Hermes AI-assistentvaardigheden voor echte productie-omgevingen

Hermes AI-assistent, officieel gedocumenteerd als Hermes Agent, is niet gepositioneerd als een simpele chat-wrapper.

Voor installatie, provider-setup, sandboxing van tools en gateway-configuratie, zie de Hermes AI Assistant handleiding. Dit artikel focust op de vaardigheden en profielarchitectuur die bepalen hoe Hermes zich gedraagt zodra het draait.

De officiële documentatie en het repository beschrijven een zelfverbeterende agent met een ingebouwd leerproces dat vaardigheden creëert op basis van ervaring, deze verbetert tijdens gebruik, kennis bewaart over sessies heen, en draait op alles van een goedkope VPS tot cloudsandboxes.

In april 2026 toont het openbare GitHub-repository ongeveer 94,6k sterren, 13,2k forks, en de laatste release getagged als v0.10.0 op 16 april 2026. Dat is genoeg activiteit om het project snelgroeiend, goed geadopteerd en tegelijkertijd operationeel jong te noemen.

Die dubbele aard is belangrijk voor productiedesign. Hermes is volwassen genoeg om echt werk te ondersteunen, maar dynamisch genoeg dat een rommelige opstelling snel achterhaald raakt. Het onderstaande artikel behandelt configuratie en vaardigheden als een vraag van operationele architectuur, niet als een functie-lijstje.

Waarom Hermes een profiel-gebaseerde architectuur nodig heeft

Hermes-vaardigheden zijn documenten met kennis op aanvraag. Ze maken gebruik van progressieve onthulling zodat de agent eerst een compact vaardigheden-index kan zien en volledige vaardigheidsinhoud alleen laadt wanneer nodig. Dit houdt het tokenverbruik onder controle, zelfs als er veel vaardigheden zijn geïnstalleerd. Elke geïnstalleerde vaardigheid wordt een slash-commando in de CLI en in messaging-interfaces. De documentatie positioneert vaardigheden expliciet als de voorkeursmechanisme voor extensie wanneer een functionaliteit kan worden uitgedrukt via instructies, shell-commando’s en bestaande tools in plaats van aangepast agent-code.

De complicatie in productie is dat Hermes vaardigheden behandelt als levende staat, niet als bevroren pakketten. Bundelde vaardigheden, via de hub geïnstalleerde vaardigheden en door de agent aangemaakte vaardigheden leven allemaal onder ~/.hermes/skills/, en de documentatie stelt dat de agent vaardigheden kan wijzigen of verwijderen. Hetzelfde systeem biedt acties voor aanmaken, patchen, bewerken, verwijderen en ondersteunende bestanden voor vaardigheidsbeheer. Dat is krachtig, maar betekent ook dat één overgrote “alles-in-één” agent snel de neiging krijgt om een procedurele rommelkast te worden.

Profielen zijn het antwoord. Hermes-profielen zijn volledig geïsoleerde omgevingen, elk met hun eigen config.yaml, .env, SOUL.md, geheugens, sessies, vaardigheden, cron-taken en staatsdatabase. De CLI maakt van een profiel ook zijn eigen commando-alias, dus een profiel genaamd coder wordt coder chat, coder setup, coder gateway start, enzovoort. In de praktijk maakt dit profielen tot de echte eenheid van productie-eigendom, niet de individuele vaardigheid.

De productie-baseline

De basisvorm is verrassend schoon. Hermes bewaart niet-geheime gedragingen in ~/.hermes/config.yaml, geheimen in ~/.hermes/.env, identiteit in SOUL.md, persistente feiten in memories/, procedurele kennis in skills/, geplande taken in cron/, sessies in sessions/ en logs in logs/. Het commando hermes config set stuurt API-sleutels naar .env en alles andere naar config.yaml, en de gedocumenteerde volgorde van voorrang is eerst CLI-vlaggen, dan config.yaml, dan .env, en ten slotte ingebouwde standaarden. Dat is ook het schoonste antwoord op de productie-FAQ over hoe geheimen en configuratie gesplitst moeten worden.

Een praktische multi-profiel indeling ziet er meestal zo uit, met één profiel per verantwoordelijkheid in plaats van één profiel per mens:

~/.hermes/profiles/
  eng/
  research/
  ops/
  execops/
  ml/

Dat patroon komt overeen met hoe Hermes-profielen gedocumenteerd zijn: elk profiel is zijn eigen geïsoleerde omgeving, en profielen kunnen gekloond worden vanuit een basisconfiguratie wanneer algemene standaarden nuttig zijn. De documentatie merkt ook op dat profielen geen geheugen of sessies delen, en dat bijgewerkte vaardigheden gesynchroniseerd kunnen worden over profielen wanneer de hoofdinstallatie wordt bijgewerkt.

