Hermes Agent från Nous Research: självförbättrande AI-minnesloop
Nous Research har släppt Hermes Agent, ett kostnadsfritt autonomt AI-ramverk med MIT-licens som bygger på en sluten inlärningsloop. När Hermes slutför en uppgift omvandlar den lösningen till en återanvändbar Markdown “skill”, lagrar resultat i bestående minne och uppdaterar framtida beteende—vilket syftar till att minska det vanliga problemet att agenter ”glömmer” mellan sessioner.
Huvudpunkter:
- Lansering: februari 2026; nådde snabbt 22 000 stjärnor på GitHub och 242 bidragsgivare.
- Bestående minne: sträcker sig över sessioner, plattformar och enheter; inkluderar skanning för prompt-injektion och användarprofilering över tid.
- Auto-skills och låg uppsättning: installation med ett kommando, ingen manuell YAML/konfiguration.
- Migrering: "hermes claw migrate" kan importera Openclaw-skills, minnen och inställningar på minuter.
- Modell- och verktygsstöd: fungerar med 200+ modeller via Nous Portal/Openrouter/OpenAI-kompatibla endpoints och lokalt Ollama, plus 40+ inbyggda verktyg (terminal/fil/webbläsare/kod/bild/schemaläggning).
- Säkerhetshärdning: v0.5 lade till åtgärder som godkännande av kommandon, blockering av farliga mönster, minnesskanning för injektioner och fixar (inklusive en LiteLLM-uppgifts exponering av referenser). Inga större offentliga intrångsrapporter anges.
Hur det förhåller sig till Openclaw:
- Openclaw fokuserar på multikanalsorkestrering och verktygsbredd över chattappar.
- Hermes riktar in sig på inlärningslagret—bestående minne, auto-genererade skills och långsiktiga uppgifter.
För kryptohandlare är den praktiska slutsatsen ekosystemautomation: Hermes-liknande agenter kan öka användningen av autonoma forsknings- och exekveringsarbetsflöden, vilket potentiellt minskar manuellt arbete samtidigt som behovet av rigorösa säkerhets- och godkännandeprocesser ökar.
Neutral
Meddelandet handlar i huvudsak om att Nous Research lanserat Hermes Agent: fokus på "självförbättrande bestående minne + automatisk färdighetsgenerering + säkerhetsförstärkning". Det berör inte direkt priser på kryptotillgångar, börsers likviditet eller makropolitiska åtgärder, så den direkta prispåverkande effekten på marknadsstabiliteten är begränsad och bedöms som neutral.
På kort sikt är det mer sannolikt att det påverkar handelsmarknadens stämning kring "förväntad effektivitet": om handlare eller institutioner använder Hermes för att automatisera forskning, strategitester, verkställande och övervakning kan det öka automatiseringsgraden hos vissa aktörer, men det kräver vanligtvis integration med befintlig infrastruktur (plånböcker, handelsrutning, riskkontroll och godkännanden) och implementeringstiderna varierar.
På lång sikt kan spridningen av sådana agenter med kontinuerligt lärande/bestående minne driva på att "agentbaserade arbetsflöden" blir en vanligare infrastrukturform (liknande den snabba expansionen av öppna agentplattformar tidigare). Samtidigt förstärker autonoma system behovet av nyckelhantering, skydd mot promptinjektion och kommandogodkännandemekanismer; om branschens säkerhetsbästa praxis följer efter kan riskpremien istället minska; om missbruk eller säkerhetshändelser uppstår kan det leda till lokal minskad riskaptit.
Sammanfattningsvis är detta en utveckling i den kryptohandelsrelaterade teknologistacken, men det är ännu inte tillräckligt för att ensamt driva riktningen för BTC eller större mynt, varför effekten bedöms som neutral.