- Hermes Agent không được thiết kế như một chatbot phiên-đến-phiên, mà như một tác nhân có vòng lặp học hỏi khép kín: tự tạo kỹ năng từ kinh nghiệm, tự cải thiện khi sử dụng, lưu tri thức bền vững và truy hồi lại các cuộc hội thoại cũ khi cần.
- Điểm khác biệt lớn nhất của dự án nằm ở triết lý “The agent that grows with you”: agent không chỉ chạy tool, mà còn tích lũy mô hình về người dùng, môi trường làm việc và những gì đã học được qua thời gian.
- Về triển khai, Hermes Agent khá thực dụng: cài bằng một lệnh shell, chạy trên Linux, macOS, WSL2 hoặc Termux, hỗ trợ nhiều nhà cung cấp model và có thể cô lập terminal bằng Docker hoặc SSH.
Với developer và kỹ sư hệ thống, đây là một nền tảng đáng chú ý để xây dựng trợ lý AI có tính nhất quán, khả năng thích nghi và độ bền vận hành cao.
Tổng quan về Nous Research, dòng Hermes và bản chất của Hermes Agent
Nếu nhìn vào hệ sinh thái của Nous Research, có thể thấy Hermes Agent không xuất hiện như một sản phẩm rời rạc. Nó kế thừa tinh thần từ dòng mô hình Hermes, vốn được Nous Research định vị là các model generalist mạnh về reasoning, roleplay, tool use và điều khiển hành vi. Trang giới thiệu Hermes 3 nêu rõ rằng họ đã fine-tune trên nền Llama 3.1 để mở khóa các khả năng sâu hơn về suy luận và sáng tạo, trong khi kết quả tìm kiếm chính thức của Nous cũng mô tả Hermes 3 có long-term context retention và năng lực multi-turn conversation tốt.
Từ nền tảng đó, Hermes Agent được đẩy lên một tầng cao hơn: không chỉ là model biết gọi tool, mà là một agent hoàn chỉnh với vòng lặp tự cải thiện. README chính thức mô tả đây là “the self-improving AI agent” với learning loop tích hợp sẵn: nó tạo skill từ trải nghiệm, cải thiện skill ngay trong quá trình sử dụng, được “nhắc” để lưu tri thức, có thể tìm kiếm lại các hội thoại cũ của chính mình, và dần xây dựng một mô hình ngày càng sâu về người dùng qua nhiều phiên làm việc. Đó chính là ý nghĩa kỹ thuật thực sự của khẩu hiệu “The agent that grows with you”.
Nói cách khác, Hermes Agent vượt ra ngoài kiểu agent tĩnh vốn chỉ nhận lệnh, gọi vài tool rồi quên gần như toàn bộ ngữ cảnh ở phiên sau. Hermes Agent kết hợp bộ nhớ bền vững, session search, hệ skill và lớp điều phối trung tâm để biến mỗi tương tác thành một tín hiệu cải thiện lâu dài. Với người dùng làm kỹ thuật, điều này có giá trị rất lớn vì trợ lý AI dần ghi nhớ cấu trúc dự án, thói quen giao tiếp, môi trường triển khai và các workaround đặc thù thay vì bắt đầu lại từ số 0 sau mỗi lần mở terminal.
Tính năng cốt lõi của Hermes Agent
Long-term memory và truy hồi liên phiên
Bộ nhớ của Hermes Agent được tổ chức có chủ đích chứ không phải kiểu “append mọi thứ vào vector store”. Tài liệu memory cho biết hệ thống dùng hai tệp riêng trong ~/.hermes/memories/: MEMORY.md cho ghi chú vận hành, môi trường, convention và bài học kỹ thuật; USER.md cho hồ sơ người dùng, phong cách giao tiếp và sở thích. Hai tệp này được nạp vào system prompt ở đầu mỗi phiên như một “frozen snapshot”, giúp giữ prefix cache ổn định nhưng vẫn đảm bảo thay đổi được ghi bền xuống đĩa cho các phiên sau.