De volgende productiegrens is uitvoering. Hermes ondersteunt zes terminal-backends: lokaal, Docker, SSH, Modal, Daytona en Singularity, en de beveiligingsdocumentatie beschrijft een defense-in-depth model dat gevaarlijke commando-keuring, containerisolatie, MCP-credential filtering, contextbestanden-scanning, isolatie tussen sessies en input-sanitisatie omvat. Met andere woorden, het “profiel eerst”-besluit beantwoordt wie de staat eigendom heeft, en het backend-besluit beantwoordt waar riskant werk mag gebeuren.

Automatisering zit daarbovenop. Hermes cron-taken kunnen nul, één of meerdere vaardigheden koppelen, en ze draaien in verse agentsessies in plaats van de huidige chat over te nemen. De messaging-gateway is ook het achtergrondproces dat sessies beheert, cron uitvoert en resultaten terugstuurt naar platforms zoals Telegram, Discord, Slack, WhatsApp, E-mail, Matrix en anderen. De officiële MCP-handleiding voegt één extra productieregel toe die makkelijk over het hoofd wordt gezien: het beste patroon is niet alles verbinden, maar het kleinste bruikbare oppervlak blootstellen.

Het software-engineering profiel

De meest voor de hand liggende Hermes-persona is de software-engineer die wil dat de agent zich gedraagt als een herhaalbare repo-operator in plaats van een chatvenster. Dit profiel is meestal geïnteresseerd in repository-authenticatie, issue-triage, PR-aanmaak, code-review, debugging en plan-ondersteunde uitvoering. In de Hermes-catalogi is de kern van de ingebouwde vaardighedenpack ongewoon coherent voor dat werk: github-auth, github-issues, github-pr-workflow, github-code-review, code-review, plan, writing-plans, systematic-debugging en test-driven-development. Als delegatie belangrijk is, dan bevat Hermes ook ingebouwde autonome agent-vaardigheden zoals codex, claude-code, opencode en hermes-agent-spawning.

Wat dat pakket nuttig maakt, is geen enkele vaardigheid. Het is de manier waarop de vaardigheden ontwikkelingsprocedures coderen. github-pr-workflow dekt de volledige PR-levenscyclus, github-issues formaliseert issue-operaties, github-code-review en code-review maken review een apart stap in plaats van een achteraf gedachte, en systematic-debugging voorkomt dat de agent direct springt naar voorbarige oplossingen. Dat beantwoordt ook de praktische vraag welke AI-assistent vaardigheden het belangrijkst zijn voor coderingswerkstroom. De hoogste-waarde vaardigheden zijn meestal degenen die repo-hygiëne en review-discipline vastzetten, niet degenen die beloven meer ruwe codegeneratie.

Hermes-delegatie versterkt dit profiel nog verder. Het platform kan geïsoleerde kind-agenten met hun eigen conversatie, terminalsessie en toolset genereren, en alleen de finale samenvatting wordt teruggegeven aan de ouder. Voor codebases is dat een schoner fit dan elke tussentijdse diff, stack trace en review-opmerking in één conversatie te proppen. In productietermen profiteert het engineering-profiel van smalle vaardigheidssets, een sandboxed backend zoals Docker of SSH, en genereus gebruik van delegatie wanneer contextruis gaat domineren.

Het onderzoek- en kennisprofiel

Het onderzoeksprofiel is waar Hermes begint te voelen als iets anders dan gewone assistenten. De ingebouwde catalogi bevatten al arxiv, duckduckgo-search, blogwatcher, llm-wiki, ocr-and-documents, obsidian, domain-intel en ml-paper-writing, terwijl de officiële optionele catalogus qmd, parallel-cli, scrapling en een bredere onderzoekslaag voor gespecialiseerde domeinen toevoegt. Die stack dekt papierzoeken, bronmonitoring, OCR, lokale notitiesystemen, domein-reconnaissance, schrijven en hybride retrieval zonder alles in één RAG-patroon te dwingen.

Dit profiel is ook de duidelijkste plek om de vraag geheugen-tegen-vaardigheden te beantwoorden. Hermes-documentatie definieert geheugen als feiten over gebruikers, projecten en voorkeuren, terwijl vaardigheden procedures opslaan voor hoe dingen gedaan moeten worden. Onderzoekswerk heeft beide nodig. Geheugen houdt vast wat de assistent al heeft geleerd over het domein en de voorkeuren van de lezer; vaardigheden coderen herhaalbare procedures zoals “scan arXiv, vat nieuwe papers samen en schrijf notities in Obsidian.” Dat onderscheid is belangrijk omdat productie-onderzoeksystemen falen wanneer alles als geheugen wordt behandeld of alles als workflow. Hermes geeft die zorgen aparte woonplekken.

