Я очень ждал от Openai Мини компаньона, а они первым устройством выпускают мини клавиатуру для Codex.
Ну хоть что-то!😁

https://openai.com/ru-RU/supply/co-lab/work-louder/

Я обновил Hermes до версии 0.19.0. Вот что изменилось на практике.

Что стало лучше

1. Ответ сложнее потерять

Hermes записывает, что и куда он отправляет. Если gateway упал во время отправки, система может повторить попытку. Для длинных задач это полезная вещь: работа закончена, и итог должен дойти.

2. Видно работу дочерних агентов

Раньше подзадача могла долго выполняться в фоне, а я видел только результат. Сейчас можно открыть журнал и посмотреть, что делает агент, какие инструменты запускает и что получает.

3. Kanban стал удобнее

Результаты завершённых карточек лучше видны. К карточкам можно прикладывать файлы. Стало проще пройти путь от задачи до готового результата.

4. Первый ответ появляется быстрее

По тестам разработчиков время сократилось примерно с 4,3 до 0,9 секунды. Речь только о начале ответа. На скорость всей задачи влияют модель, инструменты, сеть и проверки.

5. Стало безопаснее

Обычные действия проходят без лишних остановок. Для опасных действий Hermes просит подтверждение. Также усилили защиту файлов, медиа, ключей и дочерних процессов.

6. Добавили новые возможности

Появились режим для нескольких профилей в одном gateway, подключение Bitwarden и 1Password, новые модели и функции для работы с архивом сессий.

Что пока не идеально

Hermes снижает риск потери ответа, но иногда сообщение может прийти повторно.

Режим нескольких профилей у нас пока выключен. Bitwarden и 1Password тоже нужно отдельно устанавливать и настраивать.

Наличие новой модели в списке ещё не даёт к ней доступ. Нужны ключи, права аккаунта и настройка профиля.

Журналы дочерних агентов удобны для коротких задач. Долгую работу с несколькими исполнителями мы по-прежнему ведём через Kanban.

Мы не роняли рабочий gateway специально и не замеряли скорость до и после обновления на одинаковых задачах. Поэтому здесь только то, что действительно проверено или указано разработчиками.

Мне обновление нравится. В Hermes стало проще следить за работой агентов, получать результаты и понимать, где что происходит. Наша система сейчас работает заметно лучше.

Релиз 0.19.0:
https://github.com/NousResearch/hermes-agent/releases/tag/v2026.7.20

Друзья, привет!

Кто ещё не в курсе: у меня есть приватный канал AI Операционка, где я показываю всё, что создаю для своей системы агентов.

На картинке как раз моя текущая команда. Все эти агенты рабочие, у каждого своя роль и своя зона ответственности. Все они уже на канале в доступе!

В «Операционке» я публикую практически всё, что делаю для себя: новых агентов, их архитектуру и настройки, системы памяти, скиллы, связки, эксперименты, рабочие находки. Показываю, что получилось, что сломалось и как я это переделывал.

Там же находится Гейл (агент техподдержки), с которым можно пообщаться напрямую и задать ему вопросы по агентам, Hermes и всей этой технической кухне.

Ну и я тоже там. Можно задавать вопросы, показывать свои сборки и разбирать вместе то, что у вас не получается.

Если вам интересно не просто пользоваться нейросетями, а глубже разобраться в агентах и собрать собственную рабочую систему, буду рад видеть вас в Ai Операционке 👈

Нашёл очень показательный кейс, как Hermes уже ведёт офисную часть реальной кинокомпании.

Владелец Aumen Film Co продолжает сам ездить на съёмки и работать с командами. А всю рутину вокруг производства постепенно раздал отдельным профилям Hermes.

Один профиль принимает голосовые заметки. Можно после тренировки наговорить всё вперемешку, а он разнесёт мысли по проектам, агентам и календарю.

Другой занимается производством: помогает собирать бюджеты и списки съёмочной группы, превращает фотографии исправленных от руки графиков обратно в нормальные документы, готовит deal memo, следит за счетами и проверяет готовые файлы.

Отдельный агент каждое рабочее утро смотрит, что происходит с коммерческими предложениями. Если документ давно лежит без подписи, готовит письмо. Владелец проверяет его и сам отправляет.

Контент-профиль читает расшифровки звонков и учёт рабочего времени, ищет там идеи и складывает их в очередь на просмотр. Ещё он работает с каталогом примерно из 4600 backstage-фотографий. Для владельца сделан обычный интерфейс, для агентов CLI. Распознавание лиц выполняется локально ночью после загрузки новых фотографий.

Исследования и внутренние сборки тоже разделены. Один профиль собирает материалы через Firecrawl, last30days и субагентов. Другой следит за остальными агентами, чинит их и делает небольшие инструменты. Крупные сборки владелец запускает отдельно через Claude Code или Codex, получив от агента нормальное техническое задание.

Все профили работают с общим хранилищем Obsidian. Там лежат правила компании, оборудование, расценки, процессы и другие источники истины. По словам автора, этот общий контекст оказался важнее выбора конкретной модели. Модель можно заменить, а устройство компании остаётся.

