Навыки AI-ассистента Hermes для реальных производственных конфигураций

Ассистент Hermes AI, официально документированный как Hermes Agent, позиционируется не как простая обертка для чата.

Для установки, настройки провайдеров, песочницы инструментов и конфигурации шлюза ознакомьтесь с руководством по ассистенту Hermes AI. Повседневные интерфейсы командной строки (hermes profile, hermes skills, hermes cron и связанные команды) сведены в шпаргалку по CLI агента Hermes. В данной статье основное внимание уделяется архитектуре навыков и профилей, которая определяет поведение Hermes после запуска. За практическими рекомендациями по созданию SKILL.md — полями frontmatter, структурой каталогов, различиями между секретами и config.yaml, а также навыками, исчезающими из слэш-команд, — обращайтесь к руководству по созданию навыков Hermes Agent — структура SKILL.md и лучшие практики.

В официальной документации и репозитории описывается агент с функцией самообучения, обладающий встроенным циклом обучения, который создает навыки из опыта, улучшает их в процессе использования, сохраняет знания между сессиями и работает на чем угодно — от дешевых VPS до облачных песочниц.

По состоянию на апрель 2026 года в публичном репозитории GitHub проект имеет около 94,6 тысячи звезд, 13,2 тысячи форков, а последний релиз с тегом v0.10.0 датирован 16 апреля 2026 года. Этой активности достаточно, чтобы назвать проект быстроразвивающимся, хорошо принятым сообществом и при этом все еще молодым с операционной точки зрения.

Эта двойственная природа важна для проектирования производственных систем. Hermes достаточно зрел, чтобы поддерживать реальную работу, но при этом достаточно динамичен, чтобы неаккуратная настройка быстро устарела. В статье ниже конфигурация и навыки рассматриваются не как список функций, а как вопрос операционной архитектуры.

Почему Hermes нуждается в архитектуре, ориентированной на профили

Навыки Hermes — это документы знаний, доступные по требованию. Они используют принцип прогрессивного раскрытия, чтобы агент сначала видел компактный индекс навыков и загружал полное содержимое навыка только при необходимости, что позволяет контролировать использование токенов даже при большом количестве установленных навыков. Каждый установленный навык становится слэш-командой в CLI и интерфейсах сообщений, а в документации явно указано, что навыки являются предпочтительным механизмом расширения, когда функциональность может быть выражена с помощью инструкций, команд оболочки и существующих инструментов, а не пользовательского кода агента.

Сложность в производственной среде заключается в том, что Hermes рассматривает навыки как живое состояние, а не замороженные пакеты. Встроенные навыки, навыки, установленные из хабов, и созданные агентом навыки хранятся в ~/.hermes/skills/, и в документации указано, что агент может изменять или удалять навыки. Та же система предоставляет действия для создания, патча, редактирования, удаления и работы с вспомогательными файлами для управления навыками. Это мощно, но это также означает, что один перегруженный агент «для всего» со временем превращается в свалку процедур.

Решением являются профили. Профили Hermes — это полностью изолированные среды, каждая со своим собственным config.yaml, .env, SOUL.md, памятью, сессиями, навыками, cron-задачами и базой данных состояния. CLI также превращает профиль в собственную команду-алиас, так что профиль с именем coder становится coder chat, coder setup, coder gateway start и так далее. На практике это делает профили реальной единицей владения в производственной среде, а не отдельные навыки.

Базовая конфигурация для production

Базовая структура surprisingly чистая. Hermes хранит поведение, не являющееся секретным, в ~/.hermes/config.yaml, секреты — в ~/.hermes/.env, идентичность — в SOUL.md, постоянные факты — в memories/, процедурные знания — в skills/, запланированные задачи — в cron/, сессии — в sessions/, а логи — в logs/. Команда hermes config set направляет API-ключи в .env, а все остальное — в config.yaml, и документированный порядок приоритетов таков: сначала флаги CLI, затем config.yaml, затем .env, затем встроенные значения по умолчанию. Это также самый чистый ответ на частый производственный вопрос о том, как следует разделять секреты и конфигурацию.

Практичная многопрофильная структура обычно выглядит примерно так, с одним профилем на ответственность, а не одним профилем на человека:

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

Этот паттерн соответствует тому, как документированы профили Hermes: каждый профиль — это своя изолированная среда, и профили могут быть клонированы из базовой конфигурации, когда общие значения по умолчанию полезны. В документации также отмечается, что профили не разделяют память или сессии, и что обновленные навыки могут быть синхронизированы между профилями при обновлении основной установки.

