Hermes Agent Masterclass

Alles, was du brauchst, um Hermes Agent zu verstehen und anzupassen. Selbstentwickelnde Fähigkeiten, Drei-Ebenen-Speicher, GEPA-Optimierung und der Weg von 1 zu 10 Agenten, die rund um die ganze Zeit für dich arbeiten.

Hermes Agent hat in zwei Monaten über 90.000 GitHub-Sternchen auf GitHub erreicht. Entwickler bauen leise persönliche KI-Agenten, die ihren Workflow lernen, sich an ihren Kontext erinnern und rund um die Uhr laufen.

Jeder KI-Agent, />

Jeder KI-Agent, den du je benutzt hast, hat das gleiche Problem: Er vergisst alles, sobald deine Sitzung endet.

Deine Codierungspräferenzen, die Projektkonventionen, die du ihm dreimal korrigiert hast, der Fix, den er gestern 10 Minuten lang herausgefunden hat. Alles weg. Nächste Sitzung, du fängst von vorne an.

Hermes Agent von Nous Research verfolgt einen grundlegend anderen Ansatz. Er wird mit einer Lernschleife ausgeliefert, die:

sich über Sitzungen hinweg erinnert
eigene wiederverwendbare Fähigkeiten schreibt
sie im Hintergrund beschneidet
und sie offline durch eine evolutionäre Engine namens GEPA validiert

Kein anderer Open-Source-Agent kombiniert alle drei. Nicht einmal OpenClaw.

Dieser Leitfaden behandelt, wie diese Lernschleife funktioniert, was jede Speicherebene tut und wie man alles von Grund auf konfiguriert.

Am Ende hast du drei vollständig isolierte Agenten auf deinem Rechner laufen: einen Programmierer (der deinen Claude-Code verwendet), einen Deep Researcher und einen Designer, jeder mit eigener Persönlichkeit, eigenem Gedächtnis, eigenen Fähigkeiten und eigenem Telegram-Bot.

Schau dir das an:

Das ganze Setup dauert Minuten und alles hier ist auf deiner eigenen Hardware reproduzierbar.

Hinweis: Alle Abbildungen in diesem Leitfaden wurden von Pixel entworfen, einem der Hermes-Agenten, die du bis zum Ende bauen lernst. Achte beim Lesen auf sie.

Los geht's!

Wie man dies liest

Zwei Hälften: zuerst Theorie, dann Praxis.

Wenig Zeit? Springe zu "In Betrieb nehmen". Die Befehle funktionieren eigenständig.

Aber die Theorie lohnt sich. Zu wissen, wie sich Fähigkeiten selbst weiterentwickeln, wie sich Gedächtnis zusammensetzt und wann GEPA seinen Wert verdient, ist der Unterschied zwischen der Nutzung von Hermes als Chatbot mit Notizen und der Nutzung als etwas, das sich verstärkt.

Was vor uns liegt:

Was Hermes Agent eigentlich ist. Der Pitch, plus ein Vergleich mit OpenClaw.
Wie es gebaut ist. Architektur in einem Diagramm.
Vor dem Gedächtnis: Wer ist der Agent? SOUL.md, die Identitätsschicht.
Das Gedächtnissystem. Drei Ebenen, drei Geschwindigkeiten.
Selbstentwickelnde Fähigkeiten. Vom Agenten verfasste Playbooks plus der Kurator.
GEPA. Offline-Fähigkeitsoptimierung.
In Betrieb nehmen. Installation, Telegram, erster Agent.
Mehrere Agenten ausführen. Profile, drei Personas, geplante Zusammenfassungen.
Anpassen der Agenten nach deinen Bedürfnissen.

Was Hermes ist und was es architektonisch anders macht

Der Einzeiler: Ein Agent, der besser wird, je länger du ihn benutzt.

Was das real macht, ist, dass drei normalerweise getrennte Fähigkeiten in einem Framework sitzen: Laufzeit-Fähigkeitslernen, persistenter mehrschichtiger Speicher und eine optionale Gewichtstrainingspipeline. Kein anderer Open-Source-Agent liefert alle drei.

