En el momento de escribir esto, Artie es un equipo de 17 personas. Todos trabajamos junto a Hermes, un harness de agente de IA de código abierto de @NousResearch. Se ejecuta en una única máquina física en Alemania, tiene una personalidad distinta para cada equipo y sueña por las noches.
Así fue como llegó a ser así.
Empezó como un contacto de WhatsApp de un ingeniero
Hace unos meses, uno de nuestros ingenieros (Ani, @anirudhsriramzz) estaba usando Hermes para sí mismo. Era solo una configuración personal y hablaba con él a través de WhatsApp.
Por esas mismas fechas, Robin, nuestro CTO, volvió de un hackathon donde un amigo le había mostrado todo un elenco de agentes que realizaban su trabajo. La pregunta que trajo consigo era simple: ¿cómo hacemos eso accesible para todos en Artie, y no solo para los ingenieros?
Primero miramos OpenClaw. Es bueno. Pero era fácil ver cómo un agente se desviaba y hacía algo que nadie le había pedido, y queríamos salvaguardas antes de escalar. Así que elegimos Hermes y empezamos a pensar en cuáles debían ser esas salvaguardas.
Un cerebro con anteojeras
Nuestra forma de verlo: cada laboratorio ha lanzado un cerebro. Puedes preguntarle cualquier cosa y responderá. Pregúntale lo mismo cinco veces y obtendrás cinco respuestas, todas plausibles, todas con formas distintas.
Eso está bien para una ventana de chat. Es un problema cuando quieres que el cerebro haga un trabajo. Si un ingeniero de ventas pide una evaluación de riesgos sobre 25 hilos abiertos de clientes, necesita el mismo formato cada vez para poder actuar, comparar semanas y confiar en la herramienta.
Los caballos de carrera usan anteojeras para correr en la pista en lugar de mirar al público. Las habilidades y herramientas son las anteojeras. El harness es la forma de ponérselas. Hermes, Codex, Claude Code y el resto son todas versiones de la misma idea: una manera de decidir qué puede hacer el modelo y cómo debe verse su salida.
Una vez que lo pensamos así, el proyecto dejó de ser 'configurar un chatbot' y pasó a ser 'construir las anteojeras para cada trabajo en Artie'.
Un servidor de $60 en Alemania ejecuta todo
Robin y Ani configuraron el primer Hermes en unas tres horas durante un fin de semana. Alquilamos el plan más barato en Railway, iniciamos Hermes con un perfil predeterminado y dejamos que el equipo de ingeniería se pusiera manos a la obra.
En cinco días, nos estrellábamos una y otra vez contra los límites de uso de Railway. Cada alerta era un recordatorio para actualizar el plan. Esa fue la primera lección real: en el momento en que un equipo adopta realmente un agente, la factura deja de parecer un proyecto secundario.
Nuestra infraestructura de producción se ejecuta en AWS y permanece allí. Pero esto era un sandbox interno para agentes, no infraestructura de clientes, y queríamos ver qué tan barato podíamos hacerlo. Encontramos Hetzner (@Hetzner_Online), una empresa de hosting alemana, y compramos una máquina física por $60 al año. Hoy en día, todos los Hermes de Artie se ejecutan en esa caja.
Somos una empresa ágil. Toda la cuestión de la IA en Artie ha sido: ¿cómo hacemos que el equipo sea lo más nativo de IA posible sin quemar dinero? La caja de Hetzner fue la primera respuesta.
Lo que realmente queríamos
Con una máquina capaz de soportar la carga, nos sentamos y decidimos para qué era Hermes. Dos objetivos.
Todos tienen un asistente. Ingenieros, ventas, operaciones, marketing, diseño. Una versión junior de ti mismo que te ayuda a hacer más, en lugar de algo que te reemplaza. El miedo en la industria es que los agentes quiten el empleo. Nuestra experiencia es la opuesta: cuando todos tienen uno, todos entregan más rápido y asumen trabajos que antes no podían.
