoals axolotl, fine-tuning-with-trl, modal-serverless-gpu, lambda-labs-gpu-cloud, flash-attention, tensorrt-llm, pinecone, qdrant, en nemo-curator.

Wat hier opvallend is, is niet alleen de breedte. Het is dat de skills de hele stack overspannen van notebook-iteratie tot data-curatie, evaluatie, vectorsearch, fine-tuning, en inference-optimalisatie. Voor een ML-platformgebruiker stopt Hermes met voelen als een assistent en begint te voelen als een controlplane die procedures kan dragen door de levenscyclus heen. jupyter-live-kernel behandelt iteratieve exploratie, evaluating-llms-harness en weights-and-biases formaliseren meting, en de optionele compute- en optimalisatiesskills laten Hermes coherent praten over zowel experimenten als deployment.

Dit is ook het profiel waar terughoudingheid het belangrijkst is. Omdat de optionele MLOps-catalogus zo groot is, profiteert een productie Hermes-setup voor ML-werk meestal van meningvol zijn over scope. Een platform engineeringprofiel dat eigenaar is van evaluatie en deployment heeft niet elke trainingframework geïnstalleerd nodig. Een onderzoeksprofiel dat eigenaar is van papers en notitiesystemen heeft niet elke vector database skill nodig. Hermes kan enorme skills-inventarissen dragen, maar productiebruikbaarheid komt nog steeds van het vernauwen van het actieve oppervlak.

Waar skills tot lasten worden

Het sterkste deel van het Hermes skills-systeem is ook de plek waar productiesetups fout gaan. Hermes kan browsen en skills installeren vanuit zijn ingebouwde catalogus, de officiële optionele catalogus, Vercel’s skills.sh, bekende skill-endpoints, directe GitHub-repositories, en marketplace-achtige gemeenschapsbronnen. Het beveiligingsmodel onderscheidt tussen builtin, official, trusted, en community bronnen, voert beveiligingscans uit voor hub-geïnstalleerde skills, en staat --force toe alleen voor niet-gevaarlijke policy-blokken. Een gevaarlijke scan-verdict blijft geblokkeerd. Hermes toont ook upstream metadata zoals repository URL, weekse installs, en audit-signalen tijdens inspectie. Dat is een solide vertrouwensmodel, maar het is geen vervanging voor smaak.

Er is ook een limiet aan wat van een skill gevraagd mag worden. Hermes-documentatie is expliciet dat skills de voorkeurkeuze zijn wanneer het werk kan worden uitgedrukt als instructies plus shell-commando’s plus bestaande tools, terwijl plugins de eerlijkere abstractie zijn voor aangepaste tools, hooks, en lifecycle-gedrag. De plugin-gids toont zelfs hoe een plugin zijn eigen skill kan bundelen. In productie betekent dat dat skills het best worden behandeld als herbruikbare procedures, niet als een geforceerd substitutie voor proper tool- of plugin-ontwerp.

Community en ondersteuning zien er gezond uit, maar ze wissen veranderingssnelheid niet weg. Hermes-documentatie verwijst gebruikers naar Discord, GitHub Discussions, Issues, en de Skills Hub, en het openbare repository toont frequente releases en een groot bijdragevoetprint. De operationele afname is eenvoudig genoeg: updates zijn onderdeel van het systeem, niet een evenement erbuiten. Een echte productiesetup neemt aan dat profielen, skills, en workflow-aanname zullen evolueren, en gebruikt dan isolatie en smalle skills-pakketten zodat verandering lokaal blijft wanneer het onvermijdelijk aankomt.

Hermes werkt het beste wanneer skills worden behandeld als procedurele contracten rond duidelijk gescheiden profielen. Het moment dat één profiel de engineering-agent, de onderzoeksassistent, de ops-werker, de inbox-bot, en het ML-platform allemaal tegelijk wordt, stopt het systeem met compouding en begint met lekken van verantwoordelijkheden. Het schone productiematroon gaat minder over het hebben van meer skills en meer over het geven van elk profiel een jobbeschrijving die het eigenlijk kan behouden.

Dit artikel is onderdeel van de AI Systemen cluster, die zelfgehoste assistenten, retrieval-architectuur, lokale LLM-infrastructuur, en observability behandelt.