Hermes Agent TAM KILAVUZ: Mimari, Kurulum ve Kendi Kendini Geliştiren Döngü

Yeni bir AI araç kategorisi sessiz sedasız şekilleniyor: açıp kapadığınız bir sohbet penceresinde yaşamayan, aksine bulutta sürekli çalışan ve sizinle bir mesajlaşma uygulaması üzerinden konuşan, hiç çıkış yapmayan bir iş arkadaşı gibi.

Hermes, bu fikrin en ilginç uygulamalarından biri ve onu OpenClaw gibi benzer ajanlardan ayıran şey, yerleşik bir kendini geliştirme döngüsüne sahip olması – konuşmalarınızı izleyen, bunlardan faydalı kalıplar çıkaran ve bu kalıpları kendi hafızasında ve beceri setinde kalıcı yükseltmelere dönüştüren bir sistem.

Bu yazı, Hermes'in nasıl yapılandırıldığını, nasıl yapılandırılacağını ve bu kendini geliştirme döngüsünün perde arkasında nasıl çalıştığını adım adım anlatıyor.

Hermes nedir ve OpenClaw'dan farkı

Hermes, bulutta çalışan bir AI ajanıdır ve yapısal olarak OpenClaw'a benzer: 7/24 çalışır ve onunla bir terminal veya tarayıcı sekmesi yerine bir mesajlaşma uygulaması üzerinden etkileşime girersiniz.

Anlamlı farklar üç başlıkta toplanır.

Birincisi, Hermes kutudan çıktığında çok daha geniş bir yerleşik beceri kütüphanesiyle gelir, bu nedenle entegrasyonları kendiniz kurmak için daha az zaman harcarsınız.

İkincisi, kurulum süreci oldukça akıcıdır – rehberli bir TUI neredeyse her şeyi halleder.

Üçüncüsü ve en önemlisi, Hermes sürekli kendini geliştirme etrafında tasarlanmıştır: sadece görevleri yerine getirmekle kalmaz, zaman içinde bunları daha iyi nasıl yapacağına dair prosedürel bilgi biriktirir.

Kurulum ve İlk Yapılandırma

Hermes'i çalıştırmak tek bir komutla mümkün.

Windows'ta bunu PowerShell'de çalıştırırsınız:

iex (irm

https://hermes-agent.nousresearch.com/install.ps1

Linux, macOS veya WSL'de karşılığı ise:

curl -fsSL

https://hermes-agent.nousresearch.com/install.sh | bash

Kurulum tamamlandıktan sonra terminali yeniden başlatıp hermes setup komutunu çalıştırmak, model seçimi, terminal arka ucu, mesajlaşma ağ geçidi ve araç kurulumunu sırayla yönlendiren rehberli bir yapılandırma akışı başlatır.

Model Seçimi ve Yönlendirme

Kurulumdaki ilk gerçek karar, ajanın "beynini" hangi LLM sağlayıcısının güçlendireceğidir. Kimlik doğrulama, ham API anahtarları yerine OAuth ile yapılır; bu, ayrı bir API anahtarı oluşturmak yerine mevcut bir Claude Code veya Codex CLI oturumu üzerinden giriş yapma olanağına kadar uzanır.

Burada gerçekten iyi tasarlanmış olan şey, Hermes'in ana konuşmanız için kullanılan modeli, arka plan ve yardımcı görevler için kullanılan modellerden ayırmasıdır. Varsayılan olarak aynı model her ikisini de halleder, ancak her bir yardımcı görev bağımsız olarak farklı bir sağlayıcıya yönlendirilebilir.