Следующая производственная граница — это выполнение. Hermes поддерживает шесть терминальных бэкендов: локальный, Docker, SSH, Modal, Daytona и Singularity, а документация по безопасности описывает модель защиты в глубину, которая включает одобрение опасных команд, изоляцию контейнеров, фильтрацию учетных данных MCP, сканирование контекстных файлов, изоляцию между сессиями и санитизацию входных данных. Иными словами, решение «профиль прежде всего» отвечает на вопрос, кто владеет состоянием, а решение о бэкенде отвечает на вопрос, где разрешено выполнять рискованную работу.

Автоматизация строится поверх этой базы. Cron-задачи Hermes могут иметь ноль, один или несколько навыков, и они выполняются в новых сессиях агента, а не наследуя текущий чат. Шлюз сообщений также является фоновым процессом, который управляет сессиями, запускает cron и маршрутизирует результаты обратно на такие платформы, как Telegram, Discord, Slack, WhatsApp, Email, Matrix и другие. Официальное руководство по MCP добавляет еще одно производственное правило, которое легко упустить: лучший паттерн — не подключать все, а экспонировать минимально полезную поверхность. Для очередей выполнения многоагентных задач на локальных моделях используйте Kanban в Hermes Agent для рабочих процессов самохостинга LLM в качестве сопровождающего руководства. Если ваша производственная структура размещает Hermes на безголовом сервере, а операторы подключаются с настольных клиентов, используйте Настройка безголового сервера и удаленного рабочего стола Hermes Agent для сетевой и сервисной топологии.

Профиль инженера-программиста

Самый очевидный персонаж Hermes — это инженер-программист, который хочет, чтобы агент вел себя меньше как окно чата и больше как повторяемый оператор репозитория. Этот профиль обычно заботится об аутентификации репозитория, сортировке задач, создании PR, ревью кода, отладке и выполнении, подкрепленном планами. В каталогах Hermes базовый набор встроенных навыков необычайно последователен для этой работы: github-auth, github-issues, github-pr-workflow, github-code-review, code-review, plan, writing-plans, systematic-debugging и test-driven-development. Если делегирование имеет значение, Hermes также поставляется со встроенными навыками автономных агентов, такими как codex, claude-code, opencode и hermes-agent-spawning.

То, что делает этот набор полезным, — это не какой-то один навык. Это то, как навыки кодируют процедуру разработки. github-pr-workflow охватывает полный жизненный цикл PR, github-issues формализует операции с задачами, github-code-review и code-review делают ревью отдельным шагом, а не послеумом, а systematic-debugging не дает агенту сразу переходить к преждевременным исправлениям. Это также отвечает на практический вопрос, какие навыки AI-ассистента важнее всего для рабочих процессов кодирования. Наиболее ценные навыки — это те, которые закрепляют гигиену репозитория и дисциплину ревью, а не те, которые обещают больше сырого генерирования кода.

Делегирование Hermes усиливает этот профиль еще больше. Платформа может порождать изолированные дочерние агенты со своим собственным разговором, сессией терминала и набором инструментов, и только итоговое резюме возвращается родителю. Для кодовых баз это более чистое решение, чем запихивание каждого промежуточного диффа, стека вызовов и заметки по ревью в один разговор. В производственных терминах профиль инженера выигрывает от узких наборов навыков, изолированного бэкенда, такого как Docker или SSH, и щедрого использования делегирования, когда шум контекста начинает доминировать.

Профиль исследований и знаний

Профиль исследований — это то место, где Hermes начинает казаться отличным от обычных ассистентов. Встроенные каталоги уже включают arxiv, duckduckgo-search, blogwatcher, llm-wiki, ocr-and-documents, obsidian, domain-intel и ml-paper-writing, в то время как официальный опциональный каталог добавляет qmd, parallel-cli, scrapling и более широкий исследовательский уровень для специализированных доменов. Этот стек охватывает поиск статей, мониторинг источников, OCR, локальные системы заметок, разведку доменов, написание и гибридный поиск без принуждения всего к единому паттерну RAG.

Этот профиль также является самым четким местом для ответа на вопрос о памяти против навыков. Документация Hermes определяет память как факты о пользователях, проектах и предпочтениях, в то время как навыки хранят процедуры о том, как делать вещи. Исследовательская работа нуждается в обоих. Память хранит то, что ассистент уже узнал о домене и предпочтениях читателя; навыки кодируют повторяемые процедуры, такие как «просканировать arXiv, подвести итог новым статьям и написать заметки в Obsidian». Это различие важно, потому что производственные исследовательские системы терпят неудачу, когда все рассматривается как память или все рассматривается как рабочий процесс. Hermes дает этим озабоченностям отдельные дома. За полной технической картиной того, как работает память — двухфайловой архитектурой, лимитами символов, кэшированием префиксов и всеми восемью вариантами внешних провайдеров — см. Систему памяти агента Hermes.

