Технический контекст
Я покопался в жалобах по Hermes, и картина знакомая: агент мощный, но в проде раздражает не модель, а поведение вокруг неё. Если говорить про AI automation и нормальное AI implementation, тут как раз всплывают мелочи, которые потом сжигают часы команды.
Первая боль, на которой я бы сразу остановился, это compact или compress. По обсуждениям и FAQ видно, что при длинных диалогах Hermes начинает терять качество контекста, а компрессия должна спасать сессию. На практике это работает не всегда: если контекст уже «сгнил», сжатие часто лишь слегка оживляет агент, а не возвращает его в норму.
Вторая проблема менее заметна в демо, но очень заметна в работе: скиллы ощущаются как нестабильные. Пользователи жалуются, что навыки будто слетают слишком часто, а self-improving начинает выглядеть не как обучение, а как бесконечная перетряска поведения. И вот здесь я бы уже не спорил с раздражением сообщества.
Третий момент самый неприятный для инженера: я не вижу у Hermes внятного встроенного version control для изменений скиллов. Если агент сам себя «улучшил» не туда, откатить состояние прозрачно нельзя. Для системы, которая меняет собственное поведение, это очень слабое место.
Рабочие костыли известны: руками задавать context_length, запускать /compress до деградации, стартовать новую сессию, хранить конфиги и определения скиллов отдельно. Но это уже не магия агента, а ручная AI integration с обязательной страховкой на каждом шаге.
Что это меняет для бизнеса и автоматизации
Если я собираю агент под реальный процесс, а не под красивый ролик, такие вещи сразу влияют на архитектуру. Нестабильный compact ломает длинные цепочки задач. Отсутствие версий у self-improving убивает доверие к автообновлению навыков.
Кто выигрывает? Команды, которые готовы держать Hermes на коротком поводке: внешний git для скиллов, явные чекпоинты, ограниченный набор инструментов, жёсткие правила сессий. Кто проигрывает? Те, кто хочет включить «самообучение» и просто забыть о поддержке.
Мы в Nahornyi AI Lab такие истории обычно режем на уровне архитектуры: выносим память и навыки в контролируемый слой, а агенту не даём мутировать всё подряд. Если у вас похожая проблема, можно не героически чинить хаос внутри Hermes, а спокойно собрать AI solution development под ваш процесс так, чтобы откаты, контроль изменений и предсказуемость были нормой, а не мечтой.