Der nächste Vergleich im Open-Ökosystem ist OpenClaw. Beide sind persistent, messaging-freundlich, aber sie treffen gegensätzliche architektonische Entscheidungen.

Eine saubere Einordnung aus dem Kilo-Blog fasst es: "Hermes verpackt ein Gateway um einen lernenden Agenten. OpenClaw verpackt einen Agenten um ein Messaging-Gateway."

Wie es gebaut ist

Bevor die Lernschleife Sinn ergibt, brauchst du ein grundlegendes Bild davon, wie Hermes strukturiert ist.

Alles fließt durch eine einzige AIAgent-Klasse in einem run_agent.py-Skript. CLI, Messaging-Gateway, Batch-Runner, IDE-Integration: Sie sind alle Einstiegspunkte in denselben Kernagenten.

Das ist es, was die plattformunabhängige Geschichte tatsächlich funktionieren lässt.

Die Kernschleife ist ReAct-artig und synchron. Baue den System-Prompt, prüfe, ob Komprimierung nötig ist, mache einen unterbrechbaren API-Aufruf, führe Tool-Aufrufe aus, wiederhole.

Einige Details, die später wichtig werden:

Der Agent kann Befehle an sechs verschiedenen Orten ausführen. Lokales Terminal, Docker, SSH, Modal, Daytona oder Singularity. Gleicher Code, nur eine Konfigurationsänderung. Verschiebe die Ausführung von deinem Laptop auf einen Cloud-GPU-Server, ohne etwas anderes anzufassen.
Er funktioniert mit fast jedem Modell. Eine Übersetzungsschicht leitet jeden Anbieter durch eines von drei API-Formate. Deshalb kannst du von Claude zu GPT zu Gemini zu lokalem Ollama mit einem Befehl wechseln, ohne dass etwas kaputt zu machen.
Der Agent hat eine harte Obergrenze von 90 Zügen pro Aufgabe. Ohne sie würde ein in einer Schleife (erneut versuchen einer fehlschlagenden API, erneutes Lesen derselben Datei) stillschweigend deine Kredite verbrennen. Unteragenten teilen sich dasselbe Budget, also kann eine ausuferndelegierungskette nicht unbemerkt vorbeikommen.

Das ist genug Gerüst. Jetzt der interessante Teil.

Vor dem Gedächtnis: Wer ist der Agent?

Bevor wir zum Gedächtnis und zu den selbstentwickelnden Fähigkeiten kommen, gibt es eine Schicht, die über beiden sitzt: Identität.

Gedächtnis ist, was der Agent weiß. Fähigkeiten sind, wie er Dinge tut. Aber keines sagt dir, wer er, wenn er auftaucht. Ohne eine Identitätsschicht fühlt sich jeder Agent wie derselbe Agent, der verschiedene Hüte trägt.

Hermes löst dies mit einer einzigen Datei: SOUL.md.

Sie lebt in ~/.hermes/SOUL.md und belegt Platz #1 im System-Prompt, bevor etwas anderes geladen wird. Sie definiert die Persönlichkeit des Agenten, seinen Ton, seinen Kommunikationsstil und seine harte Grenzen.

SOUL.md ist handgeschrieben und statisch. Du schreibst sie einmal, passt sie im Laufe der Zeit an, und sie bleibt über jedes Projekt und jede Sitzung hinweg konsistent. Wenn die Datei fehlt, fällt Hermes auf eine integrierte Standardidentität zurück.

Warum ist das für die selbstverbessernde Geschichte wichtig? Weil alles, was folgt (das Gedächtnis, das der Agent schreibt, die Fähigkeiten, die er erstellt, die Art, wie er Wissen konsolidiert), durch die Linse dieser Identität geschieht.

SOUL.md ist der feste Rahmen. Gedächtnis und Fähigkeiten sind die beweglichen Teile darin.

Das Gedächtnissystem: Drei Ebenen, drei Geschwindigkeiten

Hermes hat kein einzelnes "Gedächtnis". Es hat drei Schichten, jede für einen anderen Zweck.

Stufe 1: Zwei winzige Markdown-Dateien.