Het onderzoeksprofiel profiteert ook disproportioneel van cron. Hermes cron-taken kunnen vaardigheden expliciet laden voor uitvoering, en de automatiseringsgidsen benadrukken dat geplande prompts volledig zelfstandig moeten zijn omdat ze in verse sessies draaien. Een terugkerende pipeline die blogwatcher, arxiv, obsidian of llm-wiki combineert, is daarom betrouwbaarder dan een vaag “check wat er vandaag veranderd is” taak. Met andere woorden, onderzoeksprofielen werken het beste wanneer bronontdekking, notitieschrijven en langetermijnopslag elk worden vertegenwoordigd door een genummerde vaardigheid in plaats van verborgen in één lange natuurlijke-taalk prompt.

Het automatiserings- en operatiel profiel

Het ops-profiel is minder glansrijk en vaak waardevoller. Dit is de gebruiker die wil dat Hermes reageert op gebeurtenissen, systemen inspecteert, gescripte checks uitvoert, output naar een kanaal stuurt en al dat doet zonder de host tot een aansprakelijkheid te maken. Hermes heeft de juiste bouwblokken voor dat stijl van werk: ingebouwde webhook-subscriptions voor evenement-gedreven activatie, ingebouwde native-mcp en mcporter voor MCP-gebaseerde tools, en officiële optionele vaardigheden zoals docker-management, fastmcp, cli en 1password wanneer de workflow uitbreidt naar containers, aangepaste MCP-servers of geheiminjectie.

De reden waarom dit pakket werkt is dat elke vaardigheid één grens bezit. webhook-subscriptions behandelt ingress van externe systemen. docker-management maakt containerchoreografie tot een genummerde procedure in plaats van een vrije shell-spel. fastmcp is nuttig wanneer Hermes de orchestrator moet worden rond nieuwe MCP-tools, en 1password houdt geheim-behandeling expliciet in plaats van gesmokkeld in shell-geschiedenis of markdown-bestanden. De officiële MCP-aanbevelingen versterken hetzelfde productie-instinct: verbind de juiste dingen met het kleinste bruikbare oppervlak.

Dit profiel is ook de schoonste plek om te beantwoorden hoe geplande AI-workflows betrouwbaar blijven. Hermes cron-documentatie zegt dat taken in verse sessies draaien, één of meerdere vaardigheden kunnen koppelen en zelfstandige prompts moeten gebruiken. De cron-probleemoplossingsgids voegt toe dat automatisch afvuren afhankelijk is van de gateway-ticker in plaats van een gewone CLI-chatsessie. Dus het betrouwbare patroon is straightforward, zelfs als de implementatie dat niet is: expliciete vaardigheden, expliciete leveringsdoel, zelfstandige prompt, geïsoleerde backend en een gateway die daadwerkelijk draait.

Het bestuurlijk-operatie profiel

Er is een stiller maar zeer realistische Hermes-persona die eruit ziet als een chief of staff, operations lead of zwaar overbeladen oprichter. De relevante vaardigheden zijn minder flashy en meer kantoorgevormd: google-workspace, notion, linear, nano-pdf, powerpoint en de ingebouwde himalaya e-mail vaardigheid, plus officiële optionele vaardigheden zoals agentmail, telephony en one-three-one-rule. Dat mix geeft Hermes toegang tot inbox, agenda, documenten, taken, presentaties, PDF-opruiming, een gestructureerd communicatiekader en zelfs telefoon en SMS-workflows waar dat echt belangrijk is.

De flow hier is belangrijker dan de catalogus. google-workspace verankert dagelijkse uitvoering. Notion en Linear voorkomen dat de assistent het taakregister wordt. one-three-one-rule is verrassend nuttig omdat besluitondersteuning vaak het moeilijkste te standaardiseren is, en die vaardigheid geeft Hermes een genummerde procedure voor voorstellen in plaats van generiek “vat dit samen” gedrag. nano-pdf en powerpoint zijn het soort operationele vermenigvuldigers die klein lijken tot een team elke dag met presentaties en PDF’s begint te werken.

Hermes-messaging en voice-functies maken dit profiel praktischer dan het op het eerste gezicht lijkt. De gateway kan de agent blootstellen via Slack, Telegram, Discord, WhatsApp, E-mail, Matrix en verschillende andere kanalen, en de voice-stack ondersteunt microfooninput, gesproken antwoorden in messaging en live Discord-voice-conversaties. De documentatie merkt ook op dat één Hermes-instantie meerdere gebruikers kan dienen via toelijsten en DM-paarings, terwijl bot-tokens exclusief blijven voor één profiel. Dat is waarom een communicatie-intensieve implementatie meestal profiteert van minstens één toegewijd profiel in plaats van dezelfde bot-identiteit te delen met engineering of ops.

