Hermes Agent è un agente AI open source sviluppato da Nous Research per eseguire attività usando modelli linguistici, strumenti, memoria persistente e procedure riutilizzabili.
La parte interessante non è però la definizione di “agente”. Quella categoria comprende ormai sistemi molto diversi tra loro. Il punto che distingue Hermes è il modo in cui prova a conservare ciò che apprende durante il lavoro, trasformando informazioni utili in memoria e procedure più articolate in skill che possono essere riutilizzate nelle sessioni successive.
Questo chiarisce anche un equivoco importante: quando Hermes viene descritto come self-improving, non significa che continui ad addestrare autonomamente i pesi del modello linguistico mentre lo usi. Il miglioramento avviene soprattutto attorno al modello, attraverso contesto persistente, memoria, skill, strumenti e procedure che possono evolvere con l’esperienza.
È quindi più utile considerarlo un ambiente agentico persistente che un nuovo modello AI. La documentazione ufficiale di Hermes Agent è il riferimento da controllare per requisiti, funzioni e cambiamenti del progetto.
Se vuoi prima chiarire la differenza tra chatbot, automazioni e sistemi agentici, nella guida agli agenti AI trovi il modello generale. Qui ci concentriamo invece su come Nous Research lo ha tradotto in un prodotto concreto.
Hermes Agent cos’è e cosa lo rende diverso da un normale chatbot
Hermes Agent combina un modello linguistico con strumenti attraverso cui può compiere azioni.
Un normale chatbot riceve una richiesta e produce principalmente una risposta. Un agente può invece ricevere un obiettivo, scegliere uno strumento, eseguirlo, osservare il risultato e decidere il passo successivo.
Con Hermes questo ciclo può essere esteso da elementi persistenti che sopravvivono alla singola conversazione.
In forma semplificata:
richiesta → modello → scelta dello strumento → azione → risultato → aggiornamento di memoria o skill → task successivo
Il valore non sta quindi soltanto nella qualità dell’LLM selezionato. Conta l’intero sistema che circonda il modello.
Hermes Agent, Nous Research e il progetto open source
Hermes Agent è sviluppato da Nous Research ed è distribuito con licenza MIT. Il repository ufficiale su GitHub è pubblico e il progetto può essere eseguito sulla propria macchina o su infrastruttura controllata dall’utente.
Non sei inoltre vincolato a un unico modello.
Hermes supporta diversi provider di inferenza e può essere configurato anche verso endpoint compatibili con le API OpenAI, compresi server locali basati su soluzioni come Ollama o vLLM. La documentazione prevede inoltre provider cloud e meccanismi di fallback fra modelli differenti.
Questo ha una conseguenza pratica: Hermes Agent e il modello che utilizza sono due livelli distinti.
Puoi cambiare il motore di inferenza senza cambiare necessariamente l’ambiente agentico, la memoria, le skill o il modo in cui hai strutturato il workflow.
Cosa significa davvero “self-improving”
È probabilmente l’espressione che richiede più cautela.
Letta senza contesto può suggerire un sistema che si riaddestra continuamente e diventa autonomamente più intelligente. Non è il modello mentale corretto.
Hermes dispone invece di un learning loop che può trasformare ciò che emerge dalle interazioni in due forme di conoscenza persistente:
- memoria, per informazioni relativamente compatte e durevoli;
- skill, per procedure e conoscenze operative più articolate.
La memoria può conservare elementi sul tuo ambiente, sulle preferenze o sui progetti. Le skill possono descrivere un workflow che vale la pena riutilizzare.
Se durante un’attività Hermes scopre, per esempio, che un progetto richiede una particolare sequenza di comandi prima del deploy, quella procedura può diventare una skill invece di essere riscoperta da zero alla sessione successiva.
Questa è una forma di miglioramento operativo, non un nuovo training del modello.
Ed è una distinzione importante perché rende più chiaro anche il limite: la qualità di ciò che Hermes conserva conta quanto la capacità di conservarlo. Una procedura sbagliata resa persistente non diventa corretta soltanto perché è stata trasformata in una skill.
