Takmac OpenClaw-a stiže! Hermes Agent probio 90.2k zvezdica — uz detaljno uputstvo.

Chenmo Wang Er1925 reči6 minuta

Pre dve nedelje sam na manjem nalogu objavio tutorijal sa testom Hermes Agent-a. Tada je broj zvezdica bio tek preko 40 hiljada, ali danas vidim — 90.2k.

Za dve nedelje porastao je za 50k zvezdica — ova brzina rasta je veća od svih mojih otvorenih projekata zajedno (u eri AI-a sve se menja, brzina rasta zvezdica je zaista velika).

Brzo da i mene ponekad obuzme čežnja.

Kako ublažiti brigu — jedino prihvatanjem, jedino prihvatanjem~~

Moj tadašnji utisak bio je: Hermes je prilično dobar, ali dužina konteksta je ozbiljno nedovoljna i često zahteva kompresiju.

Navodno je najnovija verzija Hermes-a optimizovala baš ovaj problem.

U današnjem članku povediću vas kroz dublje iskustvo — gde Hermes zaista briljuje i šta mi koji tražimo posao možemo naučiti od Hermes Agent-a, kako bismo lakše dobili bolju ponudu za posao.

Mnogi intervjui danas pitaju o sadržaju vezanom za AI Agent — Hermes-ova kompresija konteksta, memorija, mehanizam dodataka, IM terminal, proaktivni Skill — sve su to zanimljive teme.

Vežite sigurnosne pojaseve, idemoooo~

01. Kako Hermes vrši kompresiju konteksta?

Najnovija verzija Hermes Agent-a ima upravljanje kontekstom podeljeno u dva nivoa odbrane.

Prvi nivo je Gateway nivo, u gateway/run.py, sa pragom postavljenim na 85% prozora konteksta. Ovaj nivo radi prosto i direktno — sprečava da preveliki kontekst dovede do direktne greške API-ja.

Ne radi preciznu kompresiju, samo osigurava da zahtev može da se pošalje.

Drugi nivo je ContextCompressor, u agent/context_compressor.py, koji se podrazumevano uključuje na 50%.

Na primer, ako koristite Claude-ov kontekst od 200K, ContextCompressor će se pokrenuti oko 100K tokena. On će izdvojiti 20K tokena za zaštitu najnovijih poruka, čime se osigurava da najnoviji razgovor između vas i Hermes-a ne bude izbačen.

Čitava kompresija se odvija u četiri faze.

Faza 1: Odsecanje izlaza alata. Rezultati alata duži od 200 znakova se zamenjuju čuvarima mesta. Ovaj korak ne zahteva pozivanje velikog modela, čista obrada teksta, brza.

Faza 2: Određivanje zaštićene zone. Sistem štiti prvih 3 poruke (obično sistemski prompt i prvi krug razgovora) i poslednjih 20 poruka (vaša najnovija interakcija), dok se srednji deo označava kao "zona za kompresiju".

Ovde postoji lep detalj: održava se parnost tool_call i tool_result, tako da ne dolazi do situacije da postoji poziv bez rezultata.

Faza 3: Generisanje strukturiranog rezimea. Ovo je ključno. Ranije se prosto brisalo, a sada se poziva pomoćni model za generisanje rezimea.

Rezime nije jednostavno "šta smo ranije razgovarali", već prati fiksni šablon koji obuhvata cilj, napredak, ključne odluke, obuhvaćene datoteke i sledeće korake — pet dimenzija. Tokenski budžet za rezime je dinamičan, izračunat kao 20% sadržaja koji se kompresuje, sa granicama između 2K i 12K.

Faza 4: Sklapanje poruka. Glava zaštićene zone, generisani rezime i rep zaštićene zone se ponovo spajaju, a istovremeno se čiste "siročići" poziva alata koji su nastali kompresijom.

Najvažnija poboljšanja su: naknadne kompresije ažuriraju postojeći rezime, umesto da ga iznova generišu.

To znači da informacije neće biti izgubljene usled višestrukih kompresija.

02. Hermes je dodao komandu /compress

Nova verzija je dodala veoma praktičnu funkciju: komandu /compress <focus>.

Ranije je kompresija bila potpuno automatski pokretana od strane sistema, bez ikakve kontrole sa naše strane. Sada možemo aktivno da kompresujemo, i to uz specificiranje teme fokusa.

Na primer, ako ste sa Hermes-om dugo razgovarali o optimizaciji baze podataka, uz povremeno ćaskanje i druge zadatke, možete uneti /compress optimizacija baze podataka i on će prilikom kompresije zadržati kontekst vezan za optimizaciju baze, a prioritetno kompresovati one koji se ne odnose na to.

Ovakav pristup dizajnu je odličan — daje nam sposobnost "selektivnog zaboravljanja": kažete Hermes-u šta je važno i on će to zapamtiti.