Bu tür geçersiz kılmayı destekleyen görevler şunlardır:

• vision – görüntü analizi ve açıklaması
• web_extract – uzun web sayfalarını özetleme
• compression – taşan konuşma bağlamını sıkıştırma
• title_generation – oturum başlıkları oluşturma
• curator – kendini geliştirme döngüsünden sorumlu arka plan ajanı
• kanban_decomposer – Kanban modunda büyük görevleri alt görevlere ayırma
• goal_judge – bir /goal hedefinin gerçekten başarılıp başarılmadığını kontrol eden ajan

Bu, doğrudan config.yaml dosyasında yapılandırılır, örneğin:

1# Sohbet ve karmaşık akıl yürütme için birincil model
2model:
3  provider: "anthropic"
4  default: "claude-4-8-sonnet"
5  auxiliary:
6    vision:
7      provider: "gemini"
8      model: "gemini-2.5-flash"
9    compression:
10      provider: "custom"
11      base_url: "http://localhost:11434/v1"
12      api_key: "none"
13      model: "qwen2.5:32b"

Bu tür açık yönlendirme, OpenRouter'ı varsayılan seçenek olarak kullanmanın gerçek bir sorununu çözer: Aynı nominal model genellikle birçok farklı sağlayıcı tarafından, çoğunlukla farklı nicelemelerde dağıtılır ve OpenRouter her yeni isteği sessizce yaklaşık yirmi farklı sağlayıcı arasında karıştırır.

Bunun pratik etkisi, tek bir oturum içinde tutarlı bir modelle konuşmuyor olmanızdır – farklı şekilde yapılandırılmış, bazıları araç çağrılarını ve komut şablonlarını diğerlerinden daha güvenilir şekilde işleyen, dönen bir oyuncu kadrosuyla konuşuyorsunuzdur. Hermes içinde manuel yönlendirme, bundan tamamen kaçınır.

Ayrıca şunu da belirtmek gerekir ki, kodlama kalitesinden ödün vermeden konuşma modelinde tasarruf etmek isterseniz, Hermes, kodlama görevlerini yapılandırılmış sohbet modeliyle halletmek yerine doğrudan bu CLI araçlarına devreden /claude_code ve /codex komutlarını destekler.

Terminal Arka Uçları

Mimarinin temel bir parçası, Terminal Arka Uç Ortamı'dır; bu, kabuk komutlarının ve Python betiklerinin tam olarak nerede ve nasıl yürütüleceğini ve ajanın dosya sisteminize nasıl dokunacağını belirler. Hermes beş farklı seçeneği destekler.

Local varsayılandır. Komutlar, kullanıcı hesabınızla aynı izinlerle doğrudan makinenizde çalışır – hiçbir yalıtım yoktur. Ajanın gerçek proje dosyalarınızı düzenlemesini istediğiniz yerel geliştirme ve güvenilir kişisel kullanım için doğru seçimdir.

Buradaki güvenlik, tamamen yıkıcı komutları (bir rm -rf /, bir DROP TABLE) engelleyen ve çalıştırmadan önce açık izin isteyen yerleşik bir onay sistemine dayanır.

Docker, ajanı yalıtılmış bir sanal alan içinde çalıştırır, böylece ana sisteminize dokunamaz. SSH, ajanın komutları yürütmesini ve dosyalarla uzak bir bağlantı üzerinden uzak bir sunucuda çalışmasını sağlar. Modal, her şeyi sunucusuz bulut sanal alanlarında çalıştırır – saniye başına bilgi işlem kiralarsınız, yalnızca kodunuzun çalıştığı gerçek saniyeler için ödeme yaparsınız.

Daytona, AI kodlama ajanları için özel olarak oluşturulmuş bir konteyner yönetim katmanıdır; doğrudan Docker çalıştırmaktan daha hızlıdır ve ortam kurulumu ile bağımlılık yüklemeyi otomatik olarak halleder.

Çoğu kişisel kullanım senaryosu için Local gerçekten yeterlidir – diğer seçenekler yalnızca güvenilmeyen kod çalıştırıyorsanız veya ekip ölçeğinde çalışıyorsanız önem kazanır.

Mesajlaşma Ağ Geçidi ve Araç Yapılandırması

Terminal arka ucundan sonra kurulum, ajanla gerçekten nerede konuşacağınızı seçmeye geçer – Telegram en cilalı seçenektir. Bunu seçmek, önceden yapılandırılmış bir bot başlatan doğrudan bir bağlantı verir; manuel bot-token kurulumu gerektirmez.