Hermes Agent non è un modello AI
Nous Research sviluppa anche modelli della famiglia Hermes, ma Hermes Agent non coincide con quei modelli.
Un Large Language Model è uno dei componenti che l’agente può utilizzare per interpretare il contesto e decidere come procedere.
L’agente è il sistema che orchestra inferenza, memoria, strumenti e workflow.
Il modello è uno dei componenti utilizzati per interpretare il task e decidere cosa fare.
Puoi quindi ragionare così:
modello → decide e genera
Hermes Agent → organizza il contesto e permette al modello di agire
È una distinzione simile a quella che trovi in altri sistemi agentici: il valore del prodotto non deriva esclusivamente dall’LLM, ma dall’ambiente operativo costruito intorno all’LLM.
Come funziona Hermes Agent: modello, strumenti, memoria e skill
Per capire Hermes conviene evitare di partire dall’elenco delle feature.
Il meccanismo centrale è un loop.
Riceve un obiettivo, costruisce il contesto necessario, decide se rispondere direttamente o utilizzare uno strumento, osserva il risultato dell’azione e continua finché il task può essere considerato completato oppure richiede un intervento dell’utente.
La profondità del workflow dipende da cosa gli hai reso disponibile.
Un agente senza strumenti resta molto vicino a una chat. Un agente con accesso a terminale, browser, file, API e sistemi esterni può invece modificare concretamente l’ambiente in cui opera.
Ed è proprio in questo passaggio che aumentano contemporaneamente utilità e rischio.
Il ciclo richiesta → azione → risultato
Immagina di chiedere:
Analizza questo progetto, individua perché la build fallisce, correggi il problema e verifica che i test continuino a passare.
Una normale chat può suggerirti cosa controllare.
Un agente configurato con gli strumenti necessari può invece:
- ispezionare il progetto;
- cercare file e dipendenze pertinenti;
- eseguire comandi;
- osservare l’errore;
- modificare il codice;
- rieseguire test o build;
- valutare il risultato;
- correggere ulteriormente se necessario.
Non significa che ogni esecuzione riesca o che l’agente debba ricevere permessi illimitati. Significa che la risposta non è più necessariamente il prodotto finale: il prodotto finale può essere il lavoro eseguito.
Se il tuo caso d’uso è quasi esclusivamente sviluppo software, vale la pena confrontare questo approccio general-purpose con un coding agent specializzato come Claude Code, perché la scelta migliore dipende dal workflow e non dalla quantità complessiva di feature.
Memoria persistente e contesto tra le sessioni
Hermes utilizza memoria persistente per conservare informazioni che non dovrebbero scomparire alla chiusura della conversazione.
La documentazione sulla memoria persistente distingue la memoria dell’agente dalle informazioni sul profilo dell’utente e conserva questi dati nell’ambiente Hermes. La memoria viene poi reinserita nel contesto delle sessioni successive.
Questo cambia parecchio il modo in cui si usa un agente.
Con una chat senza persistenza devi spesso ripetere:
- come è organizzato il progetto;
- quali convenzioni usi;
- quali errori sono già stati risolti;
- quali preferenze deve rispettare;
- quali decisioni sono state prese.
Con una memoria ben gestita una parte di questo contesto può essere recuperata automaticamente.
Ma la persistenza non è positiva in modo assoluto.
Se una regola non è più valida, se un’informazione è stata interpretata male o se due processi scrivono stato incoerente, la memoria può diventare una fonte di errore persistente.
La domanda non dovrebbe quindi essere soltanto “Hermes ricorda?”, ma anche:
cosa deve ricordare, chi può modificarlo e come correggo ciò che non deve più essere considerato vero?
Come nascono e vengono riutilizzate le skill
Le skill sono una delle parti più interessanti di Hermes perché separano il semplice ricordo di un fatto da una procedura riutilizzabile.
Una skill può descrivere come affrontare un determinato lavoro, quali strumenti usare, quale sequenza seguire e quali accorgimenti rispettare.
Hermes può utilizzare skill preesistenti, installarne altre o crearne di nuove quando emerge un workflow che vale la pena conservare. La funzione <code>/learn</code>, per esempio, consente di trasformare documentazione, file locali, una procedura appena svolta o altre fonti in una skill riutilizzabile.