Особенно понравилась система прав.

Сначала агент только читает. Потом получает право готовить черновики. Следующая ступень: очередь на одобрение. Отправка, удаление, траты и подпись остаются у человека.

Для отправки документа на электронную подпись используется код, привязанный к точной версии файла. Изменился файл, старое одобрение больше не действует. Это уже нормальный механизм контроля, а не надежда, что агент ничего не перепутает.

И, конечно, всё ломалось.

Девять запусков подряд умерли из-за проблемы со входом в Claude CLI. Больше недели единственным признаком был пропавший пятничный отчёт. Теперь автор требует, чтобы расписание сообщало не только об успешном результате, но и о собственной остановке. Цены и лимиты сервисов агенты тоже обязаны проверять по актуальному источнику перед действием.

Вот что я бы забрал отсюда:

узкие роли, общие источники истины, постепенное повышение прав, одобрение конкретной версии файла и внешний контроль, который заметит смерть расписания, даже если сам Hermes уже ничего сообщить не может.

Хороший пример того, как знания компании и ежедневная рутина перестают жить только в голове владельца, а съёмка, подпись, отправка и деньги всё ещё остаются у человека.

Источник:
https://old.reddit.com/r/hermesagent/comments/1v9vpo1/my_hermes_agent_setup_for_running_the_office_side/

Классный пример использования Hermes.

Автор собрал себе финансового агента Kevin, который работает с его реальными расходами в Сингапуре.

После покупки на почту приходит уведомление от банка. Kevin забирает его, записывает операцию в базу, определяет категорию и присылает подтверждение в Telegram.

Если ошибся, можно ответить: «Это транспорт, а не еда». Он исправит запись и запомнит продавца.

В Telegram можно спросить, сколько потратил на еду, какую карту лучше использовать в конкретном магазине или можно ли сейчас купить куртку за 150 долларов. Там же можно менять бюджеты, учитывать поездки, подписки и долги.

Есть ещё отдельная PWA-панель со всеми расходами, лимитами карт и остатками по бюджетам.

Понравилось, что автор подробно описал и косяки.

Сначала агент отвечал дважды на одну покупку. Промптом это нормально не исправлялось, поэтому пришлось менять сам цикл работы. Потом две одинаковые покупки система посчитала дублем и одну потеряла. Добавили время операции и отдельный журнал для проверки пропавших записей.

Сейчас в Kevin 37 инструментов, четыре скилла и 587 тестов. Работает на сервере примерно за 7 долларов в месяц.

Короче, человек собрал себе финансового агента, который действительно ведёт его расходы каждый день. Репозиторий открыт, можно забрать и переделать под свои банки и карты:

https://github.com/alhazjm/kevin-agent

https://youtu.be/mRgBmcjokes?si=F_-p6x1HzlGcU1Bk

Новое видео о памяти агентов Нermes.

Человек за год собрал 33 ИИ-агента на одном движке Hermes.

Среди них шахматный тренер для ребёнка, помощник по учёбе, домашний ассистент для жены, тьюторы образовательных программ, агенты для отдела продаж, CRM, металлургической и энергетической компаний.

Самое интересное, что он не переписывал движок под каждого агента. Везде используется один Docker-образ и одна кодовая база. Отличаются только настройки, память, инструкции, инструменты и данные конкретного агента.

Шахматный тренер, например, сам ничего не придумывает о позиции. Шахматный движок считает лучший ход, ошибки и варианты, а модель только объясняет это ребёнку понятным языком. Даже выход модели дополнительно проверяется, чтобы она случайно не назвала несуществующий ход.

Агент для дочери помогает с домашкой, задаёт наводящие вопросы, выдаёт утренние и вечерние задания, начисляет звёзды и отправляет родителю отчёты. Если за день ничего не происходило, отдельный код заставляет агента молчать, чтобы он не спамил пустыми сообщениями.

Домашний агент для жены умеет принимать расходы одной фразой, раскладывать их по категориям и показывать предварительную таблицу. В бюджет ничего не записывается, пока человек не подтвердит результат.

Автор честно показывает и косяки. Например, правило начисления звёзд было подробно написано в промпте, но три источника баланса всё равно разошлись. Вывод простой: правило в промпте остаётся пожеланием. Если что-то должно работать точно, это нужно выносить в код.

Ещё одна сильная мысль: инструменты агента тоже занимают контекст. У одного CRM-агента было 331 инструмент и около 75 тысяч токенов только на их описание. После сокращения набора инструментов промпт уменьшился с 15 266 до 1 424 токенов, а ответы ускорились примерно с 17 до 7,7 секунды.

Очень хороший разбор того, как агенты выглядят не в презентации, а в реальной эксплуатации: с памятью, расписаниями, проверками, ошибками и ограничениями.

Статья на Хабре

Я тут посмотрел интересный проект на GitHub. Автор подключил Hermes к торговой системе и два месяца проверял его на Finam Arena 2026.