Kurulumun geri kalanı, bireysel araçları ve bunların ilgili sağlayıcılarını etkinleştirmeyi içerir – tarayıcı otomasyonu, görüntü oluşturma, metinden konuşmaya ve web arama. Web arama için özel olarak, kendi kendine barındırılan Firecrawl veya Exa, ajan odaklı kazıma ve erişim için güçlü seçenekler olarak öne çıkar.

X arama, etkinleştirmek için bir Grok aboneliği gerektirir; bunu menüde aramaya başlamadan önce bilmekte fayda var.

Bilinmesi Gereken Eğik Çizgi Komutları

Hermes, çoğu adıyla kendini açıklayan uzun bir eğik çizgi komutları listesiyle gelir, ancak birkaç tanesini özellikle belirtmekte fayda var.

1. /background <komut> ana oturumunuzu kesintiye uğratmadan arka planda bir görev çalıştırır.
2. /goal ajanın kalıcı olarak üzerinde çalıştığı uzun vadeli bir hedef belirler; duraklatma, devam ettirme, temizleme veya durum kontrolü için alt komutları vardır.
3. /subgoal aktif bir hedefin altındaki daha küçük hedefleri yönetir.
4. /kanban birden fazla bağımsız ajan arasında asenkron, uzun süreli işleri düzenler – bir görev havuzunun işçi ajanlar arasında dağıtıldığı ve aralarında aktarılırken yapılacaklar, devam edenler ve tamamlananlar aşamalarından geçtiği gerçek bir Kanban panosu gibi çalışır.

Geliştirme tarafında /github_pr_workflow, CI dahil olmak üzere branch'ten merge'e kadar tüm döngüyü halleder, /github_code_review pull request'leri inceler ve /codebase_inspection bir deponun dil dağılımını ve satır sayılarını analiz eder. /dogfood, bir web uygulamasında hataları avlayan ve kanıta dayalı bir rapor üreten özel bir QA modudur. /spike, tam geliştirmeye geçmeden önce bir fikri doğrulamak için hızlı, tek kullanımlık bir deney çalıştırır ve /systematic_debugging, bir düzeltme denemeden önce temel nedeni anlayarak hataları dört aşamada çözer.

Ayrıca entegrasyona özel bir dizi komut vardır – /notion, /obsidian, /airtable, /google_workspace, /arxiv, /blogwatcher, /polymarket, /ocr_and_documents, /youtube_content – her biri belirli bir harici hizmeti veya iş akışını sarar, ayrıca küçük YAML yapılandırma dosyaları aracılığıyla birkaç mevcut beceriyi tek bir eğik çizgi komutu altında gruplayan /bundles.

Cron İşleri ve Webhook'lar

İki otomasyon temel öğesi özellikle dikkat çekicidir.

• Cron işleri, bir betiği bir zamanlayıcıda çalışacak şekilde zamanlamanızı sağlar; bir tane oluştururken -no-agent parametresini geçerseniz, Hermes düz bir Python veya bash betiği yürütür ve yalnızca çıktısını mesajlaşma uygulamanıza iletir, hiç LLM token'ı harcamaz.
• Webhook'lar daha güçlü olan parçadır: ajanın bir zamanlayıcı yerine harici olaylara tepki vermesini sağlarlar. Örneğin, yeni bir GitHub pull request'inin belirli bir komut ve beceri setine sahip bir ajanı otomatik olarak tetiklemesi için bir webhook yapılandırabilirsiniz – PR başına sıfır manuel müdahale ile hazır bir nöbetçi inceleme ajanı oluşturmak gibi.

Bağlam Motorları

Bağlam motoru, Hermes'in konuşma geçmişini modelin token sınırına yaklaştığında nasıl sıkıştırdığını ve yönettiğini belirler; iki seçenek vardır.

• Compressor adı verilen varsayılan seçenek, uzun bir konuşmanın orta kısmına kayıplı özetleme uygular.
• Alternatif olan LCM (Kayıpsız Bağlam Yönetimi), yapısal olarak farklı bir yaklaşım benimser: bir metin özeti üretmek yerine, konuşmanın kilit noktalarından oluşan yönlendirilmiş bir döngüsel olmayan grafik oluşturur ve ajanın yüksek seviyeli, yoğun şekilde sıkıştırılmış bir görünümden onu destekleyen belirli orijinal mesajlara kadar gezinmesini sağlar.