Điều thú vị là Hermes không dừng ở hai tệp nhớ ngắn gọn đó. Nó còn lưu toàn bộ session vào SQLite với FTS5 full-text search, cho phép agent tìm lại những cuộc trao đổi nhiều tuần trước thông qua session_search. Nghĩa là memory đóng vai trò phần tri thức luôn hiện diện, còn session search là lớp truy hồi sâu khi cần nhớ lại chi tiết một vấn đề từng bàn. Đây là thiết kế thực dụng hơn nhiều so với nhiều agent chỉ có “memory” theo nghĩa marketing nhưng thiếu phân tầng lưu trữ thật sự.
Tool use, skill system và vòng lặp học hỏi
Về kiến trúc, Hermes Agent xoay quanh AIAgent trong run_agent.py. Luồng xử lý được tài liệu mô tả khá rõ: nhận input, dựng system prompt từ personality, memory, skills và context files, chọn provider runtime, gọi API model, dispatch tool nếu model yêu cầu, rồi lưu kết quả vào session database. Tooling được tổ chức qua một registry trung tâm với 47 tool thuộc 20 toolset; các terminal tool còn có thể chạy qua sáu backend gồm local, Docker, SSH, Daytona, Singularity và Modal.
Khía cạnh “tự lớn lên” của Hermes nằm ở chỗ skill không phải phần tĩnh. README khẳng định agent có thể tạo skill từ trải nghiệm phức tạp và cải thiện skill ngay trong quá trình dùng. Khi ghép điều này với memory và session search, bạn có một tác nhân có thể chuyển kinh nghiệm lặp lại thành quy trình thao tác ngày càng ổn định hơn. Với lập trình viên, đó có thể là các bước review log, chạy test, audit dependency, hay quy trình kiểm tra hệ thống được tái sử dụng như một “thói quen máy hóa”.
Tính linh hoạt triển khai và đa kênh tương tác
Một lý do khiến Hermes Agent đáng chú ý trong môi trường production là nó không khóa bạn vào một model hay một thiết bị. README cho biết bạn có thể dùng Nous Portal, OpenRouter, OpenAI, Anthropic, z.ai/GLM, Kimi, MiniMax hoặc endpoint tùy chỉnh; chuyển model bằng hermes model mà không phải đổi mã ứng dụng. Cùng lúc, agent có thể chạy qua CLI hoặc gateway cho Telegram, Discord, Slack, WhatsApp, Signal và các bề mặt khác từ cùng một tiến trình.
Hướng dẫn cài đặt Hermes Agent từ Python đến Docker sandbox
Chuẩn bị môi trường
Ở mức package, pyproject.toml yêu cầu Python 3.11 trở lên. Quickstart cũng nói rõ Hermes Agent hỗ trợ Linux, macOS, WSL2 và Android qua Termux; riêng Windows bản native không được hỗ trợ, nên người dùng Windows cần đi qua WSL2. Đây là tín hiệu khá rõ rằng dự án tối ưu cho môi trường terminal của developer hơn là desktop consumer app.
Cài đặt nhanh bằng script chính thức
Cách nhanh nhất là dùng installer shell do repo cung cấp:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermesTheo quickstart, đây là đường cài đặt chính thức cho Linux, macOS, WSL2 và Termux. Sau khi reload shell, chỉ cần chạy hermes là có thể bắt đầu hội thoại đầu tiên.
Cài từ source để phát triển hoặc tùy biến sâu
Nếu bạn muốn hack sâu vào agent, repo cũng đưa ra quy trình dành cho contributor với uv và editable install:
git clone https://github.com/NousResearch/hermes-agent.git
cd hermes-agent
curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv venv --python 3.11
source venv/bin/activate
uv pip install -e ".[all,dev]"Cách này phù hợp khi bạn cần can thiệp vào kiến trúc, custom toolset, viết test hoặc theo dõi hành vi learning loop sát hơn.
Cấu hình provider và biến môi trường
Hermes dùng thư mục ~/.hermes/ làm trung tâm cấu hình. Tài liệu configuration ghi rõ mọi secret như API key, token hay password sẽ nằm trong ~/.hermes/.env, còn cấu hình vận hành như model, terminal backend hay memory sẽ ở ~/.hermes/config.yaml. Thứ tự ưu tiên cấu hình là CLI arguments, rồi config.yaml, rồi .env, sau cùng mới đến default nội bộ.