Questo rende le skill più vicine a memoria procedurale che a semplici prompt salvati.
E qui sta anche uno dei motivi per cui non ridurrei Hermes a “un chatbot con memoria”: il sistema prova a mantenere separati fatti persistenti e procedure che devono essere caricate soltanto quando servono.
Subagent, automazioni, MCP e sistemi esterni
Hermes può delegare sotto-attività a subagent.
La configurazione consente di controllare profondità della delega e persino utilizzare un provider o modello differente per gli agenti figli. In uno scenario complesso puoi quindi mantenere un modello principale più costoso per l’orchestrazione e assegnare attività circoscritte a modelli diversi.
A questo si aggiunge il supporto MCP.
Attraverso il Model Context Protocol Hermes può scoprire e utilizzare strumenti messi a disposizione da server esterni, per esempio sistemi che espongono repository, database, file system o API aziendali. Se vuoi capire il livello che sta sotto questa integrazione, trovi una spiegazione separata nella guida agli MCP Server.
Un caso applicativo concreto è collegare un agente AI a WordPress tramite MCP, facendo dipendere le operazioni disponibili dai permessi e dagli strumenti effettivamente esposti dal sito.
Infine ci sono le automazioni pianificate.
Hermes può gestire task una tantum o ricorrenti, avviarli in sessioni dedicate e distribuire il risultato verso destinazioni configurate. Sono previsti anche job attivati da eventi esterni e task che eseguono direttamente uno script senza coinvolgere necessariamente un modello linguistico.
Quest’ultimo dettaglio è particolarmente sensato: non tutto ciò che viene automatizzato ha bisogno dell’AI.
Cosa può fare Hermes Agent nella pratica
Elencare ogni tool disponibile sarebbe poco utile perché il progetto cambia rapidamente e molte capacità dipendono dalla configurazione.
È più utile raggruppare i casi d’uso per tipo di lavoro.
Ricerca, browser, file e attività operative
Con gli strumenti appropriati Hermes può raccogliere informazioni dal web, lavorare con file, usare un browser e combinare più passaggi all’interno dello stesso task.
Puoi quindi passare da una richiesta relativamente semplice:
raccogli informazioni su questi prodotti
a un workflow:
raccogli le informazioni, normalizzale secondo questi campi, confrontale, salva il risultato e segnalami i casi che richiedono una verifica manuale.
È nel secondo scenario che un agente ha più possibilità di giustificare la propria complessità.
Se il lavoro resta una singola domanda seguita da una singola risposta, un normale assistente AI può essere più semplice.
Coding e lavoro dal terminale
Hermes può operare come agente da terminale, leggere progetti, eseguire comandi e utilizzare strumenti collegati allo sviluppo.
Non lo considererei però automaticamente il sostituto di qualsiasi coding agent.
Un prodotto specializzato può avere workflow, integrazioni IDE e controlli progettati specificamente per lo sviluppo. Hermes ha più senso quando il coding è una parte di un processo più ampio che comprende anche ricerca, infrastruttura, automazioni, messaggistica o attività operative.
La domanda corretta diventa quindi:
mi serve il miglior strumento per programmare oppure un agente general-purpose che, tra le altre cose, sappia anche lavorare sul codice?
Sono due esigenze diverse.
Automazioni pianificate e attività che continuano nel tempo
Il supporto ai job pianificati permette di affidare a Hermes attività che non devono partire soltanto quando apri una chat.
Un job può essere eseguito una volta, ripetersi periodicamente, essere sospeso o modificato e consegnare l’output verso una destinazione configurata.
Questo apre casi d’uso come:
- controllare periodicamente uno stato;
- preparare un riepilogo;
- eseguire un’attività operativa ricorrente;
- reagire a un evento esterno;
- distribuire un risultato su un canale di messaggistica.
Il punto più interessante è che l’agente può diventare un processo operativo persistente invece di restare una finestra di chat.
Ma questo rende ancora più importante progettare cosa può fare senza supervisione.
