Hermes Agent: la IA que trabaja con memoria, skills y automatización real

Bajada SEO: Hermes Agent es un agente open source de Nous Research con memoria persistente, skills, automatizaciones, gateway multicanal y soporte para múltiples modelos. En este artículo vemos qué es, para qué sirve y por qué, para muchos equipos, puede ser una opción más potente que OpenClaw.

Hay una diferencia enorme entre "un chat con IA" y un agente que trabaja con vos todos los días.

El chat contesta. Un agente ejecuta. Lee archivos, corre comandos, busca en la web, recuerda decisiones, arma procedimientos reutilizables y puede avisarte por Slack o Telegram cuando termina algo. Esa diferencia parece sutil hasta que lo usás en serio. Ahí te das cuenta de que el valor no está en tener otra ventana donde escribir prompts, sino en tener una capa operativa que entiende tu contexto y puede actuar sobre tus herramientas.

Ahí entra Hermes Agent, el agente open source de Nous Research. Y sí, la comparación con OpenClaw aparece rápido, porque los dos viven en el mismo barrio: agentes autoalojados, multicanal, con herramientas, memoria, skills y foco en usuarios técnicos. Pero no apuestan exactamente a lo mismo.

OpenClaw se presenta como un gateway self-hosted que conecta apps de chat y superficies de canal con agentes de IA. Según su documentación, el Gateway es la fuente de verdad para sesiones, routing y conexiones de canales, con soporte para Discord, Slack, Telegram, WhatsApp, Signal, iMessage, Matrix, Teams, Zalo y varias plataformas más (fuente). Es fuerte como plano de control multicanal.

Hermes, en cambio, se vende desde otra idea: no quiere ser solo un gateway ni solo un copiloto de código. La documentación oficial lo define como "the self-improving AI agent built by Nous Research", con un loop de aprendizaje que crea skills desde la experiencia, las mejora durante el uso, guarda conocimiento y construye un modelo más profundo del usuario entre sesiones (fuente).

Esa es la parte interesante. Hermes no solo intenta estar disponible en todos lados. Intenta mejorar con el uso.

Qué es Hermes Agent

Hermes Agent es un agente autónomo open source que podés ejecutar en tu máquina, en un VPS barato, en Docker, por SSH, en entornos serverless como Modal o Daytona, o en infraestructura propia. No está atado a un IDE ni a un único proveedor de modelos. Podés usarlo desde la CLI, desde Slack, Telegram, Discord, WhatsApp, Signal, Matrix, Email, Teams y otras superficies mediante su Messaging Gateway.

La instalación de CLI es directa:

`bash
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
hermes
`

También tiene instalación para Windows nativo vía PowerShell, macOS, WSL2 y Termux, según la documentación oficial (fuente).

Pero lo importante no es instalarlo. Lo importante es entender qué lugar ocupa.

Hermes es una especie de "runtime personal" para agentes. Le da al modelo acceso controlado a herramientas: terminal, archivos, búsqueda web, navegador, visión, generación de imágenes, TTS, tareas programadas, subagentes, memoria, skills, perfiles, MCP y mensajería. La referencia oficial de herramientas lista alrededor de 70 capacidades integradas, dependiendo de qué toolsets tengas habilitados y qué credenciales existan en tu entorno (fuente).

En castellano simple: Hermes puede investigar, editar, ejecutar, automatizar y avisarte. Y puede hacer todo eso sin perder de vista quién sos, qué preferís y cómo resolvió problemas parecidos antes.

La diferencia clave: memoria + skills + loop de aprendizaje

La mayoría de los asistentes se rompen en el mismo lugar: cada conversación arranca medio de cero. Les explicás tu stack, tus preferencias, tus comandos, los nombres raros de tus servicios internos, cómo querés que escriban, qué cosas no deben tocar. A la tercera vez ya cansa.

Hermes ataca ese problema con dos mecanismos centrales.

El primero es la memoria persistente. Según la documentación, Hermes guarda memoria en dos archivos: MEMORY.md, para notas del agente sobre entorno, workflows y lecciones aprendidas; y USER.md, para preferencias del usuario, estilo de comunicación y contexto personal (fuente). Esa memoria se inyecta al inicio de cada sesión, no se va improvisando en el medio. Eso evita que el contexto explote y mantiene el comportamiento más predecible.

El segundo mecanismo es el sistema de skills. Una skill en Hermes es un documento reutilizable con instrucciones, pasos, comandos, advertencias y referencias que el agente carga cuando la tarea lo requiere. La documentación lo describe como un sistema de "procedural memory" compatible con el estándar abierto agentskills.io. En vez de repetirle "cuando publiques en mi blog hacé A, B, C y cuidado con D", podés convertir ese flujo en una skill. La próxima vez, Hermes la carga y trabaja con ese procedimiento.

Esto cambia el juego para tareas reales. Un agente sin memoria es útil para una pregunta. Un agente con memoria y skills empieza a parecerse a una herramienta de trabajo.