Thông thường, cách tốt nhất là chạy wizard:
hermes setup
hermes model
hermes configNếu muốn thiết lập thủ công, .env.example cho thấy dự án hỗ trợ rất nhiều provider như OpenRouter, Google AI Studio, GLM, Kimi, MiniMax, Hugging Face, DeepSeek, GitHub Copilot và endpoint OpenAI-compatible tùy chỉnh.
Ví dụ tối thiểu cho một máy phát triển có thể là:
hermes config set OPENROUTER_API_KEY sk-or-xxxx
hermes config set terminal.backend docker
hermes config checkĐiểm hay ở đây là hermes config set tự động ghi API key vào .env, còn các thiết lập khác vào config.yaml, giúp bạn không phải nhớ tay giá trị nào nằm ở đâu.
Kích hoạt Docker sandbox để chạy an toàn hơn
Quickstart khuyến nghị dùng Docker hoặc SSH nếu muốn cô lập việc thực thi terminal. Đối với môi trường máy cá nhân hoặc máy nghiên cứu dùng nhiều repo khác nhau, đây là bước quan trọng để agent có không gian chạy lệnh riêng thay vì đụng trực tiếp vào host shell.
hermes config set terminal.backend docker
hermes doctorCách sử dụng Hermes Agent để nó thực sự “lớn lên” theo công việc
Tương tác đầu tiên và các lệnh cơ bản
Sau khi cài xong, hãy bắt đầu bằng CLI:
hermesTrong phiên đầu, bạn có thể dùng /model để chuyển model, /tools để xem công cụ, /save để lưu phiên, hoặc hermes --continue để nối tiếp một session cũ. Điều đáng chú ý là Hermes hỗ trợ ngắt tác vụ đang chạy và chuyển hướng ngay bằng tin nhắn mới, giúp trải nghiệm gần với một cộng sự kỹ thuật hơn là một chatbot tuần tự.
Cách tối ưu để agent học từ bạn
Muốn Hermes “tiến hóa”, bạn không nên chỉ giao việc rời rạc. Hãy nhất quán về kỳ vọng: nêu rõ convention dự án, cấu trúc thư mục, phong cách trả lời, quy tắc deploy và những điều cần tránh. Tài liệu memory khuyến nghị lưu các fact kiểu môi trường hệ thống, tool quirks, workflow habit, communication preference và completed work; đồng thời tránh nhồi dữ liệu vụn vặt, log dump hoặc thông tin dễ tra lại. Đây là một hướng dẫn rất thực dụng: càng đưa cho agent những tín hiệu ổn định và đậm đặc thông tin, memory càng có chất lượng.
Tiềm năng ứng dụng thực tế của Hermes Agent
Trong lập trình, Hermes Agent phù hợp làm coding copilot có trí nhớ dài hạn: nhớ stack, quy ước code, vị trí service, lệnh test và các lỗi triển khai từng gặp. Trong nghiên cứu, session search cộng với skill system giúp nó trở thành một research assistant có thể quay lại các cuộc trao đổi cũ và nối tiếp mạch suy nghĩ xuyên nhiều phiên. Trong quản lý dữ liệu và vận hành, cron scheduling, messaging gateway và terminal backend biến nó thành tác nhân có thể chạy tác vụ định kỳ, gửi báo cáo, sao lưu hoặc audit hệ thống một cách tự động.
Tóm lại, Hermes Agent đáng giá không phải vì nó là một “AI assistant” nữa, mà vì nó là một nền móng để xây trợ lý AI có lịch sử, trí nhớ, kỹ năng và quán tính học hỏi. Nếu bạn đang tìm một AI Agent mã nguồn mở có thể thích nghi với cách bạn làm việc thay vì buộc bạn thích nghi với nó, Hermes Agent là một dự án rất nên thử ngay từ hôm nay. Bạn có thể bắt đầu ở repo chính thức trên GitHub hoặc đi thẳng vào tài liệu cài đặt tại docs của Nous Research.