Telegram, Slack, Discord e altri canali
Hermes può essere collegato a diversi sistemi di messaggistica e utilizzare quei canali sia per ricevere richieste sia per restituire risultati.
La documentazione corrente include, tra gli altri, Telegram, Discord, Slack, WhatsApp, Signal ed email.
Il vantaggio è evidente per un agente che gira su un server: non devi necessariamente collegarti alla macchina ogni volta che vuoi assegnare un lavoro.
L’altro lato della medaglia è l’autorizzazione.
Se un agente raggiungibile da un sistema di messaggistica dispone anche di accesso a file, terminale o servizi esterni, l’identità di chi può interagirci diventa parte del modello di sicurezza e non un dettaglio della UI.
Quando un workflow tradizionale resta migliore
Un agente non è automaticamente la forma più evoluta di automazione.
Se conosci già in anticipo tutti i passaggi e vuoi che vengano eseguiti sempre nello stesso ordine, uno script o un workflow deterministico può essere:
- più facile da testare;
- più prevedibile;
- più economico;
- più semplice da mettere in sicurezza;
- più facile da osservare quando qualcosa va storto.
L’agente diventa interessante soprattutto quando il percorso per raggiungere l’obiettivo non è completamente noto prima dell’esecuzione.
Per questo userei Hermes quando serve decisione durante il workflow, non semplicemente perché un processo contiene molti passaggi.
Come installare e configurare Hermes Agent
Sul tema Hermes Agent installazione, il primo bivio è semplice: applicazione desktop o riga di comando, a seconda della piattaforma e del workflow.
La documentazione ufficiale supporta Windows nativo, macOS e Linux; Windows non richiede quindi necessariamente di passare attraverso WSL per usare la CLI.
Questa è una differenza importante rispetto a guide che descrivono installazioni più vecchie.
Desktop o CLI: Windows, macOS e Linux
Su Windows e macOS il percorso più semplice può essere l’installer Desktop.
Per un’installazione CLI su Linux, macOS o WSL2 la documentazione fornisce uno script di installazione, mentre Windows dispone di un installer PowerShell nativo.
Non copierei automaticamente un comando trovato in una guida di qualche mese fa senza ricontrollare la documentazione: un progetto con questo ritmo di sviluppo può cambiare dipendenze, percorsi e procedure di setup molto più velocemente di un software maturo.
Scegliere il modello e il provider
Dopo l’installazione serve almeno un provider di inferenza AI.
Hermes può essere configurato con Nous Portal, diversi provider cloud o un endpoint compatibile con le API OpenAI. Sono previsti anche modelli eseguiti tramite infrastruttura locale.
Questa flessibilità è uno dei suoi vantaggi più concreti perché ti permette di decidere separatamente:
- dove eseguire Hermes;
- quale modello utilizzare;
- dove viene eseguita l’inferenza;
- quanto spendere;
- quali servizi esterni collegare.
Non tutte le combinazioni hanno però la stessa qualità.
Un modello capace di conversare bene non è necessariamente altrettanto affidabile nell’uso degli strumenti, nella pianificazione di task lunghi o nel recupero da un errore.
Prima configurazione: strumenti, gateway e permessi
Il file di configurazione centrale è <code>~/.hermes/config.yaml</code>.
Da lì puoi controllare aspetti come provider, modelli, fallback, autorizzazioni, delega e integrazioni.
Non partirei però attivando tutto.
Per il primo workflow sceglierei un task reale ma reversibile e concederei soltanto gli strumenti necessari.
Per esempio, se devi far analizzare un repository senza modificarlo, non ha senso iniziare con privilegi che permettono di cancellare file o eseguire operazioni amministrative.
La configurazione migliore non è quella con più capacità abilitate.
È quella che permette di completare il task con la minima superficie operativa necessaria.
