Hermes Agent — ИИ-агент с локальным управлением, который умеет запускать код, работать с файлами, вызывать внешние инструменты через MCP и вести долгосрочную память между сессиями. До версии v0.15.2 десктопного клиента для Windows не существовало: пользователи работали через терминал WSL командой hermes chat. Новый установщик на Electron закрыл этот пробел и добавил графический интерфейс с тринадцатью разделами настроек.
Самое дорогостоящее по умолчанию — раздел Model. Hermes поддерживает вспомогательные задачи (auxiliary tasks): vision, web_extract, compression, skills_hub, approval, mcp, title_generation, session_search, curator. По умолчанию все они назначены на provider: auto, что на практике означает откат на основную модель. Если основная модель — kimi-k2.5 или аналогичная с триллионом параметров, то генерация заголовков чата и поиск по истории сессий обходятся в сотни лишних токенов за каждый запрос. Решение — явно прописать каждой задаче свою модель: тяжёлые задачи вроде web_extract и compression оставить на мощной модели с большим контекстом, а короткие операции (title_generation, session_search, approval) отдать лёгкой модели на 7–8 миллиардов параметров.
| Задача | Назначенная модель | Обоснование |
|---|---|---|
| Vision | qwen3-vl:235b-instruct | Визуальная модель для анализа скриншотов и изображений |
| Web Extract, Compression | kimi-k2.5 | Суммаризация и сжатие контекста — нужен большой контекст и качество |
| Skills Hub, Approval, MCP, Title Gen, Session Search | rnj-1:8b | Короткие задачи — лёгкая модель на 8 млрд параметров |
| Curator | kimi-k2.5 | Фильтрация ответов требует точности |
В GUI обнаружился баг: задача session_search отсутствует в списке auxiliary tasks на стороне Electron-фронтенда. При попытке назначить ей модель через кнопку «Change» интерфейс возвращает ошибку 400 с текстом «unknown auxiliary task: session_search». Задача существует в CLI и в config.yaml, но фронтенд о ней не знает. Обходной путь — две команды в терминале: hermes config set auxiliary.session_search.provider и hermes config set auxiliary.session_search.model. После перезапуска десктопного клиента задача работает корректно, однако интерфейс по-прежнему показывает значение auto — изменения из конфига в UI не отражаются.
Вспомогательные задачи по умолчанию висят на основной модели (триллион параметров), что расточительно — их стоит раздать лёгким моделям.
Раздел Workspace решает проблему, с которой сталкиваются пользователи Windows при запуске Python-скриптов с GPU-ускорением. По умолчанию агент не наследует переменные окружения хост-системы, поэтому не видит ни Python, ни pip, ни nvidia-smi. Добавление PATH и CUDA_PATH в поле Environment Passthrough устраняет необходимость прописывать абсолютные пути вручную при каждом запуске. Настройка Persistent Shell: On дополняет это: терминал агента сохраняет состояние между командами, так что смена директории в одной команде сохраняется для следующей.
Раздел Safety содержит несколько настроек, которые стоит проверить до начала реальной работы. Approval Mode: Manual заставляет агента запрашивать подтверждение перед каждой потенциально опасной командой. Таймаут подтверждения в 120 секунд (вместо дефолтных 60) даёт запас времени при кратком отходе от компьютера — иначе команда автоотменяется. Redact Secrets: On автоматически скрывает API-ключи, пароли и токены из контекста перед отправкой в модель, что актуально при работе с проектами, где секреты могут попасть в историю чата. File Checkpoints лучше включить тем, кто не использует Git: агент будет делать резервные копии файлов перед редактированием.
Раздел Memory & Context управляет долгосрочной памятью агента. Persistent Memory: On означает, что факты из разговора сохраняются между сессиями — не как история чата, а как извлечённые структурированные данные в базе. Технически это реализовано через Skills Hub — внутренний репозиторий процедурных знаний агента. User Profile: On позволяет агенту накапливать предпочтения пользователя по формату ответов и стилю общения. Memory Budget задаёт лимит токенов, выделяемых на подгрузку памяти в контекст каждой сессии — автор установил значение 2200.
