Hermes Agent Update: Bots, Gruppenchats und HUD-Modus im Praxistest

Bot Mode, Discord-artige Gruppenchats, getrennte Erinnerungen pro Agent und ein HUD-Overlay, das den Bildschirm sieht und auf Wunsch den PC selbst bedient: Die aktuelle Hermes-Desktop-App von Nous Research entwickelt sich vom einzelnen Assistenten zu einer kleinen Agentenfamilie. Was offiziell in den Release Notes steht, wie die Features in der Praxis zusammenspielen und wo die Stolperfallen lauern, zeigt dieser Update-Check.

Die meisten Agenten, die gerade viele Menschen nutzen, hängen an einem Unternehmen: Claude Code gehört zu Anthropic, Codex zu OpenAI. Fällt das Unternehmen aus oder ändert die Preispolitik, ändert sich das eigene Arbeitswerkzeug mit. Hermes Agent nimmt genau diese Abhängigkeit raus. Das Projekt von Nous Research ist vollständig open source, läuft modellagnostisch und lässt sich per Klick zwischen Cloud-Modellen und lokalen LLMs umschalten. Das Konzept dahinter ist immer das gleiche: Ein Modell plant und generiert, die Werkzeuge des Agenten schreiben Dateien, lesen Quellen, bedienen die Shell und das Web, und der Agent prüft die Ergebnisse, bevor der nächste Schritt kommt.

Das Besondere an Hermes ist das Selbstlernen. Nach erledigten Aufgaben schreibt sich der Agent Markdown-Dateien mit Skills, also verdichtete Arbeitsanleitungen für Dinge, die vermutlich öfter vorkommen. Beim nächsten Mal baut er auf diesem Skill auf, statt bei null anzufangen. Dazu kommen ein Nutzergedächtnis, ein Fakten- und Projektgedächtnis und eine durchsuchbare Datenbank der bisherigen Chats. Die Modellgewichte bleiben dabei unverändert, das Wachstum passiert im drumherum.

Der größte Schritt des aktuellen Updates ist der Bot Mode. Er ist seit Version 0.21.0 offiziell fester Bestandteil der Desktop-App. Jedes Agentenprofil bekommt einen Namen und ein bestimmtes Avatar-Gesicht, alle Bots liegen in einem gemeinsamen Roster. Dazu kommen Gruppenchats im Stil einer Chat-App: Mehrere Bots und der Nutzer reden in einem Raum, einzelne Bots lassen sich per Erwähnung in die Antwort holen, Räume bekommen Namen und Bilder. Vorher war Mehr-Agenten-Betrieb vor allem Klempnerarbeit, jetzt sieht er aus wie ein Messenger voller Kollegen.

In der Praxis aus dem Video funktioniert das so: Ein Rechercheagent sammelt zuerst die Fakten zu einem Thema, ein Copywriter schreibt daraus einen Bericht, der Designer legt Vorgaben für Gestaltung und Struktur fest, und der Coder setzt das Ganze um. Die Bots arbeiten die Kette selbstständig ab und liefern am Ende ein komplettes Ergebnis mit Recherche, Text und Designvorlage. Im Gruppenchat testet der Kanal zusätzlich eine Vorstellungsrunde, in der jeder Bot sich in einem Satz vorstellt, und zeigt, dass sich jeder Bot einzeln ansprechen oder gezielt in einen Post-Workflow taggen lässt.

Jeder Bot ist einzeln konfigurierbar: eigener Systemprompt, eigene Persönlichkeit, Skills pro Bot aktivieren oder deaktivieren und auf Wunsch ein eigenes Modell. Wer einem Bot nur die Fähigkeiten mitgibt, die er wirklich braucht, macht ihn gleichzeitig effizienter.

Der Punkt, der im Update-Video am meisten Substanz hat, ist selten die bunte Roster-Ansicht, sondern die Erinnerungshygiene. Jeder Bot pflegt separate Erinnerungen. Coding-Erinnerungen landen im Coding-Agent, Copywriting-Erinnerungen im Copywriter, Recherche-Fakten beim Rechercheagent. Wer alles in einem einzigen Agenten betreibt, müllt diesen Kontext langfristig zu, und die Qualität der Antworten leidet darunter. Das Kontextfenster selbst ist übrigens nicht das Problem, denn Hermes komprimiert es automatisch. Der Engpass sind die gespeicherten Erinnerungen, und genau die trennt der Bot Mode sauber.

Ein konkretes Zahlbeispiel aus dem Video: In der gezeigten Instanz wurde der Skill für Videobearbeitung bereits 252 Mal aufgerufen. In der Capabilities-Ansicht der App listet Hermes alle Skills mit Nutzungszahlen und lässt sich per Klick ein- und ausschalten. Wer über Monate mit dem gleichen Agenten arbeitet, sieht an solchen Zählern ziemlich genau, wo der echte Arbeitsanteil liegt.

Auch die Automatisierungsseite wächst mit: Scheduled Jobs legen Cronjobs an, etwa eine tägliche KI-News-Zusammenfassung jeden Morgen um 9 Uhr, und das Kanban-Board sortiert Aufgaben in Triage, To-Do und geplant. Die Telegram-Anbindung läuft inzwischen über einen QR-Code-Quick-Setup direkt aus dem Dashboard, was in Version 0.21.2 offiziell in den Release Notes steht. Gerade wenn der Agent auf einem Server läuft, ist Telegram die direkteste Steuerungsebene.