Het ML- en data-platform profiel

Hermes is gebouwd door een onderzoekslab, en dat lineage toont zich. De catalogi bevatten jupyter-live-kernel voor stateful notebook-stijl werk, huggingface-hub voor model- en datasetoperaties, evaluating-llms-harness en weights-and-biases voor evaluatie en experiment-tracking, qdrant-vector-search voor productie RAG-opslag, en een grote ingebouwde en optionele MLOps-laag met vaardigheden zoals axolotl, fine-tuning-with-trl, modal-serverless-gpu, lambda-labs-gpu-cloud, flash-attention, tensorrt-llm, pinecone, qdrant en nemo-curator.

Wat hier opvalt is niet alleen de breedte. Het is dat de vaardigheden de hele stack bestrijken van notebook-iteratie tot data-curatie, evaluatie, vectorzoekopdrachten, fine-tuning en inferentie-optimalisatie. Voor een ML-platformgebruiker stopt Hermes met voelen als een assistent en begint het te voelen als een controlepaneel dat procedures over de levenscyclus kan dragen. jupyter-live-kernel behandelt iteratieve verkenning, evaluating-llms-harness en weights-and-biases formaliseren meting, en de optionele compute- en optimalisatievaardigheden laten Hermes coherent praten over zowel experimentatie als implementatie.

Dit is ook het profiel waar voorzichtigheid het meest belangrijk is. Omdat de optionele MLOps-catalogus zo groot is, profiteert een productie-Hermes-opstelling voor ML-werk meestal van mening over scope. Een platform-engineering profiel dat evaluatie en implementatie bezit heeft niet elk trainingsframework nodig. Een onderzoeksprofiel dat papers en notitiesystemen bezit heeft niet elke vector-database vaardigheid nodig. Hermes kan enorme vaardigheidsinventaris dragen, maar productie-nut komt nog steeds van het versmallen van het actieve oppervlak.

Waar vaardigheden tot lasten worden

Het sterkste deel van het Hermes-vaardigheidssysteem is ook de plek waar productie-opstellingen het mis gaan. Hermes kan bladeren en vaardigheden installeren vanuit zijn ingebouwde catalogus, de officiële optionele catalogus, Vercel’s skills.sh, bekende vaardigheidseindpunten, directe GitHub-repositories en marketplace-stijl community-bronnen. Het beveiligingsmodel onderscheidt tussen builtin, official, trusted en community bronnen, voert beveiligingsscans uit voor hub-geïnstalleerde vaardigheden en staat --force alleen toe voor niet-gevaarlijke beleidsblokken. Een gevaarlijke scanuitspraak blijft geblokkeerd. Hermes toont ook upstream-metadata zoals repository-URL, weekelijkse installaties en audit-signalen tijdens inspectie. Dat is een solide vertrouwensmodel, maar het is geen vervanging voor smaak.

Er is ook een limiet aan wat er van een vaardigheid gevraagd kan worden. Hermes-documentatie is expliciet dat vaardigheden de voorkeurskeuze zijn wanneer het werk kan worden uitgedrukt als instructies plus shell-commando’s plus bestaande tools, terwijl plugins de eerlijkere abstractie zijn voor aangepaste tools, hooks en levenscyclusgedrag. De plugin-handleiding toont zelfs hoe een plugin zijn eigen vaardigheid kan bundelen. In productie betekent dat vaardigheden het beste behandeld worden als herbruikbare procedures, niet als een geforceerd vervanging voor goed tool- of plugin-design.

Community en ondersteuning lijken gezond, maar ze wissen de verandersnelheid niet weg. Hermes-documentatie verwijst gebruikers naar Discord, GitHub Discussies, Issues en de Skills Hub, en het openbare repository toont frequente releases en een groot bijdragevoetspoor. De operationele les is eenvoudig genoeg: updates zijn onderdeel van het systeem, niet een gebeurtenis daarbuiten. Een echte productie-opstelling neemt aan dat profielen, vaardigheden en workflow-aannames zullen evolueren, en gebruikt isolatie en smalle vaardigheidssets zodat verandering lokaal blijft wanneer het onvermijdelijk aankomt.

Hermes werkt het beste wanneer vaardigheden behandeld worden als procedurele contracten rond duidelijk gescheiden profielen. Het moment dat één profiel de engineering-agent, de onderzoeksassistent, de ops-werker, de inbox-bot en het ML-platform allemaal tegelijk wordt, stopt het systeem met samenvoegen en begint verantwoordelijkheden te lekken. Het schone productiepatroon gaat minder over het hebben van meer vaardigheden en meer over het geven van elk profiel een functieomschrijving die het daadwerkelijk kan houden.

Dit artikel is onderdeel van de AI Systemen cluster, die zelfgehoste assistenten, retrieval-architectuur, lokale LLM-infrastructuur en observability behandelt.