Im Kern befinden sich zwei Dateien auf der Festplatte:

MEMORY.md (max. 2.200 Zeichen) enthält die Notizen des Agenten über deine Umgebung, Projektkonventionen, Tool-Eigenheiten und gelernte Lektionen.
USER.md (max. 1.375 Zeichen) enthält dein Profil: Name, Kommunikationspräferenzen, Fähigkeitsniveau und Dinge, die du vermeiden solltest.

Beide werden als eingefrorener Schnappschuss in den System-Prompt injiziert, wenn eine Sitzung beginnt. Wenn der Agent mitten in der Sitzung einen neuen Gedächtniseintrag schreibt, wird diese Änderung sofort auf der Festplatte gespeichert, aber erst in der nächsten Sitzung im System-Prompt erscheinen.

Wenn der Speicher voll wird (~80% Kapazität, angezeigt als Prozentsatz im System-Prompt-Header), muss der Agent konsolidieren.

Er führt verwandte Einträge zu dichteren, informationsreicheren Versionen zusammen, sodass nur nützliche Informationen überleben.

Stufe 2: Volltext-Sitzungssuche.

Jedes Gespräch (CLI und Messaging) wird in SQLite mit Volltextsuche gespeichert. Der Agent kann Wochen vergangener Gespräche daraus durchsuchen.

Der Kompromiss ist klar: Stufe 1 ist immer im Kontext, aber winzig. Stufe 2 hat unbegrenzte Kapazität, erfordert aber eine aktive Suche plus LLM-Zusammenfassung.

Kritische Fakten leben im Gedächtnis. Alles andere ist auf Abruf durchsuchbar.

Stufe 3: Externe Speicheranbieter (8 Plugins).

Für tieferen persistenter Speicher liefert Hermes 8 steckbare Anbieter, die neben dem integrierten Speicher laufen (ihn nie ersetzen). Nur einer kann gleichzeitig aktiv sein.

Wenn ein externer Anbieter aktiv ist, holt Hermes automatisch relevante Erinnerungen vor jedem Zug ab, synchronisiert Gesprächszüge nach jeder Antwort und extrahiert Erinnerungen am Ende der Sitzung.

Selbstentwickelnde Fähigkeiten: Der Agent schreibt seine eigenen Playbooks

Gedächtnis kümmert Fakten. Fähigkeiten erledigen Verfahren.

Fähigkeiten sind Markdown-Dateien mit YAML-Frontmatter und fungieren als prozedurales Gedächtnis des Agenten: nicht was er weiß, sondern wie er Dinge tut.

Hier ist die Anatomie einer Fähigkeit:

Um die Token-Kosten niedrig zu halten, verwenden Fähigkeiten progressive Offenlegung:

Stufe 0: Der Agent sieht nur Namen + Beschreibungen (~3k Token für den vollständigen Katalog)
Stufe 1: Er lädt den vollständigen Fähigkeitsinhalt, wenn er tatsächlich eine braucht
Stufe 2: Er kann in bestimmte Referenzdateien innerhalb einer Fähigkeit eintauchen

Die Selbstverbesserungsschleife.

Dies ist der Kernunterschied. Der Agent erstellt seine eigenen Fähigkeiten autonom mit dem Tool skill_manage. Die Fähigkeitserstellung wird ausgelöst, wenn:

Der Agent eine komplexe Aufgabe abschließt (5+ Tool-Aufrufe)
Er auf Fehler oder Sackgassen stößt und den funktionierenden Weg findet
Der Benutzer seinen Ansatz korrigiert
Er einen nicht-trivialen Workflow entdeckt

Die Schleife funktioniert also so: Der Agent stößt auf ein Problem → löst es durch Versuch und Irrtum → speichert den erfolgreichen Ansatz als SKILL.md-Datei → beim nächsten Mal, wenn er auf ein ähnliches Problem auftritt, lädt er die Fähigkeit und folgt dem bewährten Verfahren, anstatt den Ansatz von Grund auf neu zu entdecken.

Das Tool unterstützt sechs Aktionen: create, patch (gezielter Fix, bevorzugt, weil token-effizient), edit (vollständige Umschreibung), delete, write_file und remove_file.