Bellek Motorları

Harici bellek sağlayıcıları, Hermes'in yerleşik yerel bellek dosyaları MEMORY.md ve USER.md'nin yanında çalışarak anlamsal arama ve bilgi grafikleri gibi yetenekler ekler.

Birkaç tanesi doğrudan kurulum TUI'si aracılığıyla yapılandırılabilir.

1. Honcho, arka plan LLM çağrıları kullanarak iki katman arasında gözlemleri sentezleyen ayrıntılı bir kullanıcı profili modellemesi etrafında inşa edilmiştir: oturum özetleri ve profillerinden oluşan bir temel katman ve kullanıcının mevcut ihtiyaçlarını analiz eden bir diyalektik katman.
2. OpenViking, dosya sistemi tarzı bir bilgi hiyerarşisi oluşturan, kademeli bağlam erişimini destekleyen ve her oturumun sonunda çıkarılan gerçekleri otomatik olarak altı kategoriye (olaylar, kalıplar, tercihler vb.) ayıran bir bağlam veritabanıdır.
3. Mem0, tamamen yönetilen bir bulut bellek hizmetidir; gerçek çıkarma sunucu tarafında LLM aracılığıyla yapılır ve anlamsal arama, sonuç yeniden sıralama ve otomatik yineleme giderme içerir, ancak bulut barındırmalı olduğu için buradaki tek sürekli maliyetli seçenektir.
4. Hindsight, GraphRAG tarzında bir bilgi grafiği üzerine inşa edilmiş daha gelişmiş bir uzun vadeli bellek sistemidir. Oturumlardan varlıklar çıkarır, aralarında ilişkiler kurar ve araç çağrıları da dahil olmak üzere tam konuşma turlarını korur; bellek dört kategoriye ayrılmıştır: dünya hakkında gerçekler, ajanın kendi deneyimi, görüşler ve gözlemler.
5. Holographic, harici bağımlılığı olmayan, yerel, SQLite tabanlı bir gerçek deposudur; depolanan gerçekler için bir güven puanlama sistemi ve cebirsel, bileşimsel sorguları desteklemek için Holographic Reduced Representations kullanımı ile bilgi tabanı içindeki çelişkileri otomatik olarak algılama yeteneği içerir.
6. RetainDB, ekip belleği için bir bulut API'sidir; vektör, BM25 ve yeniden sıralama yöntemleri arasında hibrit arama sunar, bellek yedi farklı türe ayrılmıştır ve depolamayı verimli tutmak için delta sıkıştırma kullanır.
7. ByteRover, bir CLI aracılığıyla erişilen taşınabilir, yerel bir bellek sistemidir; hiyerarşik bir bilgi ağacı oluşturur ve kayıplı sıkıştırmanın bunları bağlamdan düşürme şansı olmadan önce önemli gerçekleri çıkarır.
8. Supermemory, bir grafik API'si ile anlamsal uzun vadeli bellek sunar: bir konuşma sona erdikten sonra bilgi grafiğini oluşturmak için tam oturum günlüklerini alır, mevcut turlardan kaynaklanan kirlenmeyi önlemek için hatırlanan gerçekleri periyodik olarak temizler ve belleği ajan profili başına ayrı kaplara ayırabilir.

Günlük kullanım için, varsayılan yerel bellek çoğu insan için gerçekten yeterlidir – daha ağır sistemler, çoğu iş akışının henüz ihtiyaç duymadığı bir yetenek için gerçek kaynak maliyeti, özellikle yerel olarak barındırılan seçenekler için RAM takas eder.

Kendini Geliştirme Döngüsü

Bu, Hermes'i geleneksel bir ajandan en çok ayıran özelliktir: konuşmalarınızı sürekli olarak analiz eden, bunlardan faydalı kalıplar çıkaran ve bu kalıpları uzun vadeli belleğe ve prosedürel belleğe (becerilere) yazan – daha sonra birikmiş bilgiyi zamanla bozulmaması için koruyan – bir dizi asenkron arka plan işlemi. Tüm sistem ana sohbetinizle paralel olarak çalışır ve üç bileşenden oluşur: bir tetikleyici sistemi, bir arka plan inceleme ajanı ve bir düzenleyici (curator).