Ejemplo concreto: imaginá que usás Hermes para revisar PRs en un repo. La primera vez le indicás que corra tests, mire migraciones, revise seguridad básica, no cambie snapshots sin permiso y deje un resumen en español. Si ese procedimiento queda guardado como skill, la próxima revisión arranca mucho más cerca de lo que necesitás. No porque el modelo sea mágicamente más inteligente, sino porque el sistema aprendió tu forma de trabajar.

Qué puede hacer Hermes en la práctica

Hermes no es solo para programar. Programar es uno de los casos más obvios, pero no el único.

Para desarrollo, puede inspeccionar un repositorio, buscar archivos, aplicar patches, ejecutar tests, levantar un servidor en background, leer logs y ayudarte a depurar. También puede usar subagentes aislados para investigar en paralelo. La documentación habla de delegación y trabajo paralelo con subagentes, cada uno con su propia conversación, terminal y herramientas (fuente).

Para operaciones, puede correr tareas programadas. El módulo de cron permite crear jobs recurrentes o one-shot, adjuntar skills, definir un directorio de trabajo, entregar resultados a una plataforma y hasta correr en modo script sin LLM cuando no hace falta razonamiento (fuente). Esto sirve para reportes diarios, chequeos de CI, backups, monitoreo de feeds, resúmenes de incidentes o auditorías livianas.

Para investigación, puede combinar búsqueda web, extracción de contenido, navegador y escritura. Si estás preparando un artículo, una propuesta técnica o un análisis de producto, el agente puede leer fuentes, contrastar información y dejarte un borrador con links.

Para comunicación, el Gateway permite usar el mismo agente desde Slack, Telegram, Discord, WhatsApp, Signal, Email y otras plataformas (fuente). Esto no es un detalle menor. Muchos agentes se sienten potentes cuando estás sentado frente a la terminal, pero desaparecen cuando estás en el teléfono. Hermes puede seguir estando disponible.

Para equipos o setups más avanzados, los perfiles permiten correr agentes separados en la misma máquina: uno para coding, otro para investigación, otro para automatizaciones, cada uno con su propia configuración, memoria, sesiones, skills, cron jobs y estado (fuente).

Y si necesitás conectar sistemas externos, Hermes soporta MCP. Con Model Context Protocol, puede descubrir herramientas expuestas por servidores MCP locales o remotos: GitHub, bases de datos, APIs internas, SaaS, filesystem, etc. Esto lo vuelve extensible sin tener que escribir todo como herramienta nativa de Hermes.

Entonces, ¿por qué Hermes puede ser mejor que OpenClaw?

La respuesta honesta: depende de qué estés buscando. OpenClaw no es una mala herramienta. De hecho, su documentación muestra un producto muy fuerte en gateway multicanal, plugins, mobile nodes, control UI, multi-agent routing y foco local-first (fuente). Si tu prioridad es tener un gateway muy maduro para conectar muchos canales y enrutar agentes, OpenClaw tiene argumentos sólidos.

Pero Hermes se vuelve más atractivo cuando el centro de gravedad no es solamente el canal, sino el aprendizaje operativo.

OpenClaw también habla de skills, tools y plugins. Su documentación explica que las tools son acciones callable, las skills enseñan workflows y los plugins agregan capacidades de runtime (fuente). También describe un runtime con workspace, archivos como AGENTS.md, SOUL.md, TOOLS.md, USER.md, sesiones y skills cargadas desde distintas ubicaciones (fuente). Es un enfoque potente y familiar para usuarios técnicos.

La ventaja de Hermes está en cómo combina esas piezas con memoria curada, creación y mejora de skills, búsqueda de sesiones anteriores, cron, perfiles, subagentes, MCP y una CLI muy orientada a trabajo real. No es solo "tengo instrucciones guardadas". Es "el agente puede convertir experiencia en procedimiento reutilizable".

Ese matiz importa.

Supongamos que durante una semana usás el agente para tres cosas: publicar artículos, revisar PRs y administrar un VPS. En un asistente tradicional, esas son tres conversaciones. En Hermes, esas experiencias pueden terminar como memoria, skills y hábitos operativos. La herramienta empieza a acumular contexto útil. No contexto infinito ni mágico, sino conocimiento chico y preciso: el tipo de conocimiento que evita repetir fricción.

También me parece importante la flexibilidad de ejecución. Hermes puede vivir en una laptop, pero también en un servidor al que le hablás por Slack. Puede correr con backend local, Docker, SSH, Singularity, Modal o Daytona (fuente). Para gente que quiere un agente siempre disponible, eso pesa mucho más que una linda UI.

Y hay otro punto: el cambio de modelos. Hermes soporta múltiples proveedores y endpoints compatibles con OpenAI, además de Nous Portal, OpenRouter, OpenAI y otros proveedores mencionados en su repo (fuente). En la práctica, eso permite elegir el modelo según costo, latencia, contexto o calidad, sin rearmar todo el workflow.

Casos de uso donde Hermes brilla

El primer caso fuerte es el "asistente técnico personal". Un Hermes corriendo en un VPS puede recibir mensajes por Slack o Telegram, investigar una falla, revisar logs, correr comandos aprobados y devolverte un resumen. No reemplaza a un SRE, pero sí puede sacarte mucho trabajo repetitivo.