Der Kurator: Müllabfuhr für Fähigkeiten.

Ohne Wartung häufen sich vom Agenten erstellte Fähigkeiten an. Du endest mit Dutzenden von engen, überlappenden Playbooks, die Token verschwenden und den Katalog verunreinigen.

Der Kurator ist ein Hintergrundwartungssystem, das sich darum kümmert. Es läuft auf einer Inaktivitätsprüfung (kein Cron-Daemon): Wenn 7 Tage seit dem letzten Lauf vergangen sind und der Agent 2+ Stunden inaktiv war, wird eine Hintergrundgabelung des Agenten mit eigenem Prompt-Cache gestartet, die nie die aktive Konversation berührt.

Es arbeitet in zwei Phasen:

Automatische Übergänge (deterministisch, kein LLM): Fähigkeiten, die 30 Tage lang nicht genutzt wurden, werden, werden veraltet. Fähigkeiten, die 90 Tage lang nicht genutzt werden, werden archiviert.
LLM-Überprüfung (bis zu 8 Iterationen): Ein gegabelter Agent untersucht alle vom Agenten erstellten Fähigkeiten und entscheidet pro Fähigkeit, ob sie behalten, gepatcht, konsolidiert oder archiviert werden soll.

Zwei wichtige Einschränkungen:

Der Kurator berührt niemals gebündelte oder über den Hub installierte Fähigkeiten. Nur vom Agenten erstellte.
Er löscht nie automatisch. Das Schlimmste ist die Archivierung nach ~/.hermes/skills/.archive/, die mit einem Befehl wiederherstellbar ist.

Vor jedem Kurator-Durchlauf erstellt Hermes einen tar.gz-Snapshot des gesamten Fähigkeitenverzeichnisses. Ein Rollback ist mit einem Befehl möglich, und Rollbacks sind selbst umkehrbar.

Du kannst kritische Fähigkeiten auch mit hermes curator pin <skill> anheften, um sie vor Archivierung und Löschung zu schützen. Patches und Bearbeitungen werden weiterhin durchgeführt, sodass der Agent eine angeheftete Fähigkeit verbessern kann, ohne dass du sie zuerst lösen musst.

GEPA: Fähigkeiten offline mit Ausführungsabläufen weiterentwickeln

Hier wird es interessant.

Die agenteninterne Lernschleife (Fähigkeitserstellung + Kurator) hat eine bekannte Schwäche:

Der Agent neigt zur Selbstbeweihräucherung. Er denkt fast immer, er habe gut abgeschnitten, auch wenn er es nicht tat. Community-Feedback hat dies bestätigt.
Dasselbe System, das automatisch Fähigkeiten generiert, kann auch manuelle Anpassungen mit schlechteren Versionen überschreiben.

Hier kommt GEPA ins Spiel.

GEPA (Genetic-Pareto Prompt Evolution) ist nicht in die Hermes-Laufzeit integriert. Es lebt in einem Begleit-Repository (NousResearch/hermes-agent-self-evolution) und arbeitet als Offline-Optimierungspipeline. Veröffentlicht als ICLR 2026 Oral Paper, MIT-lizenziert.

Die Kernidee: Anstatt den Agenten zu fragen "Hast du gut abgeschnitten?", liest GEPA Ausführungsabläufe, um zu verstehen, warum Dinge fehlschlugen, und schlägt dann gezielte Verbesserungen durch evolutionäre Suche vor.

Die Pipeline:

Lies die aktuelle Fähigkeit aus dem Hermes-Repo
Generiere einen Evaluierungsdatensatz (synthetische Testfälle über Claude Opus, echte Sitzungsverläufe aus SQLite oder handkuratierte Goldmengen)
Führe den GEPA-Optimierer aus: Lese Ausführungsabläufe → Verstehe Fehlerpunkte → generiere Kandidatenvarianten
Bewerte Kandidaten mit LLM-als-Richter-Bewertung mit Rubriken (nicht binär bestanden/nicht bestanden)
Wende Einschränkungen an: Vollständige Test Suite muss zu 100% bestehen, Fähigkeiten bleiben unter 15KB, Caching-Kompatibilität bleibt erhalten, semantischer Zweck driftet nicht
Die beste Variante geht als PR gegen das Hermes-Repo. Nie ein direkter Commit.