• Tetikleyici Sistemi

Hermes her mesajı gerçek zamanlı olarak analiz etmez, çünkü bu hiçbir fayda sağlamadan token harcamak olur. Bunun yerine, bir eşiği geçtiklerinde bir yansıma geçişini tetikleyen iki sayaca güvenir.

Bir bellek tetikleyicisi, her on kullanıcı komutunda bir ateşlenir ve konuşmada kaydetmeye değer yeni gerçeklerin ortaya çıkıp çıkmadığını kontrol eder.

Bir beceri tetikleyicisi, tek bir tur içinde her on araç çağrısı yinelemesinde bir ateşlenir; mantık şudur: ajan bu kadar adımı deneme yanılma yoluyla bir sorunu çözmek için harcadıysa, bu deneyim analiz edilmeye ve muhtemelen yeniden kullanılabilir bir beceriye dönüştürülmeye değerdir.

Sayaçlardan biri sınırına ulaştığında, dahili bir fonksiyon devreye girer ve mevcut konuşmanın bir anlık görüntüsünü bir arka plan inceleme sürecine aktarır.

• Arka Plan İnceleme Ajanı

Bu anlık görüntü, ana oturumunuzu kesintiye uğratmadan paralel olarak çalışan tamamen ayrı, yalıtılmış bir ajan sürecine gider. İki yönde çalışır.

1. Bildirimsel tarafta, yeni kullanıcı tercihleri veya ortam detayları fark ederse – Supabase tercihi, Python 3.12'ye sabitlenmiş bir proje – gerçeğin ait olduğu dosyaya bağlı olarak MEMORY.md veya USER.md'yi günceller.
2. Prosedürel tarafta, ajanın önemsiz olmayan bir sorunu çözdüğünü veya karmaşık bir süreç işlediğini tespit ederse, yeni bir beceri oluşturabilir, mevcut birini düzenleyebilir, hedefli bir yama uygulayabilir veya bir beceriyi tamamen silebilir. Oluşturduğu her beceri, kaynağının her zaman izlenebilir olması için ajan tarafından oluşturuldu olarak açıkça etiketlenir.

Düzenleyicinin (curator) sonunda bu kendi kendine oluşturulan becerilerden hangilerinin gerçekten saklanmaya değer olduğuna karar verebilmesi için Hermes, her beceri için şunları izleyen gizli bir kullanım günlüğü tutar: bir komuta kaç kez yüklendiği, ajanın onu okumak için kaç kez açtığı, kaç kez düzenlendiği ve oluşturma, son kullanım ve son düzenleme zaman damgaları.

• Düzenleyici (Curator)

Kontrol edilmezse, bu süreç sonunda yüzlerce beceri üretebilir; bazıları yedek, bazıları güncelliğini yitirmiş.

Düzenleyici, bu bilgi tabanının bozulmasını önlemek için vardır. Yalnızca iki koşul aynı anda sağlandığında çalışmaya başlar: son çalıştırmasından bu yana yeterli zaman geçmiş olması (varsayılan olarak yedi gün) ve ana ajanın yeterince uzun süredir boşta olması (varsayılan olarak iki saat), böylece ağır bir bakım geçişi aktif çalışmaya müdahale etmez.

Herhangi bir değişiklik yapmadan önce, tüm beceri dizinini otomatik olarak yedekler, böylece tatmin edici olmayan herhangi bir sonuç tek bir terminal komutuyla geri alınabilir.

Düzenleyicinin çalışması iki aşamada gerçekleşir:

• İlki tamamen mekaniktir ve hiçbir LLM çağrısı içermez: kullanım metriklerini kontrol eder, 30 günden uzun süredir kullanılmayan ajan tarafından oluşturulmuş herhangi bir beceriyi kullanımdan kaldırılmış olarak işaretler ve 90 günden uzun süredir kullanılmayan her şeyi bir arşiv klasörüne taşır. Önemli beceriler, bu süreçten korumak için açıkça sabitlenebilir.
• İkinci aşama, gerçek bir LLM incelemesidir; düzenleyicinin yardımcı görevi için yapılandırılmış modeli (varsayılan olarak ana konuşmayla aynı model, ancak daha ucuz bir modele yönlendirilebilir) kullanan ayrı, yalıtılmış bir ajan örneği aracılığıyla çalıştırılır. Burada çok ucuza kaçmaya dikkat etmek gerekir, çünkü bu kararların kalitesinin beceri kütüphanesi üzerinde gerçek bir aşağı yönlü etkisi vardır.