Профиль исследований также непропорционально выигрывает от cron. Cron-задачи Hermes могут явно загружать навыки перед выполнением, и руководства по автоматизации подчеркивают, что запланированные промпты должны быть полностью самодостаточными, поскольку они запускаются в новых сессиях. Таким образом, повторяющийся конвейер, сочетающий blogwatcher, arxiv, obsidian или llm-wiki, более надежен, чем расплывчатая задача «проверить, что изменилось сегодня». Иными словами, профили исследований работают лучше всего, когда обнаружение источников, написание заметок и долгосрочное хранение представлены именованными навыками, а не скрыты внутри одного длинного промпта на естественном языке.

Профиль автоматизации и операций

Профиль операций менее гламурный, но часто более ценный. Это пользователь, который хочет, чтобы Hermes реагировал на события, проверял системы, запускал скриптованные проверки, направлял вывод в канал и делал все это, не превращая хост в liability. У Hermes есть правильные строительные блоки для такого типа работы: встроенные webhook-subscriptions для событийно-ориентированной активации, встроенные native-mcp и mcporter для инструментов на основе MCP, а также официальные опциональные навыки, такие как docker-management, fastmcp, cli и 1password, когда рабочий процесс расширяется до контейнеров, пользовательских серверов MCP или внедрения секретов.

Причина, по которой этот пакет работает, заключается в том, что каждый навык владеет одной границей. webhook-subscriptions обрабатывает входящие данные от внешних систем. docker-management превращает рутину контейнеров в именованную процедуру вместо свободной игры в оболочке. fastmcp полезен, когда Hermes нуждается в том, чтобы стать оркестратором вокруг новых инструментов MCP, а 1password сохраняет обработку секретов явной, а не замаскированной в истории оболочки или файлах markdown. Официальные рекомендации по MCP усиливают ту же производственную интуицию: подключать правильное с минимально полезной поверхностью. Когда этот профиль операций потребляется через мобильные интерфейсы чата, детали реализации описаны в Голосовом управлении Hermes с вашего телефона.

Этот профиль также является самым чистым местом для ответа на то, как запланированные AI-рабочие процессы остаются надежными. Документация cron Hermes говорит, что задачи выполняются в новых сессиях, могут прикреплять один или несколько навыков и должны использовать самодостаточные промпты. Руководство по устранению неполадок cron добавляет, что автоматическое срабатывание зависит от тикера шлюза, а не от обычной сессии чата CLI. Таким образом, надежный паттерн прост, даже если реализация нет: явные навыки, явная цель доставки, самодостаточный промпт, изолированный бэкенд и шлюз, который действительно запущен.

Профиль исполнительных операций

Существует более тихий, но очень реальный персонаж Hermes, который выглядит как начальник штаба, руководитель операций или перегруженный основатель. Соответствующие навыки менее flashy и более офисные: google-workspace, notion, linear, nano-pdf, powerpoint и встроенный навык himalaya для электронной почты, плюс официальные опциональные навыки, такие как agentmail, telephony и one-three-one-rule. Эта смесь дает Hermes доступ к входящим, календарю, документам, задачам, презентациям, очистке PDF, структурированной структуре коммуникации и даже рабочим процессам телефона и SMS, где это действительно имеет значение.

Здесь поток важнее каталога. google-workspace закрепляет повседневное выполнение. Notion и Linear предотвращают превращение ассистента в систему задач по умолчанию. one-three-one-rule удивительно полезен, потому что поддержка принятия решений часто является самым сложным для стандартизации, и этот навык дает Hermes именованную процедуру для предложений, а не общее поведение «подведи итог этому». nano-pdf и powerpoint — это те виды операционных мультипликаторов, которые кажутся небольшими, пока команда не начнет касаться презентаций и PDF каждый день.

Функции сообщений и голоса Hermes делают этот профиль более практичным, чем кажется на первый взгляд. Шлюз может экспонировать агента через Slack, Telegram, Discord, WhatsApp, Email, Matrix и несколько других каналов, а голосовой стек поддерживает ввод с микрофона, голосовые ответы в сообщениях и живые голосовые разговоры в Discord. В документации также отмечается, что один экземпляр Hermes может обслуживать нескольких пользователей через списки разрешений и пары DM, в то время как токены бота остаются эксклюзивными для одного профиля. Вот почему коммуникационно-интенсивное развертывание обычно выигрывает от хотя бы одного выделенного профиля, а не от разделения одной идентичности бота с инженерией или операциями.