03. Hermes-ov priključivi motor konteksta

v0.9.0 je upravljanje kontekstom pretvorio u priključivi slot.

Možemo putem hermes plugins da prebacujemo između različitih motora konteksta, čak i da napišemo sopstveni.

Podrazumevano se koristi ugrađeni ContextCompressor, ali ako imate poseban scenario — na primer, analizu pravnih dokumenata gde je potrebno zadržati sve referenci na klauzule bez kompresije — možete napisati prilagođeni motor konteksta koji kompresuje samo sadržaj koji nije klauzula.

Dodaci se nalaze u direktorijumu plugins/context_engine/<name>/ i moraju da naslede apstraktnu osnovnu klasu ContextEngine.

Za scenarije nivoa preduzeća, ovo proširenje je od velike vrednosti.

Ako radite sistem korisničke podrške, možda želite da uvek zadržite informacije o korisničkim narudžbinama bez kompresije; ako radite pregled koda, možda želite da zadržite sve zapise o izmenama datoteka. Različiti scenariji imaju potpuno različite potrebe za "šta kompresovati, a šta ne".

04. Ažuriranje Hermes Agent-a

Ako ste ranije instalirali Hermes, ažuriranje na v0.9.0 je veoma jednostavno.

Pokrenite Codex i unesite:

Ažuriraj mi Hermes Agent na najnoviju verziju
hermes update

Automatski će povući najnoviji kod i obraditi ažuriranja zavisnosti.

Ako je sveža instalacija, proces je isti kao i ranije:

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Instalaciona skripta će automatski detektovati vaš operativni sistem i srediti sve zavisnosti — Python 3.11, Node.js, Git.

Nakon instalacije pokrenite hermes step da uđete u čarobnjak za konfiguraciju.

Ako ste ranije instalirali OpenClaw, konfiguracija se može direktno migrirati — štedi dosta muke.

Kada vidite ovaj interfejs, znači da konfiguracija nije u redu.

05. Konfiguracija GLM-5.1 za Hermes Agent

Konfiguraciona datoteka Hermes-a nalazi se u direktorijumu ~/.hermes/.

Prvo, izbor tipa gateway-a — obično je dovoljno izabrati local i pokrenuti lokalno. Ako imate potrebu za udaljenim serverom, možete izabrati ssh ili docker.

Dodavanjem API_SERVER_ENABLED=true u konfiguracionu datoteku, možete putem http://127.0.0.1:8642/health proveriti status servisa — posebno zgodno pri debagovanju.

Za konfiguraciju modela koristim GLM — samo izmenite API ključ u konfiguracionoj datoteci.

Ali ovde postoji zamka u koju sam već ranije upao: ako je API ključ istekao, Hermes-ova poruka o grešci nije dovoljno jasna.

Tada sam se mučio prilično dugo, i na kraju bacio problem na Codex koji ga je rešio.

Ponovo pokrenite hermes da uđete u glavni interfejs, pošaljite bilo koju poruku za test — ako dobijete odgovor, sve je u redu.

06. Konfiguracija sistema memorije u Hermes-u

Hermes-ova memorija je podeljena u dva nivoa — razumevanje ovoga je važno za one koji traže posao u oblasti AI Agenta.

Ugrađena memorija je podrazumevano uključena. Sadrži samo dve datoteke: MEMORY.md čuva informacije o vašem okruženju, iskustvu sa projektima i zapisima o korišćenju alata, dok USER.md čuva vaše lične preferencije i navike u komunikaciji.

Pri svakom pokretanju nove sesije, ove dve datoteke se ubacuju u sistemski prompt.

Ovaj dizajn je veoma sličan CLAUDE.md-u u Claude Code-u, ali Hermes ga automatski održava — ne morate ručno da ga editujete.

Vremenom, što ga više koristite, to on vas bolje upoznaje.

Spoljna memorija je opciono pojačanje; u isto vreme može biti aktivan samo jedan provider. Podržava honcho, mem0, hindsight i slično — može se shvatiti kao spolja attaches baza memorije za Hermes.

Za većinu scenarija, ugrađena memorija je dovoljna.

Osim ako nemate potrebu za deljenjem memorije između više projekata ili više mašina, nemojte se zamarati spoljnom memorijom — konfiguracija je kompleksna, a korist mala.

07. Povezivanje Hermes-a sa Feishu-om (brza verzija)

Integraciju sa Feishu-om sam već opisao u detaljnom tutorijalu prošli put, pa ću sada izdvojiti samo ključno i dopuniti zamke o kojima ranije nisam govorio.

Prvo proverite da li je Gateway uključen:

hermes gateway status

Idite na Feishu Open Platform i kreirajte aplikaciju, dodajte mogućnost robota. U dozvolama dodajte barem im:message i im:resource.