Keine GPU erforderlich. Alles läuft über API-Aufrufe. Kosten: ungefähr $2-10 pro Optimierungslauf.

Dies kann anfangs übersprungen werden, ist aber sehr effektiv, wenn du an eine Grenze stößt und keine Zeit und kein Geld für Feintuning (RL/GRPO) ausgeben willst.

Weitere Details in diesem Repo →

Ich habe kürzlich habe einen Artikel über GEPA geschrieben.

Es ist eine großartige Alternative, die du ausprobieren solltest, bevor du zu vollständigem Feintuning oder RL-basiertem Feintuning übergehst.

Ok, um zusammenzufassen:

SOUL.md legt die Identität fest. Die Laufzeitschleife erfasst Erfahrungen. Der Kurator hält die Bibliothek sauber. GEPA stellt sicher, was in der Bibliothek ist, tatsächlich funktioniert.

Das ist die gesamte Theorie. Jetzt bringen wir sie auf deinem Rechner zum Laufen auf deinem Rechner.

In Betrieb nehmen

Linux, macOS oder WSL2. Python 3.11+ wird mit dem Installer. 8GB RAM sind für API-basierte Nutzung in Ordnung.

Einzeilige Installation:

Führe den Setup-Assistenten aus. Er führt durch Anbieter, API-Schlüssel, Modell und Tools:

Beginne im Terminal zu chatten:

Verbinde es mit Telegram:

Wenn du mit deinem Agenten von deinem Telefon aus sprechen möchtest, anstatt vom Terminal, richte ihn auf einen Telegram-Bot aus.

Hole dir ein Bot-Token von @BotFather (führe /newbot aus), dann hole dir deine Telegram-Benutzer-ID von @userinfobot.

Das war's. Du hast einen funktionierenden Agenten:

Was in ~/.hermes/ lebt

Gleich nach der Installation bekommt dein Home-Verzeichnis einen neuen Ordner.

Es lohnt sich, das Layout zu verstehen, denn alles, was du mit Hermes machst, berührt einen dieser Pfade.

Einige Dateien verdienen einen genaueren Blick.

config.yaml ist die Quelle der Wahrheit für alles Nicht-Geheime. Modellauswahl, Terminal-Backend, Tool-Aktivierung, MCP-Server leben alle hier. Bearbeite mit hermes config edit oder setze Werte einzeln mit hermes config set <key> <value>.
.env enthält deine Geheimnisse. API-Schlüssel, Bot-Tokens, Passwörter. Hermes leitet geheim aussehende Werte hier automatisch hin.
SOUL.md ist Platz #1 im System-Prompt, vor allem anderen. Identitätsschicht, bereits behandelt.
skills/ ist der Ort, an dem die gesamte Lernschleife lebt. Jede Fähigkeit, die der Agent erstellt, plus alles, was du installierst, landet hier.
state.db ist die SQLite-Datenbank, die die Sitzungssuche unterstützt. WAL-Modus-sicher, FTS5-indiziert. Das ist es, was "Was haben wir vor drei Wochen besprochen?" tatsächlich funktionieren lässt.

Du wirst die meisten davon nicht manuell bearbeiten. Aber das Layout zu kennen, macht alles andere klarer.

Neue Fähigkeiten hinzufügen

Hermes unterhält einen eigenen offiziellen Skills Hub mit 687 Fähigkeiten in 18 Kategorien. Die Aufteilung:

87 integrierte Fähigkeiten, die mit dem Agenten ausgeliefert werden
79 optionale Fähigkeiten, die du bei Bedarf aktivieren kannst
16 von Anthropic (Frontend-Design, PDF, PPTX, DOCX, MCP-Builder usw.)
505 von LobeHub (breitere Community-Beiträge)

Du kannst auch jedes GitHub-Repo als benutzerdefinierten Tap hinzufügen:

So würdest du Fähigkeiten in einem Team teilen oder deine eigene private Sammlung pflegen.