Düzenleyici, her beceri için şunlara karar verir: hala doğru ve kullanışlıysa olduğu gibi tutmak, hatalar veya güncel olmayan yöntemler içeriyorsa düzeltmek, büyük ölçüde aynı alanı kapsayan başka bir beceriyle birleştirmek (ilgili betikleri, değerlendirmeleri veya referans dosyalarını doğru şekilde taşıyarak ve bu süreçte göreli yolları yeniden yazarak) veya tamamen arşivlemek.

Döngünün sonunda, herhangi bir birleştirmeden sonra eski beceri adlarının yenilerine tam olarak nasıl eşlendiğini gösteren bir yeniden adlandırma haritası içeren ayrıntılı bir rapor üretir, böylece her kararın ardındaki mantık tamamen denetlenebilir olur.

Hermes'i İyi Kullanmak

Bu tür bulut ajanları, 7/24 çalıştırabileceğiniz herhangi bir süreç için – kodlama çalışması kayda değer bir istisnadır – gerçekten değerlidir, yeter ki bu süreci dikkatlice dijitalleştirmiş ve etrafında değerlendirmeler de dahil olmak üzere sağlam bir beceri oluşturmuş olun.

İyi sonuçlar verme eğiliminde olan iş akışı şuna benzer:

1. Mutlak başlangıçtan bitişe kadar süreci adım adım, tercihen bir dikte aracı kullanarak kendinizi ayrıntılı bir şekilde kaydederek başlayın – ve bu adım yalnızca süreci gerçekten anlıyorsanız veya düzgün bir şekilde araştırmışsanız işe yarar.
2. Bu kaydı veya notları alın ve bir ilk taslak üretmek için bir beceri oluşturma aracı kullanan bir kodlama ajanına besleyin; özellikle karmaşık bir şey için, devretmek için henüz yeterince iyi olmayacaktır.
3. Değerlendirmeler ekleyin – doğru bir sonucu temsil eden referans çözümler – çünkü bunlar, becerinin iyi performans gösterip göstermediğini tahmin etmek yerine gerçekten ölçmenizi sağlar.
4. Beceriyi bir test ortamında çalıştırın ve gözlemlerinize dayanarak hem değerlendirmeleri hem de beceri içeriğini iyileştirin; bu düzenlemenin çoğunu devretmek yerine elle yapın.
5. Ancak beceri tutarlı ve deterministik bir şekilde davranmaya başladığında, sürekli çalışan ajana devredilmelidir. Süreç bazı harici hizmetlere bağlıysa, sıfırdan bir tane oluşturmadan önce bu hizmeti kapsayan mevcut bir MCP sunucusu veya CLI olup olmadığını kontrol etmeye değer.

Daha geniş nokta, bu tür bir ajana devredebileceğiniz şeylerin kapsamının, esas olarak işi ne kadar iyi tanımlayabildiğinizle sınırlı olduğu, ajanın ham yeteneğiyle değil.

Kullanım durumları arasında geçerli görünen üç ilke vardır: kodlama çalışmasını denetimsiz 7/24 bulut ajana dış kaynak olarak vermeyin, ajanın gerçekte ne ürettiğini inceleyen bir insanı döngüde tutun ve beceri iyileştirmeyi bir kere yapıp bırakacağınız bir şey değil, devam eden bir çalışma olarak ele alın.

Bu faydalı olduysa – yer imlerine ekleyin. Geri dönmek isteyeceksiniz.

Bunun gibi daha fazla içerik için @ScottyBeamIO adresini takip edin

Gereksiz detay yok, sadece gerçekten işe yarayan şeyler.