U datoteci .env konfigurišite ID i Secret Feishu aplikacije:

FEISHU_APP_ID=cli_xxx
FEISHU_APP_SECRET=secret_xxx
FEISHU_DOMAIN=feishu
FEISHU_CONNECTION_MODE=websocket

Ponovo pokrenite Gateway:

hermes gateway restart

U Feishu kontrolnoj tabli proverite status veze.

U pretplatama na događaje omogućite im.message.receive_v1, a u konfiguraciji povratnog poziva omogućite card.action.trigger.

Podsećam na dve zamke iz prošlog puta: Prvo, u .env morate dodati GATEWAY_ALLOW_ALL_USERS=true, inače robot neće odgovarati na primljene poruke. Drugo, u Feishu dozvolama obavezno označite opciju "Čitanje poruka koje korisnik pošalje robotu u privatnom razgovoru", jer ćete u suprotnom naići na situaciju "poruka poslata, ali bez odgovora" kao ja prošli put.

Nakon što ih omogućite, sve radi normalno.

v0.9.0 je dodao podršku za WeChat i WeChat Work, pa sada i oni mogu da se integrišu — o tome ću deliti kasnije.

08. Praktičan primer sa Hermes-om

Toliko o priči — vreme je da vidimo stvarne rezultate.

Prošli put sam koristio Hermes da odgovaram na pitanja članova u zajednici i rezultati su bili prilično dobri, ali problem kompresije konteksta me je smarao.

Ovaj put se v0.9.0 fokusirao na optimizaciju kompresije, pa ćemo izabrati pitanje člana koje zahteva duži kontekst za test.

Prvo, osigurajmo da Hermes ima instaliran Skill web-access, kako bi mogao da se poveže sa mrežom.

Prompt: Ovaj Skills https://github.com/eze-is/web-access će ti dati sposobnost povezivanja sa mrežom.

Instalacija je brza — gotovo trenutna.

Zatim tražim od Hermes-a da odgovori na pitanje člana u zajednici:

Idi na zajednicu: i odgovori na sadržaj u objavi pod oznakom [Pitanje člana] koja se odnosi na [razvoj agenta].

Kvalitet odgovora je zaista dobar.

Za razvoj Agent aplikacija, Transformer i LoRA ne morate duboko da učite.

Već ste naučili RAG, LangChain, Spring AI, LangGraph4j — to su ključne sposobnosti za razvoj Agenta. Na intervjuima, kada pitaju o osnovama modela, to je uglavnom provera širine vašeg znanja, a ne traženje da izvodite formule. Dovoljno je da razumete osnovne koncepte kao što su mehanizam pažnje, tokenizacija i fino podešavanje — ne morate se mučiti sa detaljima algoritama.

Preporučeni prioritet učenja:

Prvo dobro ovladajte optimizacijom pretrage u RAG-u (hibridna pretraga, re-ranking, strategije podeljenog chunk-a)
Orkestracija Agenta (pozivanje više alata, dizajn toka rada, obrada grešaka)
Prompt Engineering (strukturirani promptovi, Few-shot, CoT)
Osnovni koncepti modela (dovoljno je znati šta su Transformer, LoRA, kvantizacija)

Nemojte skrenuti sa pravog puta. Pozicije za razvoj Agenta cene sposobnost inženjerske implementacije, a ne sposobnost izvođenja formula iz radova. Temeljno savladavanje projekata Pai Pametan i PaiFlow je mnogo korisnije nego čitanje rada o Transformeru.

Ovaj put se zaista nije ponovio problem kompresije konteksta.

Ali pojavio se novi problem — stalno terminal: "TARGET="B5, nije jasno šta zapravo radi.

ending

Prednost OpenClaw-a je u zrelosti ekosistema — posle svega aktivan je već dva meseca.

Prednost Hermes-a je u sposobnosti samostalne evolucije i upravljanju kontekstom. On vaše navike rada i uobičajene procese pretvara u Skills — što više koristite, to postaje zgodniji.

Nova verzija Hermes-a je dodala lokalni Web Dashboard. Sada možete u pregledaču upravljati konfiguracijom Hermes-a, bez potrebe da svaki put menjate datoteke u komandnoj liniji. Za one koji nisu vični radu u terminalu, ova funkcija snižava prag korišćenja.

Možete izvršiti hermes dashboard u Codex-u ili Claude Code-u.

Problem kompresije konteksta možemo reći da muči čitav Agent ekosistem, ne samo Hermes.

U suštini, to je protivrečnost između konačnog prozora konteksta velikog modela i neograničenih potreba korisnika za razgovorom. Hermeso-va četvorofazna kompresija nije savršena i mora se nastaviti razvijati.

[Nije problem ako alat nije savršen — ključno je da se poboljšava, i to dovoljno brzo.]

Za pitanja se javite u komentarima — odgovaram na sve koje vidim.