Von 1 zu 10 Agenten

Ein Agent ist in Ordnung. Mehrere spezialisierte Agenten sind, wo Hermes interessant wird.

Hermes hat eine erstklassige Funktion dafür namens Profile. Jedes Profil ist eine vollständig isolierte Hermes-Instanz mit eigener Konfiguration, eigenem Gedächtnis, eigenen Fähigkeiten, eigenen Sitzungen und eigener SOUL.md. Sie teilen standardmäßig nichts.

Wir werden drei einrichten: einen Designer, einen Programmierer und einen Forscher.

Erstelle ein Team

--clone kopiert die Konfiguration und .env deines Standardprofils als Ausgangspunkt.

Gib jedem seinen eigenen Telegram-Bot

Jedes Profil braucht seinen eigenen Bot von BotFather. Telegram erlaubt nur eine Verbindung pro Token, also Teilen bricht Dinge.

Führe /newbotFather /newbot dreimal aus und speichere die drei Tokens. Führe dann den Gateway-Assistenten einmal pro Profil aus:

Das Setup ist genau das gleiche wie bei einem normalen Agenten, wo du wieder neue Bots in BotFather erstellen und mit ihren jeweiligen Agenten verbinden kannst.

Gib jedem eine Persönlichkeit über SOUL.md

Hier werden die Agenten wirklich unterschiedlich. Bearbeite die SOUL.md jedes Profils.

Designer unter ~/.hermes/profiles/designer/SOUL.md:

Schau dir diese Beispiele an:

Programmierer unter ~/.hermes/profiles/programmer/SOUL.md:

Forscher unter ~/.hermes/profiles/researcher/SOUL.md:

Anpassen des Programmierers: Ausführung über Claude Code leiten

Der Programmierer ist interessanter, wenn er nicht nur selbst Code schreibt, sondern die Ausführung an die Claude Code CLI delegiert. Hermes orchestriert. Claude Code macht die Dateibearbeitungen, führt Befehle aus, verwaltet Git. Hermes liest das Ergebnis und entscheidet, was als nächstes.

So betreibe ich meinen auch zusätzlich zu meinem Claude Max-Abonnement. Kein separater API-Schlüssel. Claude Code verwendet Max-Anmeldedaten automatisch.

Starte eine Sitzung und sende diesen Aktivierungs-Prompt:

Ich habe bereits ein Claude Max-Abonnement. Du bist mein leitender Ingenieur, der

mir bei meinen täglichen Codierungsaufgaben hilft, und unter der Haube verwendest du

Claude Code für alle Ausführungen. Richte dich entsprechend ein.

Der Programmierer wird die Fähigkeit autonomous-ai-agents/claude-code selbst installieren, überprüfen, ob claude im PATH ist, und sie für die Codeausführung verwenden. Ab der nächsten Nachricht wird alles, was mit Codierung zu tun hat (Dateien lesen, Code schreiben, Tests ausführen, committen, pushen), unter der Haube über Claude Code geleitet.

Zwei Dinge, die du wissen solltest:

Stelle sicher, dass claude vor der Ausführung auf deinem PATH ist. which claude sollte einen echten Binärpfad ausgeben.
Claude Code hat sowohl einen Druckmodus (einmalig, schnell, kein TUI) als auch einen interaktiven Modus (vollständige tmux-Sitzung). Der Programmierer wählt basierend auf der Aufgabe aus. Du musst nicht darüber nachdenken.

Anpassen des Designers: Bringe ihm deinen visuellen Stil bei

Der Designer wird wirklich nützlich, wenn er Bilder in deinem Stil generieren kann, nicht generische KI-Ausgabe. Das Muster: Füttere ihm Referenzdesigns, lass ihn sie studieren, bitte ihn, eine Fähigkeit zu erstellen, die neue Bilder im gleichen Stil generiert.

Dies ist die selbstverbessernde Schleife, die als Einrichtungsmechanismus verwendet wird. Anstatt eine Fähigkeit von Hand zu schreiben, zeigst du dem Agenten gute Beispiele und bittest ihn, das Muster selbst zu codieren.