Der Video-Kanal bringt eine Erfahrung mit, die gegen die naheliegende Optimierung spricht. Viele Leute empfehlen einen Modell-Mix pro Rolle: ein großes Modell für das Backend, ein anderes für Frontend, wieder ein anderes für Recherche. Klingt clever, funktioniert aber in der Praxis schlecht, sobald die Agenten wirklich miteinander reden. Zwei Effekte fressen das Budget:

Erstens kontrollieren sich die Agenten gegenseitig. Unterschiedliche Modelle lösen Aufgaben unterschiedlich, korrigieren einander ständig und verbrennen dabei Tokens in Schleifen, die kein Ergebnis bringen. Zweitens bricht das Prompt-Caching. Wiederholte Prompts an denselben Anbieter werden gecacht und kosten dann deutlich weniger. Läuft dagegen jeder Bot gegen einen anderen Anbieter, greift das Caching kaum noch, und der Tokenverbrauch explodiert.

Die Empfehlung aus der Praxis lautet deshalb: Ein Modell für alle direkt interagierenden Agenten, im Zweifel verschiedene Modellgrößen desselben Anbieters für Orchestrierung und Nebenrollen. Andere Anbieter auszuprobieren, gehört in einen isolierten Einzelagenten, nicht in die funktionierende Belegschaft.

Das zweite Update-Schmankerl ist der HUD-Modus, der in den offiziellen Desktop-Dokumenten als eigener Abschnitt geführt wird. Ein Klick oben rechts und ein kleines Overlay legt sich über das aktuelle Fenster. Hermes sieht dann den Bildschirm und kennt den Kontext: Im Video arbeitet der Kanal gerade in Shotcut an einem Videoschnitt, fragt das Overlay, was es sieht, und Hermes erkennt das Programm und die Aufgabe sofort.

Das Overlay ist dabei nicht nur ein Berater. Auf die Anfrage hin, den Computer zu übernehmen, klickt Hermes selbst durch die Oberfläche: Der Speichern-Dialog für den MP4-Export wird bedient, eine leere Audiospur wird auf Spur A1 hinzugefügt, und der Agent meldet das Ergebnis zurück. Genau dort liegt der Praxisscharfsinn: Programme ohne API-Zugriff oder Shell-Anbindung lassen sich trotzdem automatisieren, solange ein lokales Gateway den Mauszeiger führen darf. Auf einem Cloud-Agenten würde der Klick stattdessen auf dem Server-Computer landen. Auch die Spracheingabe ist eingebaut, das Zuhören funktioniert über gekoppelte Sprachdienste, nicht nur über die Diktierfunktion.

Die Desktop-App bringt außerdem einen eigenen Browser mit. Im Video gibt der Kanal eine typische Aufgabe: Öffne im Browser das neueste Video eines Kanals und suche parallel ein Prompting-Papier, öffne beides in separaten Tabs. Hermes navigiert, klickt sich durch YouTube und legt beide Seiten an. Von dort aus kann der Agent Inhalte zusammenfassen, Fragen zum Gelesenen beantworten oder den Nutzer selbst im Browser arbeiten lassen.

Der schönste Moment ist die Selbstverbesserung nebenbei: Während dieser Szene erstellt oder verbessert Hermes eigenständig einen Skill namens Browser Research Handoff, also genau die Arbeitsroutine, die in dieser Sitzung gebraucht wurde. Die App merkt sich außerdem Bilder und Assets unter Artifacts, damit sie beim nächsten Mal wieder auffindbar sind. Wer den Browser nicht mehr braucht, klappt ihn zu und arbeitet im normalen Chat weiter, ähnlich wie man es von anderen Agenten-Oberflächen kennt.

Lokale Installation hat einen Haken: Automatisierungen laufen nur, solange der Rechner an ist. Deshalb haben Mini-PC-Setups für Dauerbetrieb gerade Hochkonjunktur. Das Video zeigt zusätzlich einen Cloud-Weg über Abacus.AI, dessen Supercomputer-Angebot Agenten dauerhaft laufen lässt und SSH, GitHub-Anbindung, Datenbanken und Zugriff auf über 100 Modelle mitbringt. Die im Video gezeigten Zahlen: Der 20-Dollar-Plan enthält 30.000 Credits, günstige Flash- und Open-Source-Modelle sollen damit zwischen 15 und 70 Millionen Tokens erzeugen, und ein Always-on-Server verbraucht laut Anbieterangabe rund 8.000 bis 31.000 Credits pro Monat. Im Video wurde der Cloud-Agent anschließend mit der eigenen Desktop-App per SSH verbunden, ein Klick im Interface wechselt die gesamte Oberfläche auf die Cloud-Instanz.

Interessant am Rand: Im selben Setup wurde das brandneue Union-Alpha-Modell getestet, über das gerade auf X diskutiert wird, weil es günstig und benchmarkstark sein soll und ohne Ankündigung erschien. Der Roboter-Test des Kanals ordnet es zwischen GPT 5.6 Sol und Astra ein: Physik und Rotationen besser als Sol, unterhalb von Astra und Fable. Woher das Modell wirklich stammt, ist offen. Diese Einordnung ist Video-Beobachtung, kein offizielles Benchmark.

Das Update verschiebt Hermes Agent vom Einzelassistenten zur kleinen Belegschaft. Bot Mode macht Mehr-Agenten-Betrieb zur Schaltfläche, getrennte Erinnerungen halten die Kontexte sauber, der HUD-Modus bringt den Agenten in Programme, die sonst unautomatisierbar wären, und die Cloud-Variante löst das Dauerlauf-Problem für rund 20 Dollar im Monat. Wer heute schon mit mehreren Agenten arbeitet, bekommt mit dem Bot Mode außerdem die wichtigste Lektion mitgeliefert: nicht den Modell-Mix in den Chatraum stellen, sondern ein Modell für die Belegschaft und Experimente in isolierte Einzelagenten.