Cosa controllare prima di affidargli task reali
Prima di utilizzare Hermes su sistemi che contengono dati o servizi importanti controllerei almeno quattro elementi. È anche il punto in cui conviene valutare Hermes Agent non per il numero di funzioni disponibili, ma per il livello di controllo che puoi mantenere:
ambiente di esecuzione
Capire se l’agente lavora direttamente sulla macchina principale, in una VM, in un container o in un’altra forma di isolamento.
permessi
Verificare cosa può leggere, modificare ed eseguire.
persistenza
Capire cosa viene conservato in memoria e quali skill possono essere aggiornate.
recuperabilità
Avere versionamento, backup o un altro modo per tornare indietro se l’agente compie una modifica sbagliata.
La parte difficile dell’adozione di un agente non è farlo agire.
È farlo agire senza trasformare un errore plausibile in un incidente costoso.
Quanto costa Hermes Agent
La risposta breve è: Hermes Agent è open source e non richiede una licenza a pagamento per utilizzare il software, ma il suo funzionamento può comunque generare costi.
La licenza e il costo operativo sono due problemi distinti.
Il software è open source e gratuito, l’esecuzione non sempre
Se utilizzi un modello tramite API, pagherai normalmente l’inferenza secondo le condizioni del provider scelto.
Se colleghi servizi esterni a pagamento, possono aggiungersi altri costi.
Se esegui Hermes su un VPS o su infrastruttura cloud, pagherai quella infrastruttura.
Un modello locale può eliminare il costo per chiamata API, ma non rende magicamente gratuito l’hardware, l’energia o il tempo necessario a gestire l’ambiente.
Per questo “Hermes è gratis” è una semplificazione poco utile.
La domanda migliore è:
quanto costa completare il mio workflow con il modello, gli strumenti e l’infrastruttura che intendo realmente utilizzare?
Modelli, API e infrastruttura
Il costo può cambiare molto in base al workload.
Un agente che esegue poche richieste brevi ha un profilo completamente diverso da uno che:
- mantiene contesti lunghi;
- effettua molte chiamate agli strumenti;
- genera diversi tentativi;
- delega sotto-task;
- utilizza browser o servizi cloud;
- gira continuamente su un server.
Anche il modello scelto incide.
Hermes consente di separare il modello principale da quelli utilizzati per alcune deleghe, creando quindi anche margine per ottimizzare il costo dei sotto-task.
Nous Portal e servizi opzionali
Nous Research propone anche Nous Portal come percorso integrato per configurare modello e Tool Gateway attraverso un unico accesso.
È un servizio opzionale: non coincide con la licenza del progetto open source.
Questa distinzione vale la pena conservarla anche quando cambiano piani e prezzi.
Hermes Agent è il software agentico.
Nous Portal è uno dei modi attraverso cui puoi acquistare e utilizzare inferenza e servizi collegati.
Separare questi due livelli rende l’articolo più resistente ai cambiamenti commerciali del vendor.
Sicurezza e privacy: quanto controllo concedere a Hermes Agent
Un agente che può usare il terminale, modificare file, connettersi a servizi esterni e continuare a lavorare senza che tu osservi ogni passaggio deve essere trattato diversamente da un chatbot.
Non perché sia necessariamente insicuro, ma perché la conseguenza di una decisione sbagliata è diversa.
Una risposta errata in chat può essere ignorata.
Un comando errato può modificare lo stato reale di un sistema.
Approvazioni, isolamento e privilegi
La documentazione ufficiale sulla sicurezza descrive diversi livelli di protezione, tra cui autorizzazione degli utenti, approvazione dei comandi pericolosi, controlli sulle scritture, isolamento tramite sandbox e filtri per le integrazioni MCP.
Il sistema di approvazione prevede modalità con differenti livelli di intervento umano.
Il principio che adotterei resta comunque indipendente dall’implementazione specifica:
automatizza prima ciò che puoi recuperare facilmente da un errore.
Per attività che toccano produzione, database, credenziali o dati importanti preferirei un ambiente isolato e permessi progressivi.
Cosa cambia con la modalità YOLO
Hermes include anche una modalità YOLO, attivabile quando vuoi bypassare i normali prompt di approvazione per i comandi considerati pericolosi.
È utile in ambienti controllati dove l’interazione continua con l’utente renderebbe impossibile il workflow, ma cambia drasticamente il profilo di rischio.
Esiste comunque una hardline blocklist che impedisce alcune categorie di comandi distruttivi anche quando le approvazioni normali sono disattivate.