Starte eine Sitzung mit dem Designer und füge deine Referenzbilder ein (Drag-and-Drop in der CLI oder anhängen in Telegram). Sende dann diesen Prompt:

Der Designer wird die Referenzen studieren, die SKILL.md schreiben, das Python-Skript generieren, es unter ~/.hermes/profiles/designer/skills/my-design-style/ speichern und überprüfen, ob das Skript läuft.

Wenn du bereits hermes setup ausgeführt und OpenRouter als Anbieter gewählt hast, ist der Schlüssel bereits im .env des Designer-Profils dank --clone. Wenn nicht, füge ihn einmal hinzu:

Von da an löst die Aufforderung an den Designer für eine neue Illustration die Fähigkeit aus. Er schreibt einen Prompt, der von deinem Stil-Fingerabdruck informiert ist, ruft Nano Banana über OpenRouter auf und speichert die Ausgabe.

Das gleiche Muster funktioniert für jede stil-spezifische Ausgabe. Füttere Referenzinhalte, bitte den Agenten, eine Fähigkeit zu erstellen, die das Muster reproduziert. Newsletter-Einleitungen, X-Threads, Code-Review-Kommentare, alles, wo Konsistenz wichtig ist.

Planung von Arbeit: Cron auf Deutsch

Die SOUL.md des Forschers besagt, dass er für eine tägliche Telegram-Zusammenfassung verantwortlich ist. Das impliziert einen Job, der nach einem eigenen Zeitplan läuft, ohne dass du daran denken musst, zu fragen. Dafür ist Hermes Cron da.

Hermes wird mit einem integrierten Planer ausgeliefert. Das Gateway tickt alle 60 Sekunden, führt fällige Jobs in isolierten Agentensitzungen aus und liefert die Ausgabe an die von dir angegebene Messaging-Plattform. Jobs überleben Neustarts. Sie leben in ~/.hermes/cron/jobs.json und die Ausgabe geht an ~/.hermes/cron/output/.

Der interessante Teil: Du schreibst keine Cron-Ausdrücke. Du beschreibst, was du willst, auf Englisch, und Hermes konvertiert es.

Richte die tägliche Zusammenfassung des Forschers ein

Öffne eine Sitzung mit dem Forscher und sende diesen Prompt:

Der Forscher erstellt den Job mit seinem cronjob-Tool, das Auslieferungsziel standardmäßig auf den aktuellen Chat (in diesem Fall Telegram) und der Planer übernimmt. Überprüfe, ob er erstellt wurde:

Du solltest den Job mit seiner nächsten geplanten Ausführungszeit sehen. Morgen früh um 8 Uhr morgens leuchtet dein Telegram mit der Zusammenfassung auf. Kein weiteres Eingreifen erforderlich.

Andere nützliche Muster

Die Cron-Syntax ist flexibel. Einige Variationen, die du kennen solltest:

Einmalige Verzögerungen. /cron add 30m "Erinnere mich, den Build zu überprüfen" läuft einmal in 30 Minuten.
Wiederkehrende Intervalle. /cron add "alle 2h" "Serverstatus prüfen" läuft alle zwei Stunden.
Standard-Cron-Ausdrücke. /cron add "0 9 \ \ 1-5" "..." für präzise Steuerung. Wochentags um 9 Uhr, in diesem Fall.
Fähigkeitsanbindung. /cron add "alle 1h" "Neue Feed-Elemente zusammenfassen" --skill blogwatcher lädt eine Fähigkeit, bevor der Prompt ausgeführt wird.

Du kannst auch Jobs verketten. Die Ausgabe eines Cron-Jobs wird zur Eingabe des nächsten über ein context_from-Flag. Nützlich für mehrstufige Automatisierungen, bei denen ein Forschungsschritt einen Schreibschritt speisen soll.

Das war's.

Danke fürs Lesen. Lass mich in den Kommentaren wissen, was ich als nächstes behandeln soll.

Wenn du besser aus Videos lernst, werde ich in ein paar Tagen eine vollständige Hermes Agent-Durchgang auf YouTube und X veröffentlichen.

Bleib dran!

Prost! :)