Siempre hay un humano en el bucle. Hermes puede hacer lo que se le indique. Antes de que algo llegue a producción, a la documentación o frente a un cliente, una persona lo revisa.
Las personas destacan, así que los agentes también deberían
Nadie en un equipo de 17 personas es bueno en una sola cosa. Pero todos destacan en algún área. Contratamos por ese punto fuerte.
Así que nos preguntamos por qué nuestros agentes deberían ser diferentes. Un ingeniero junior trabajando en copy de marketing es un desperdicio. Un marketer junior en la base de código es peor. Modelamos los agentes como pensamos en las personas: dar a cada uno un dominio, una personalidad y acceso a lo que ese dominio necesita.
Eso nos dio una familia de perfiles de Hermes, uno por equipo.
Hermes Plan y Hermes Code pertenecen a ingeniería. Plan es para el tech lead: determinar si hacemos A luego B, o A y B en paralelo y C después, y escribirlo. Plan despacha el trabajo a un tablero Kanban. Code recoge los tickets y ejecuta en segundo plano contra nuestra base de código existente, abre PRs y espera. Un humano revisa la PR, y solo entonces se fusiona con master. Al terminar una tarea, comienza la siguiente del plan.
El efecto colateral que nadie predijo: la mayor parte del tiempo de ingeniería ahora se dedica al plan. Históricamente, la gente vivía en el código y la ejecución. Ahora viven en el diseño del sistema y la revisión, y Hermes Code maneja el medio.
Hermes Sales se prepara antes de una llamada de descubrimiento. Investiga al prospecto, identifica su stack existente y extrae contexto actual sobre el trato. Como también tiene nuestros documentos y conocimiento de ingeniería, puede ir un paso más allá: si un prospecto nos dice que mueve datos con una herramienta particular, Hermes puede decirle al vendedor dónde suele fallar esa herramienta, digamos en el schema drift, antes de que empiece la llamada.
Hermes Design y Hermes Code juntos permiten a marketing diseñar, construir y publicar landing pages sin involucrar a un ingeniero. Nuestro sitio de marketing está en Next.js y ya no usamos un CMS. Design trabaja dentro del sistema de componentes existente, verifica si un componente ya existe antes de inventar uno nuevo, y pasa el testigo a Code para la implementación.
Hermes BizOps maneja el trabajo operativo recurrente: revisiones de pipeline, conciliación, actualizaciones de trackers, encontrar las excepciones que necesitan un humano.
Y hay un perfil predeterminado para todo lo que no encaja.
La mayoría de nosotros hablamos con estos a través de Slack. Algunos usan Hermes desktop. De cualquier manera, todo cambió de reactivo a proactivo: los agentes ya tienen la base de código, los documentos, el CRM e internet, por lo que pueden responder desde todas partes en lugar de esperar a que les den contexto.
Habilidades, versionadas como código, desde el primer día
Los perfiles son personalidades. Las habilidades son lo que los hace competentes.
Una habilidad es un procedimiento reutilizable para una clase real de trabajo: qué revisar primero, qué fuentes son autorizadas, cómo se ve la salida, cómo verificarla. Escribimos las nuestras desde la primera semana y las pusimos en un repositorio Git. Cada Hermes lee de ahí. Cuando cambia una habilidad, es un commit, con historial, que cada perfil recoge.
Fuimos deliberados en no escribir demasiadas. Hay un millón de maneras de hacer que la IA funcione para ti y la mayoría de internet te dirá que construyas una fábrica autónoma de agentes 24/7. Si tuvieras tokens infinitos, claro. No los tenemos. Un agente hojeando cientos de habilidades para decidir cuál usar quema tokens en la decisión. Así que cortamos todo lo que no valía claramente su costo, y seguimos recortando.
La regla con la que terminamos: si el valor es obvio, el costo está justificado. Si el valor es vago, no se construye.
Hermes sueña
Hermes tiene un sistema cron. Puedes darle una tarea y una cadencia y se ejecuta solo.