Non leggerei però questa protezione come una garanzia generale.
Una blocklist può impedire alcuni casi catastrofici, ma non può sapere che cancellare un determinato file applicativo, inviare un messaggio sbagliato o sovrascrivere una configurazione valida sarebbe dannoso nel tuo specifico contesto.
La sicurezza reale continua quindi a dipendere anche dall’ambiente che prepari.
Memoria persistente: vantaggio operativo e superficie di rischio
La memoria è contemporaneamente una delle feature più utili e una delle parti che meritano più attenzione.
Se Hermes conserva informazioni sui tuoi progetti e sui tuoi workflow, devi considerare:
- cosa viene scritto;
- per quanto tempo resta rilevante;
- se può contenere informazioni sensibili;
- cosa succede quando un dato diventa obsoleto;
- chi può modificarlo;
- quali sessioni utilizzano quello stato.
La documentazione prevede meccanismi per gestire memoria e skill e può sottoporre alcune modifiche del learning loop a un passaggio di approvazione.
Userei questa capacità come parte della governance, non come fastidio da disattivare automaticamente.
Più un agente impara a comportarsi secondo le tue procedure, più diventa importante controllare cosa ha imparato.
Perché conviene partire con i privilegi minimi
Il principio del minimo privilegio funziona bene anche con gli agenti AI.
Se Hermes deve leggere una directory, non serve dargli accesso amministrativo all’intera macchina.
Se deve preparare una modifica, puoi iniziare permettendogli di lavorare in un branch o in un ambiente di staging.
Se deve interagire con un servizio, puoi usare account o token con scope limitato.
L’obiettivo non è impedire all’agente di essere autonomo.
È rendere la sua autonomia proporzionata al costo di un errore.
Hermes Agent vs OpenClaw: quale scegliere
Hermes Agent e OpenClaw si sovrappongono parecchio.
Entrambi possono essere eseguiti sulla propria infrastruttura, utilizzare modelli differenti, interagire con strumenti e vivere oltre la singola sessione di chat.
Per questo una tabella basata soltanto sul numero di feature sarebbe poco informativa.
Nel confronto Hermes Agent OpenClaw, la differenza più utile riguarda il baricentro del progetto. Per OpenClaw conviene verificare anche la documentazione ufficiale, perché architettura, canali e funzioni possono evolvere rapidamente.
OpenClaw si presenta soprattutto come un assistente self-hosted con un Gateway che collega agenti, workspace e numerosi canali di comunicazione. Hermes mette invece molto in primo piano il learning loop basato su memoria e skill persistenti.
| Criterio | Hermes Agent | OpenClaw |
|---|---|---|
| Baricentro | agente persistente con memoria e skill | assistente self-hosted e control plane multicanale |
| Modelli | provider multipli e modelli locali/remoti | provider multipli e modelli locali/remoti |
| Memoria | memoria + skill nel learning loop | stato, workspace e memoria dell’assistente |
| Messaggistica | numerosi canali supportati | il Gateway multicanale è una componente centrale |
| Multi-agent | delegazione tramite subagent | agenti isolati, workspace e routing |
| Automazioni | cron, eventi e delivery | scheduling e workflow tramite Gateway |
| Fit principale | procedure che devono migliorare e persistere | assistente sempre disponibile su più superfici |
Non leggerei quindi la comparison come:
Hermes ha X, OpenClaw non ha X.
I due progetti evolvono troppo rapidamente perché un confronto a checklist resti affidabile a lungo.
La domanda più resistente è:
quale architettura si avvicina di più al modo in cui voglio far lavorare il mio agente?
Quando sceglierei Hermes Agent
Partirei da Hermes se la parte più interessante del progetto fosse costruire progressivamente procedure riutilizzabili.
Per esempio:
- l’agente deve lavorare spesso sugli stessi progetti;
- vuoi trasformare workflow riusciti in skill;
- vuoi mantenere memoria operativa fra sessioni;
- vuoi sperimentare con modelli e provider differenti;
- vuoi combinare terminale, strumenti, MCP e automazioni.
