Kerroit agentillesi perjantaina miten projektisi toimii: kansiorakenne, nimeämiskäytännöt, mitkä tiedostot saa muokata ja mitkä ei. Maanantaina se on unohtanut kaiken. Aloitat alusta. Tämä on jokaisen AI-agentin perusongelma, ja NousResearchin Hermes Agent väittää ratkaisseensa sen.

Hermes Agent on avoimen lähdekoodin itseoppiva AI-agentti. Se muistaa jokaisen tehtävän, rakentaa kokemuksistaan uusia taitoja ja syventää ymmärrystään käyttäjästä ajan myötä. Tässä oppaassa käyn läpi miten sen arkkitehtuuri toimii, miten se vertautuu Claude Codeen ja OpenClaw:iin, ja kenelle se oikeasti sopii.

NousResearch on vuonna 2022 epämuodollisesti perustettu ja 2023 virallistettu avoin tutkimuslaboratorio. Perustajia ovat Teknium, Jeff Quesnelle, Karan Malhotra ja Shivani Mitra. Laboratorio tunnetaan Hermes-kielimalliperheestä -- hienosäädetyistä Llama-malleista, joita kehittäjät ovat käyttäneet laajalti. NousResearchin GEPA-tutkimuspaperi (Genetic-Pareto Prompt Evolution) hyväksyttiin ICLR 2026 -konferenssiin Oral-esitykseksi. Se on harvinainen akateeminen tunnustus, joka kertoo tiimin tutkimustasosta.

Hermes Agent on kuitenkin eri asia kuin Hermes-kielimalli. Kyseessä on agenttiviitekehys, ei malli. Agentti voi käyttää taustalla mitä tahansa kielimallia -- Claudea, GPT:tä, DeepSeekiä tai paikallista Ollama-mallia. Mallista riippumaton arkkitehtuuri onkin yksi Hermeksen perusperiaatteista.

Hermes julkaistiin helmikuussa 2026 MIT-lisenssillä. Kahdessa kuukaudessa se keräsi yli 29 000 GitHub-tähteä ja satoja kontribuuttoreita. Julkaisutwiitti keräsi noin 6 100 tykkäystä ja 2,4 miljoonaa näyttökertaa. Huhtikuussa 2026 julkaistu v0.7.0 ("Resilience Release") toi 168 pull requestia ja 46 ratkaistua issueta.

Hermes-hackathon keräsi 187 kilpailutyötä ja 11 750 dollarin palkintopotin. Yhteisö on vielä pieni mutta aktiivinen -- ja kasvaa kovaa vauhtia.

Tekoälyagenttien arkkitehtuurissa on yksi perusongelma: jokainen istunto alkaa tyhjästä. Claude Code lukee CLAUDE.md-tiedoston, mutta sen sisällön ylläpitäminen on käyttäjän vastuulla. Hermes yrittää ratkaista tämän automaattisella oppimissilmukalla.

Hermeksen kantava idea on neljävaiheinen sykli: suorita tehtävä, arvioi tulos, luo taito ja tallenna muistiin.

Pyydät vaikkapa Hermestä analysoimaan kilpailijan hinnoittelun verkkosivuilta. Ensimmäisellä kerralla agentti käyttää ehkä 12 työkalukutsua: verkkohaku, sivujen selaus, datan jäsentäminen, raportin kirjoitus. Tehtävän jälkeen Hermes kirjoittaa automaattisesti Markdown-muotoisen taitodokumentin, jossa on vaiheet, varoitukset ja varmennuskohdat.

Seuraavalla kerralla kun pyydät samantyyppistä analyysia, Hermes löytää taidon, seuraa sitä ja hoitaa tehtävän neljällä kutsulla. Käyttäjät raportoivat selvästi nopeampia tuloksia toistuvissa tehtävissä muutaman taidon luomisen jälkeen.

Taidot noudattavat avointa agentskills.io-standardia. Sama standardi toimii myös Claude Coden Skillseissä ja ChatGPT:ssä -- joten kerran kirjoitettu taito on periaatteessa siirrettävissä agentista toiseen.

Hermes ylläpitää kaksikerroksista muistia. Ensimmäinen kerros on aktiivinen: MEMORY.md ja USER.md -tiedostot, jotka injektoidaan jokaiseen promptiin. Toinen kerros on SQLite-tietokanta FTS5-kokotekstihaulla, johon tallentuvat kaikki keskustelut ja tehtävät.

Hermes tukee myös Honcho-käyttäjäprofilointia, joka rakentaa syvenevää mallia käyttäjän työtavoista ja mieltymyksistä. Versio 0.7.0 toi pluggable memory -rajapinnan: yhteisö voi rakentaa omia muistiratkaisuja vektoritietokannoista räätälöityihin hakujärjestelmiin.

Dev.to-arvostelija George Larson kiteytti asian hyvin: markkinointi lupaa oppimista, mutta todellisuudessa Hermes kirjoittaa Markdown-tiedostoja ~/.hermes/memories/ -kansioon. Larsonin pointti on perusteltu. Hermes ei muuta mallin painoja. Oppiminen tapahtuu konteksti-ikkunan kautta: taidot ja muistit ladataan promptiin, ja malli toimii niiden perusteella.

