Parla con Hermes dal tuo telefono
Hai già chiacchierato con Hermes Agent dal tuo telefono usando il testo. Ora vuoi parlarci direttamente e ricevere risposte vocali. Questa è solitamente la mossa giusta, soprattutto se utilizzi già Hermes come assistente self-hosted persistente. Digitare prompt lunghi su uno schermo piccolo è lento e soggetto a errori.
Controlla il carico Kanban di Hermes sul tuo LLM self-hosted.
L’agente Hermes include una board in stile Kanban e il Hermes Gateway che possono saturare il tuo LLM auto-ospitato se troppi task vengono avviati contemporaneamente.
Autore Hermes: abilità che si caricano rapidamente e funzionano in modo affidabile
Hermes Agent tratta le skills come il metodo predefinito per insegnare flussi di lavoro ripetibili. La documentazione ufficiale le descrive come documenti di conoscenza on-demand allineati alla specifica aperta agentskills.io, caricati tramite progressive disclosure in modo che il modello veda prima un indice ridotto e richieda le istruzioni complete solo quando un task ne ha effettivamente bisogno.
Comandi shell e TUI per l'agente Hermes auto-ospitato.
L’agente Hermes di Nous Research è un assistente che utilizza strumenti, agnostico rispetto al modello, che puoi eseguire localmente o su un VPS, dalla shell, da un’interfaccia TUI a schermo intero o da un gateway di messaggistica.
Esegui OpenClaw in modo sicuro con NemoClaw
La maggior parte degli stack per agenti AI tratta ancora la sicurezza come una correzione da applicare dopo la dimostrazione. NemoClaw parte dall’assunzione opposta e rende isolamento, policy e routing le impostazioni predefinite fin dal primo giorno.
La policy di acquisizione conta ora quanto il recall.
Aggiornato a settembre 2026: aggiunti Mnemosyne e Memori, ampliata la configurazione di Honcho e Hindsight, e aggiunta una tabella di confronto delle policy di acquisizione accanto alla tabella infrastrutturale originale.
Conoscenza persistente al di là di un singolo thread di chat.
Questa sezione raccoglie guide su conoscenza e memoria persistente per i sistemi AI — come gli assistenti conservano fatti, preferenze e contesto sintetizzato tra le sessioni senza affollare ogni singolo token in un unico prompt. Qui, “memoria” significa ritenzione intenzionale (fatti sugli utenti, riassunti, archivi gestiti da plugin), non la RAM della GPU o i pesi del modello.
La memoria è la differenza tra uno strumento e un partner.
Lo sai già. Apri una chat con un agente AI, spieghi il tuo progetto, condividi le tue preferenze, completi un po’ di lavoro e chiudi la scheda. Rientri la settimana successiva ed è come parlare con uno sconosciuto: tutto il contesto è sparito, ogni preferenza è stata dimenticata, il progetto va spiegato di nuovo da capo.
OpenClaw è cresciuta rapidamente. Poi è scomparsa ancora più velocemente.
OpenClaw non ha fallito come prodotto. Ha perso il suo combustibile.
Configurazioni Hermes orientate al profilo per carichi di lavoro impegnativi
L’assistente AI Hermes, documentato ufficialmente come Hermes Agent, non è posizionato come un semplice wrapper per le chat.
Le competenze da conservare e quelle da saltare
OpenClaw ha due storie di estensioni, ed è facile confonderle.
Le plugin estendono il runtime. Le competenze (skills) estendono il comportamento dell’agente.
Prima i plugin. Nomenclatura delle competenze in breve.
Questo articolo riguarda i plugin OpenClaw — pacchetti gateway nativi che aggiungono canali, fornitori di modelli, strumenti, voce, memoria, media, ricerca web e altre superfici runtime.
Come sono strutturati realmente i sistemi OpenClaw
OpenClaw sembra semplice nelle dimostrazioni. In produzione, diventa un sistema.
Gli abbonamenti a Claude non alimentano più gli agenti
La falla silenziosa che ha alimentato un’onda di sperimentazione con gli agenti è ora chiusa.
Installazione e avvio rapido di Hermes Agent per gli sviluppatori
Hermes Agent è un assistente AI self-hosted e indipendente dal modello che funziona su una macchina locale o su un VPS a basso costo, opera attraverso interfacce terminali e di messaggistica e migliora nel tempo trasformando i compiti ripetitivi in abilità riutilizzabili.
La maggior parte delle configurazioni di AI locali parte da un modello e da un runtime.