La persistenza della conoscenza operativa diventerebbe in questo caso parte importante del valore.
Quando guarderei prima OpenClaw
Guarderei prima OpenClaw se il problema principale fosse costruire un assistente personale o di team sempre raggiungibile da molti canali, con il Gateway come piano di controllo centrale.
La documentazione di OpenClaw mette fortemente in primo piano routing, workspace isolati, canali, sessioni e gestione dell’assistente self-hosted.
Non significa che Hermes non possa usare canali di messaggistica o che OpenClaw non abbia memoria e skill.
Significa che i due progetti partono da priorità progettuali leggermente differenti.
Ed è quella differenza, più di una checklist destinata a invecchiare, che userei per scegliere.
Per chi ha senso Hermes Agent e quando eviterei di usarlo
Hermes Agent ha senso soprattutto se vuoi gestire realmente un agente, non soltanto avere una chat più potente.
Richiede quindi una certa disponibilità a comprendere modelli, provider, strumenti, permessi e ambiente di esecuzione.
Quando memoria e skill riutilizzabili fanno la differenza
Lo valuterei con particolare interesse quando esistono workflow che tornano spesso ma non sono abbastanza deterministici da diventare semplicemente uno script.
Per esempio:
ricerca ricorrente
La procedura resta simile, ma fonti e decisioni cambiano ogni volta.
operations tecniche
L’agente deve conoscere ambiente, convenzioni e passaggi già sperimentati.
sviluppo multiprogetto
Serve conservare procedure, contesto e strumenti diversi senza ripartire sempre da zero.
monitoraggio e automazioni
Alcune attività devono partire in momenti o condizioni differenti e possono richiedere decisioni durante l’esecuzione.
workflow con servizi esterni
MCP e altre integrazioni permettono di dare all’agente capacità che vanno oltre il terminale locale.
Qui la possibilità di trasformare l’esperienza accumulata in memoria e skill può ridurre la quantità di contesto che devi ricostruire manualmente.
Quando la complessità dell’agente supera il beneficio
Non sceglierei Hermes soltanto perché è possibile installarlo.
Se vuoi fare domande, scrivere testi o svolgere task brevi, una normale applicazione AI gestita può essere più semplice.
Se il workflow è completamente deterministico, valuterei prima uno script.
Se vuoi delegare attività complesse senza gestire direttamente infrastruttura, provider e permessi, può essere più naturale un workspace agentico hosted come Manus AI.
E se non hai un buon modo per isolare sistemi sensibili, versionare le modifiche o recuperare da un errore, eviterei di aumentare l’autonomia soltanto per ridurre qualche passaggio manuale.
Un agente è utile quando toglie lavoro.
Non quando sposta il lavoro dalla procedura alla gestione continua degli errori dell’agente.
Conclusione
Hermes Agent è interessante soprattutto per una ragione: prova a trasformare un agente da strumento che riparte ogni volta quasi da zero a sistema operativo persistente, capace di conservare informazioni e procedure utili per i task successivi.
Il learning loop basato su memoria e skill è quindi più importante della formula “self-improving” usata isolatamente. Non significa che il modello si addestri continuamente da solo; significa che l’ambiente che circonda il modello può accumulare e riutilizzare esperienza operativa.
È anche il motivo per cui non lo valuterei soltanto attraverso una demo.
La domanda decisiva è cosa succede dopo settimane di utilizzo: quali informazioni conserva, quali procedure ha imparato, quanto controllo mantieni sugli strumenti e quanto è semplice correggere una conoscenza diventata obsoleta.
Sceglierei Hermes se volessi un agente general-purpose da configurare e far evolvere intorno ai miei workflow, soprattutto quando memoria, skill, provider intercambiabili, strumenti e automazioni sono parte importante del progetto.
Per task brevi, processi completamente deterministici o scenari nei quali non voglio gestire direttamente ambiente e permessi, sceglierei invece una soluzione più semplice.
Con gli agenti AI, più autonomia non equivale automaticamente a più valore.
Il punto è concedere l’autonomia utile al task, con abbastanza controllo da poter intervenire quando il sistema sbaglia.