Inspirados por el trabajo de Anthropic sobre la memoria de agentes, lo usamos para copiar algo que hacen los humanos. Durante el sueño REM, tu cerebro ordena el día. Algunas cosas se promueven a la memoria a largo plazo. Otras se descartan. Un año en el que te mudaste de ciudad y viajaste constantemente es memorable porque nada se repitió.
Así que cada noche, cuando nadie lo usa, cada Hermes sueña. Revisa lo que hizo ese día, decide qué fue útil y qué no, promueve las partes útiles a la memoria y degrada el resto. Luego envía un informe a nuestro ingeniero. El informe dice cosas como: hice esto mal, hice aquello mal, lo corregí, he almacenado la corrección y he olvidado el hábito que lo causó.
Con el paso de las semanas, cada perfil se vuelve más opinativo sobre lo que debería y no debería estar haciendo para su equipo. No programamos las opiniones. Vinieron de los sueños.
Por qué ejecutamos nuestro propio harness
La gente pregunta por qué no usamos simplemente Cursor, o Codex, o Claude Code.
Podríamos, y técnicamente podríamos mover las cargas de trabajo mañana. Pero porque ejecutamos y operamos Hermes nosotros mismos, el modelo subyacente puede ser de cualquiera. Si un laboratorio sube precios la próxima semana, cambiamos. Nuestros perfiles son lo suficientemente estables ahora como para que cambiar el modelo no los rompa. El lunes podríamos estar en un modelo de Anthropic; si el precio cambia, podríamos estar en OpenAI para el viernes.
La segunda razón son las funciones. Si Cursor no soporta la autenticación que necesitas, o sigue cometiendo el mismo error en tu base de código, presentas un ticket y esperas. Cuando Hermes necesita algo, lo construimos. Hermes es parte de Artie, conectado a nuestros sistemas como cualquier herramienta interna, en lugar de algo que añadimos a regañadientes y esperamos que siga funcionando.
La ingeniería de IA es cara ahora porque la economía de los tokens no se ha estabilizado. Algún día ejecutar estas cosas será casi gratis. Hasta entonces, poseer el harness es cómo mantenemos el control de la factura.
Dónde estamos hoy, y qué viene después
Hermes está quizás al 85 o 90 por ciento. Hace trabajo real todos los días. El primer intento no siempre es el mejor.
Así que estamos invirtiendo en evaluaciones. Cada vez que Hermes recibe una pregunta y produce una respuesta, queremos saber qué tomó tiempo, qué habilidades llamó, qué herramientas fallaron y por qué. Estamos auto-hospedando Arize Phoenix, que es de código abierto, por lo que obtenemos esto sin comprar otra herramienta. Los trazos de Hermes van a Phoenix, y Phoenix nos dice: esta tarea llamó cinco habilidades y dos herramientas, esta herramienta tomó más tiempo, esta falló, aquí está el porqué.
Debajo de eso, ejecutamos telemetría a través de Datadog: tokens gastados, tasa de éxito por tarea, alertas al guardia si un Hermes cae o el almacén de memoria se llena. Cada tarea se ejecuta en un sandbox, y construimos nuestro propio sistema de poda que limpia los sandboxes diariamente.
El punto de todo esto es que ya no tenemos que adivinar si un cambio hizo a Hermes mejor. Cambiamos una habilidad, obtenemos un informe. Si es mejor, se queda. Si es peor, revertimos.
También escribimos documentación directamente en el servidor de Hermes: qué hay en tu configuración, qué tienes permitido hacer, qué significan los datos. Cualquier Hermes puede leerla. Lo cual significa que podríamos iniciar un Hermes cuyo único trabajo sea leer los datos de evaluación y mejorar los otros perfiles.
Es básicamente Hermes Coach. Entrena a Hermes.
Diecisiete personas, un servidor alemán, una familia de agentes que se duermen cada noche y despiertan un poco más agudos. Lo construimos porque somos pequeños y queríamos entregar como si no lo fuéramos.