Taidot ovat käytännössä prompteja CRUD-kerroksella (luo, lue, päivitä, poista), eivät aitoja kyvykkyyksiä. Erottelu kannattaa pitää mielessä.

Mutta kyllä se käytännössä toimii.

Hermes tukee yli 200 mallia OpenRouterin kautta ja yli 400 Nous Portalin kautta. Mallin vaihto tapahtuu yhdellä komennolla: hermes model. Tuettuja tarjoajia ovat OpenAI, Anthropic, DeepSeek, MiniMax, z.ai, Kimi/Moonshot ja Ollama paikallisille malleille.

X:ssä kiertävässä LLM-vertailussa käyttäjä @gkisokay luokitteli agenttimallit neljään tasoon: Claude Opus 4.6 terminaalikoodauksen ykkösenä, GPT-5.4 suunnittelussa vahvana ja Gemini 3.1 Pro parhaana hinta-älykkyyssuhteena. Paikallisista malleista Qwen 3.5 ja Gemma 4 toimivat kohtuullisesti halvemmissa tehtävissä.

Hermes sisältää 47 rekisteröityä työkalua 20 paketissa. Perusvalikoimaan kuuluvat tiedostojen hallinta, terminaalikomennot, verkkohaku ja selainautomaatio Camoufox-anti-detection-selaimella. Pidemmälle menevät työkalut kattavat kuvien generoinnin, puhesynteesin (TTS), konenäön ja koodin suorituksen hiekkalaatikossa.

MCP-protokollan tuki on kaksisuuntainen. Hermes voi käyttää ulkoisia MCP-palvelimia työkalujen laajentamiseen, mutta se voi myös toimia itse MCP-palvelimena. Käytännössä Claude Desktop tai Cursor voi siis selailla Hermeksen istuntohistoriaa ja lähettää viestejä sen kautta.

Hermes osaa myös delegoida aliagenteille: se käynnistää ne omiin hiekkalaatikoihinsa ja kerää tulokset yhteen.

Tämä on Hermeksen selkein ero kilpailijoihin. Yksi gateway-prosessi yhdistää agentin 14 alustaan samanaikaisesti: Telegram, Discord, Slack, WhatsApp, Signal, sähköposti, SMS, Matrix, Mattermost, Home Assistant, DingTalk, Feishu/Lark, WeCom ja CLI.

Annat siis agentille tehtävän Telegramissa, se työskentelee palvelimella ja raportoi takaisin samaan keskusteluun. Claude Code, Cursor ja Codex eivät tarjoa mitään vastaavaa.

Hermes osaa muuntaa luonnollisen kielen cron-jobeiksi. "Joka arkiaamu klo 8 raportoi eilisen myyntiluvut Slackiin" muuttuu automaattisesti ajastetuksi tehtäväksi. NousResearch demonstroi agenttia kirjoittamassa 79 000 sanan romaanin autonomisesti ilman käyttäjän väliintuloa. Pitkäkestoiset tehtävät ovat selvästi Hermeksen vahvin alue.

Versio 0.7.0 toi ACP Server -integraation (Agent Client Protocol), joka yhdistää Hermeksen VS Codeen, Zediin ja JetBrains-tuotteisiin. Hermes ei ole IDE-natiivi kuten Cursor, mutta se voi toimia taustajärjestelmänä editorille -- ja samalla palvella Telegramia ja Slackia.

Suomalaiselle yritykselle tietosuoja ei ole valinnainen ominaisuus. Hermes + Ollama tarkoittaa sitä, että data ei lähde koneelta koskaan. Kaikki käsittely tapahtuu paikallisesti, eikä API-kutsuja ulkoisille palvelimille tarvita.

Paikallinen Qwen 3.5 -malli pyörii yksittäisellä RTX 3090 -näytönohjaimella 29-35 tokenin sekuntinopeudella. Ei yhtä nopeaa kuin pilvipalvelu, mutta arkaluonteiselle datalle se riittää hyvin. Henkilötiedot, potilastiedot, liikesalaisuudet -- näitä ei tarvitse lähettää kenellekään. Olemme käsitelleet paikallisten mallien käyttöönottoa aiemmin.

Claude Code vaatii Anthropicin palvelimia. Cursor lähettää dataa pilveen. Hermes on ainoa näistä kolmesta, joka toimii kokonaan offline.

Docker-hiekkalaatikko tarjoaa lisäturvaa: --cap-drop ALL, --security-opt no-new-privileges, --pids-limit 256. Mutta yksi varoitus: Docker-kontti ajaa kaiken root-käyttäjänä, koska USER-direktiivi puuttuu vielä. Ongelma on tiedostettu GitHubissa.

Linux, macOS tai WSL2. Ainoa pakollinen riippuvuus on Git -- asennusskripti hoitaa kaiken muun: Pythonin, Node.js:n, riippuvuudet ja hermes-komennon.