El segundo es el "copiloto de repositorio". No como autocomplete, sino como agente que entiende el proyecto, lee reglas locales, ejecuta tests y deja cambios verificables. Para equipos chicos, esto puede ser más valioso que otro plugin dentro del editor.

El tercero es contenido técnico. Un Hermes con skills bien armadas puede monitorear fuentes, investigar, escribir borradores, preparar posts de LinkedIn, buscar imágenes y dejar drafts listos para revisión. Para alguien que publica seguido, la diferencia entre "ayudame a escribir" y "seguí mi workflow completo" es enorme.

El cuarto es automatización personal o de negocio. Reportes semanales, chequeos de métricas, resúmenes de tickets, recordatorios inteligentes, auditorías de dependencias, lectura de newsletters, alertas sobre costos cloud. Cron + skills + mensajería es una combinación muy práctica.

El quinto es investigación con continuidad. Si estás siguiendo un tema durante semanas, Hermes puede recordar qué fuentes ya miraste, qué hipótesis estabas evaluando y qué formato preferís para los entregables. Eso es más cercano a trabajar con un asistente real que a usar un chatbot.

Dónde hay que tener cuidado

Un agente con herramientas no es un juguete. Si puede ejecutar comandos, editar archivos y mandar mensajes, también puede romper cosas. Hermes incluye controles como aprobaciones de comandos, toolsets configurables, perfiles separados y distintos backends de ejecución, pero la responsabilidad sigue siendo tuya. No conviene darle permisos amplios a un agente y después sorprenderse si hizo exactamente lo que le pediste de manera demasiado literal.

También hay que ser realistas con la memoria. Memoria persistente no significa que el agente "entiende tu vida". Significa que guarda fragmentos compactos y útiles. Si guardás basura, recupera basura. La buena memoria se cura: preferencias durables, convenciones, comandos, límites, decisiones que realmente se repiten.

Lo mismo con las skills. Una skill buena es específica, verificable y contiene pasos reales. Una skill mala es un prompt largo con frases lindas. La diferencia se nota en producción.

Mi lectura

OpenClaw parece más orientado a ser un gateway personal, multicanal y local-first para agentes. Hermes apunta a otra cosa: un agente que trabaja, recuerda, aprende procedimientos y se integra con tu operación diaria.

Por eso, si alguien me pregunta "¿cuál es mejor?", no lo plantearía como una pelea universal. Lo plantearía así:

- Si querés principalmente conectar muchas superficies, manejar routing multicanal y apoyarte en un ecosistema gateway, OpenClaw tiene sentido.
- Si querés un agente que mejore con tu forma de trabajar, cree skills, recuerde preferencias, ejecute tareas programadas, use subagentes y viva tanto en la terminal como en Slack o Telegram, Hermes es más interesante.

Para mí, Hermes gana cuando el objetivo no es tener "otro bot", sino construir una capa de trabajo asistido que se vuelve más útil con el tiempo.

Ese es el punto atractivo: no instalar una IA para preguntarle cosas, sino montar un operador personal que aprende tus procesos. Uno que puede revisar un repo a la mañana, monitorear un feed al mediodía, escribir un borrador a la tarde y dejarte un resumen por Slack cuando terminó.

Todavía estamos temprano. Estos sistemas se van a romper, van a necesitar supervisión y van a cometer errores raros. Pero la dirección es clara: los agentes útiles no van a ser los que mejor respondan en una ventana de chat. Van a ser los que recuerden cómo trabajás y puedan ejecutar trabajo real, con límites claros.

Hermes está apostando fuerte a eso.

Fuentes

- Hermes Agent Documentation: https://hermes-agent.nousresearch.com/docs
- Hermes Agent GitHub: https://github.com/NousResearch/hermes-agent
- Hermes Persistent Memory: https://hermes-agent.nousresearch.com/docs/user-guide/features/memory
- Hermes Skills System: https://hermes-agent.nousresearch.com/docs/user-guide/features/skills
- Hermes Messaging Gateway: https://hermes-agent.nousresearch.com/docs/user-guide/messaging/
- Hermes Built-in Tools Reference: https://hermes-agent.nousresearch.com/docs/reference/tools-reference
- Hermes Cron: https://hermes-agent.nousresearch.com/docs/user-guide/features/cron
- Hermes MCP: https://hermes-agent.nousresearch.com/docs/user-guide/features/mcp
- Hermes Profiles: https://hermes-agent.nousresearch.com/docs/user-guide/profiles
- OpenClaw Documentation: https://docs.openclaw.ai/
- OpenClaw GitHub: https://github.com/openclaw/openclaw/tree/main/
- OpenClaw Agent Runtime: https://docs.openclaw.ai/concepts/agent
- OpenClaw Multi-agent Routing: https://docs.openclaw.ai/concepts/multi-agent
- OpenClaw Tools, Skills and Plugins: https://docs.openclaw.ai/tools