Hermes Agent — Tableau de Bord

Assistant IA autonome · Créé par Nous Research · Auto-amélioration continue

Cette page est une présentation publique. Pour accéder au dashboard opérationnel, c’est ici : Accéder au dashboard

5k
Tokens session actuelle
128K
Contexte max (estimé)
70+
Outils intégrés
Sessions mémoire persistante

📈 Progression & Conclusions

Évolution du projet Hermes Agent vu comme un système vivant — jalons marquants.

Session initiale — Juillet 2026

🚀 Démarrage sur VPS Hetzner 2Go

Installation de Hermes Agent en mode gateway PostgreSQL. Consommation initiale RAM ≈ 244 Mo. Validation de la persistance post-reboot : Hermes survit grâce au service systemd.

Même session — exploration 1

🔍 Étude de la RAM et des services

Audit complet : free -h, ps aux. Identification des services gourmands (dockerd 86 Mo, containerd 47 Mo, fail2ban 34 Mo). Marge déterminée ≈ 1.4 Go disponible.

Même session — exploration 2

⚖️ Évaluation OpenClaw vs Hermes

Analyse comparative : OpenClaw headless faisable sur 2Go mais serré ; LLM local impossible ; Hermes déjà installé et plus léger. Décision : Hermes reste l'outil principal, OpenClaw optionnel.

Même session — context management

🧠 Découverte de la compression automatique

Documentation lue : Hermes compresse automatiquement le contexte à 50%, avec safety net à 85%. Conclusion : le risque de saturation à 100% est quasiment nul en usage normal.

🔧 Améliorations en cours & à venir

Processus expérimentés en direct, itérations et optimisations planifiées.

✅ Compression / context engineering

Process : étudier la compression automatique d'Hermes.
Conclusion : Mécanisme intégré solide (50% → 85%). Aucune intervention manuelle nécessaire sauf cas extrêmes.
Action : surveiller les prompts de compression dans les sessions longues.

⏳ Optimisation RAM VPS

Process : auditer la consommation avant d'ajouter OpenClaw.
Conclusion : 541 Mo utilisés, 1.4 Go disponibles. Marge suffisante pour un agent headless cloud-only.
Action : tester OpenClaw en conteneur isolé avec swap 2 Go.

⏳ Skills perso

Process : créer des skills réutilisables pour les tâches récurrentes (déploiement VPS, audit RAM, modération fail2ban...).
Conclusion : les skills déclenchent un gain de productivité net en session croisée.
Action : identifier 2–3 premières tâches qui se répètent et les transformer en skills.

🔄 Auto-amélioration continue

Process : comprendre comment Hermes s'améliore seul (skills + mémoire).
Conclusion : l'apprentissage passe par la mémoire persistante et la création de skills. Le feedback utilisateur est le signal principal.
Action : corriger activement les erreurs, valider les skills créées.

📋 Tâches du projet

Plan d'action structuré — passé, en cours, à venir.

À venir
En cours
Passé
< onchange="toggleTask(this)">
Tester OpenClaw en mode headless minimal
Priorité haute À venir
<>Configurer un environnement isolé (systemd-nspawn ou Docker)
<>Configurer le swap à 2 Go et vérifier la stabilité
<>Connecter OpenClaw au modèle cloud (pas Ollama local)
<>Tester via Telegram l'intégration messaging
<>Mesurer la RAM une fois lancé et comparer aux prévisions
< onchange="toggleTask(this)">
Créer les skills Hermes personnalisés
À venir
<>Audit des tâches répétées dans la session (VPS, monitoring, déploiements)
<>Choisir la 1ʳᵉ skill à implémenter (ex: audit RAM automatisé)
<>Rédiger le SKILL.md et le valider
<>Tester en conditions réelles et affiner
< onchange="toggleTask(this)">
Configurer le monitoring VPS
Priorité moyenne À venir
<>Mettre en place un watchdog RAM (alerte si > 1.7 Go)
<>Logger les performances Hermes dans un fichier dédié
<>Alerter sur Telegram en cas de seuil dépassé
< checked onchange="toggleTask(this)">
Audit complet du VPS (RAM, services, marge)
En cours
< checked>free -h exécuté ✅
< checked>ps aux trié par mémoire ✅
< checked>Identification services gourmands ✅
<>Benchmark de consommation sous charge
< checked onchange="toggleTask(this)">
Évaluation OpenClaw vs Hermes (faisabilité 2Go RAM)
En cours
< checked>Lecture du README openclaw/openclaw ✅
< checked>Estimation RAM headless + cloud LLM ✅
< checked>Comparatif Hermes vs OpenClaw ✅
<>Décision finale : installer ou pas
< onchange="toggleTask(this)">
Comprendre la gestion du contexte Hermes
En cours
< checked>Lecture doc compression ✅
< checked>Identification des seuils (50%, 85%) ✅
< checked>Test d'une session longue pour vérifier le comportement
< checked disabled onchange="toggleTask(this)">
Installation Hermes Agent sur VPS
Fait
< checked disabled>Installation venv Python 3.13 ✅
< checked disabled>Configuration PostgreSQL ✅
< checked disabled>Démarrage du service gateway Hermes ✅
< checked disabled>Connexion Telegram établie ✅
< checked disabled onchange="toggleTask(this)">
Survival test : Hermes après fermeture console
Fait
< checked disabled>Fermeture de toutes les consoles Hermes ✅
< checked disabled>Ajout d'un service systemd ✅
< checked disabled>Vérification reprise après reboot ✅
< checked disabled onchange="toggleTask(this)">
Découverte des mécanismes d'auto-amélioration
Fait
< checked disabled>Explication mémoire persistante ✅
< checked disabled>Explication skills (création + mise à jour) ✅
< checked disabled>Limites identifiées ✅