Сначала звучит опасно: AI-агент получает доступ к торговле и сам решает, куда отправить деньги. Но здесь всё устроено иначе. Hermes следит за рынком, собирает данные, предлагает возможную сделку, проверяет риски, сохраняет результаты и отправляет отчёт в Telegram.

При этом сам агент не может просто взять и купить акции. Для реальной сделки нужно отдельно включить live-режим, подтвердить запуск и пройти несколько проверок. Если что-то не сходится, система останавливается. По умолчанию она вообще работает без реальных денег.

Мне здесь понравился сам способ использования Hermes. Ему отдали всю подготовительную работу: собрать информацию, найти варианты, проверить их и показать человеку готовое решение. А последнее действие всё равно контролируют обычный код и человек.

Так можно работать не только с торговлей. По такому же принципу агента можно подключать к платежам, рекламе или управлению рабочими системами. Он готовит действие, система проверяет ограничения, человек принимает последнее решение.

Это не готовый бот для заработка. Автор не публикует результаты торговли и ничего не обещает. Но как пример того, как дать агенту настоящую работу и не потерять контроль, проект очень интересный.

https://github.com/pzzz404/finam-hermes-trading-bot

Один предприниматель может собрать себе маркетинговое агентство из семи AI-сотрудников

Свежий репозиторий для Hermes. Команда dataaispark-spec собрала семь отдельных маркетинговых ботов и прописала, как они передают работу друг другу.

Сначала Research изучает конкурентов, тренды, площадки и вопросы аудитории. Потом подключается SEO и готовит структуру под обычный поиск, ChatGPT, Perplexity и другие генеративные системы.

На основе этих материалов Content пишет посты, статьи, рассылки и сценарии. Готовый контент забирают PR и Outbound. PR ищет информационные поводы и готовит питчи. Outbound собирает лидов и пишет сообщения для почты, LinkedIn и других каналов.

Дальше Paid предлагает рекламные тесты, а CRO готовит под них варианты лендинга, форм и кнопок.

Передача работы сделана через обычные упоминания в Hermes. Один бот заканчивает свою часть, прикладывает результат, отмечает следующего и пишет, что ему нужно знать для продолжения.

У всех семи ботов есть общий Company Brain. Это папка с информацией о компании: продукты, цены, аудитория, стратегия, голос бренда, прошлые кампании, хорошие примеры и формулировки, которые нельзя использовать.

То есть Research нашёл тему. SEO разложил её под поиск. Content сделал материалы. PR и Outbound подготовили распространение. Paid предложил рекламу. CRO подогнал лендинг.

При этом сами боты ничего не публикуют, не отправляют письма и не тратят рекламный бюджет. Перед каждым таким действием нужен человек.

Внутри репозитория лежат SOUL-файлы всех семи ботов, шаблон общего Company Brain, правила передачи задач и пример полной кампании. Нужно создать ботов в Hermes Desktop, загрузить свои данные и настроить доступы.

Можно забрать всю команду и переделать под свой бизнес:

https://github.com/dataaispark-spec/hermes-x-marketing-agency-bots

Попался ещё один свежий репозиторий про команду Hermes-агентов. И вот он уже очень близко повторяет то, что я собираю у себя.

smfworks/hermes-ai-team описывает цифровую компанию, где есть владелец, Chief of Staff и отдельные специалисты по исследованиям, разработке, контенту и операциям.

Каждый специалист живёт в отдельном Hermes-профиле со своим SOUL, памятью, моделью, skills и набором инструментов. Общая база знаний накапливает исследования и решения, Kanban передаёт задачи между агентами, а Chief of Staff следит за распределением работы, блокерами и итоговым отчётом владельцу.

Авторы добавили ночные исследования, групповые комнаты в Hermes Desktop, ежедневные созвоны агентов, еженедельную сверку приоритетов и даже личные встречи между профилями.

Особенно интересно, что схема выросла из реальной эксплуатации. В соседнем техническом разборе SMF Works описывает аудит 13 Hermes-профилей и 16 cron-процессов. Причём аудит нашёл проблему: 7 заданий ссылались на уже удалённые skills. То есть это не рассказ про идеальную автономную компанию. Там уже появились обычные операционные поломки, которые приходится искать и исправлять.

Есть и более бизнесовый вариант: hermes-agentic-company. Руководитель пишет поручение в Basecamp, Lead превращает его в задачу Kanban, Engineering выполняет работу через отдельный профиль, после чего результат проходит проверку кода и возвращается руководителю.

У нас эта схема уже читается почти напрямую:

Mike работает как Chief of Staff.
Специалисты отвечают за свои участки.
Telegram служит входом для моих поручений.
Kanban передаёт работу внутри команды.
Финальный ответ возвращается ко мне через того агента, которому я написал.

Из всех репозиториев за последние дни этот для меня самый важный. Он подтверждает, что мы движемся не в одиночку и уже собираем у себя цифровую компанию примерно по тому же паттерну, только глубже и под реальные процессы.

https://github.com/smfworks/hermes-ai-team

https://github.com/nickparabot/hermes-agentic-company