Профиль платформы ML и данных

Hermes создан исследовательской лабораторией, и это происхождение проявляется. Каталоги включают jupyter-live-kernel для работы в стиле ноутбуков с сохранением состояния, huggingface-hub для операций с моделями и наборами данных, evaluating-llms-harness и weights-and-biases для оценки и отслеживания экспериментов, qdrant-vector-search для производственного хранения RAG, а также большой встроенный и опциональный уровень MLOps с навыками, такими как axolotl, fine-tuning-with-trl, modal-serverless-gpu, lambda-labs-gpu-cloud, flash-attention, tensorrt-llm, pinecone, qdrant и nemo-curator.

То, что примечательно здесь, — это не только широта. Это то, что навыки охватывают весь стек от итераций в ноутбуке до курации данных, оценки, векторного поиска, тонкой настройки и оптимизации вывода. Для пользователя платформы ML Hermes перестает чувствовать себя ассистентом и начинает чувствовать себя плоскостью управления, которая может нести процедуры через жизненный цикл. jupyter-live-kernel обрабатывает итеративное исследование, evaluating-llms-harness и weights-and-biases формализуют измерение, а опциональные навыки вычислений и оптимизации позволяют Hermes связно говорить как об экспериментах, так и о развертывании.

Это также профиль, где сдержанность имеет наибольшее значение. Поскольку опциональный каталог MLOps настолько велик, производственная настройка Hermes для ML-работы обычно выигрывает от того, чтобы быть opinionated о масштабе. Профиль инженерии платформы, который владеет оценкой и развертыванием, не нуждается в каждом фреймворке обучения, установленном. Профиль исследований, который владеет статьями и системами заметок, не нуждается в каждом навыке векторной базы данных. Hermes может нести огромные инвентари навыков, но производственная полезность все еще исходит от сужения активной поверхности.

Где навыки становятся liabilities

Сильнейшая часть системы навыков Hermes — это также место, где производственные настройки идут не так. Hermes может просматривать и устанавливать навыки из встроенного каталога, официального опционального каталога, skills.sh от Vercel, хорошо известных конечных точек навыков, прямых репозиториев GitHub и общинных источников в стиле маркетплейса. Модель безопасности различает источники builtin, official, trusted и community, запускает сканирования безопасности для навыков, установленных из хаба, и разрешает --force только для неблокирующих политик. Вердикт опасного сканирования остается заблокированным. Hermes также экспонирует метаданные upstream, такие как URL репозитория, еженедельные установки и сигналы аудита во время проверки. Это солидная модель доверия, но это не замена вкусу.

Также есть предел тому, что от навыка следует требовать. Документация Hermes явна указывает, что навыки являются предпочтительным выбором, когда работа может быть выражена как инструкции плюс команды оболочки плюс существующие инструменты, в то время как плагины являются более честной абстракцией для пользовательских инструментов, хуков и поведения жизненного цикла. Руководство по плагинам даже показывает, как плагин может упаковать свой собственный навык. В производстве это означает, что навыки лучше всего рассматривать как повторно используемые процедуры, а не как вынужденную замену для правильного дизайна инструмента или плагина.

Община и поддержка выглядят здоровыми, но они не стирают скорость изменений. Документация Hermes направляет пользователей в Discord, GitHub Discussions, Issues и Skills Hub, а публичный репозиторий показывает частые релизы и большой след вкладчиков. Операционный вывод достаточно прост: обновления являются частью системы, а не событием вне ее. Реальная производственная настройка предполагает, что профили, навыки и предположения о рабочем процессе будут развиваться, затем использует изоляцию и узкие пакеты навыков, чтобы изменения оставались локальными, когда они неизбежно приходят.

Hermes работает лучше всего, когда навыки рассматриваются как процедурные контракты вокруг четко разделенных профилей. В тот момент, когда один профиль становится инженерным агентом, исследовательским ассистентом, рабочим операций, ботом входящих и платформой ML все сразу, система перестает накапливаться и начинает утечку ответственностей. Чистый производственный паттерн заключается не столько в том, чтобы иметь больше навыков, сколько в том, чтобы дать каждому профилю описание работы, которое он на самом деле может соблюдать.

Эта статья является частью кластера AI Systems, который охватывает самохостинговых ассистентов, архитектуру поиска, локальную инфраструктуру LLM и наблюдаемость.