Система самосовершенствования Hermes построена многослойно, и каждый слой имеет механизмы, предотвращающие ухудшение качества. Вот ключевые защиты:
1. Curator — фоновый «садовник» скиллов
Это главная защита от засорения:
Запускается редко — только после 7+ дней простоя + 2+ часа idle. Не мешает日常工作.
Всегда делает tar.gz снапшот перед каждым проходом. Rollback — одна команда, и сам rollback тоже обратим.
Никогда не удаляет. Худшее, что может сделать — архивировать в ~/.hermes/skills/.archive/, откуда скилл восстанавливается одной командой.
Не трогает bundled и hub-скиллы — только те, что создал сам агент (created_by: agent).
Pinned skills освобождены от авто-переходов и LLM-ревью.
Две фазы: детерминированная (30 дней неиспользования → stale, 90 дней → archive) + LLM-ревью до 8 итераций. Детерминированная не использует LLM вообще — чистая арифметика.
2. GEPA — эволюция, а не самооценка
Самая важная защита от качественной деградации. GEPA решает фундаментальную проблему самообучающихся агентов — self-congratulation:
Агент почти всегда считает, что выполнил задачу хорошо, даже если это не так. Та же система, что генерирует скиллы, может перезаписать ручные кастомизации худшими версиями.
GEPA читает execution traces (реальные журналы выполнения), а не полагается на самооценку агента:
Оценка кандидатов — через LLM-as-judge с рубриками (не binary pass/fail)
Constraint gates перед публикацией:
100% прохождение полного test suite
Размер скилла ≤ 15 KB
Кэш-совместимость сохранена
Семантическая цель не изменилась
Публикация — только через PR, никогда прямой commit
3. Архитектурная защита: прогрессивное раскрытие
Даже если в библиотеке появился плохой скилл, он не вредит контексту:
УровеньЧто в контекстеЗачемLevel 0Только имена + описания (~3K токенов на весь каталог)Агент решает, нужен ли скиллLevel 1Полное тело скиллаЗагружается только когда агент решил, что он релевантенLevel 2Референсные файлыЕщё глубже, только при необходимости
Плохой скилл может быть загружен по ошибке, но он никогда не отравляет контекст до того, как агент явно решит его использовать.
4. Память: многослойность с консолидацией
Tier 1 (MEMORY.md / USER.md) — жёсткие лимиты (2,200 / 1,375 chars). При заполнении на ~80% агент автоматически консолидирует записи — объединяет связанные в более плотные версии. Мусор просто не помещается.
Tier 2 (FTS5 по сессиям) — ничего не auto-инжектится в контекст. Агент должен явно поискать.
Tier 3 (внешние провайдеры) — работают рядом с built-in storage, никогда не заменяя его.
Изменения памяти пишутся на диск немедленно, но в system prompt попадают только в следующей сессии — это даёт защиту от «испорченной памяти» в пределах одной сессии.
5. Жёсткие ограничения рантайма
Hard cap: 90 turns per task — предотвращает циклическую деградацию через бесконечные исправления.
Компрессия контекста при приближении к лимиту токенов — автоматическая.
max_iterations для делегирования — по умолчанию 50 шагов у суб-агентов.
6. Изоляция между профилями
Каждый профиль — полностью изолированный инстанс со своими конфигом, памятью, скиллами, сессиями. Деградация в одном профиле не влияет на другие.
Резюме
Защита от деградации в Hermes — это не один механизм, а каскад:
SOUL.md (статичная identity) ↓ Session snapshot (изменения памяти → только в следующей сессии) ↓ Progressive disclosure (скилл загружается только по запросу) ↓ Curator (детерминированная чистка неиспользуемого) ↓ Curator (LLM-ревью с бекапом до начала) ↓ GEPA (execution traces + constraint gates + PR)
Каждый уровень ловит свой класс проблем: Curator — засорение, GEPA — ухудшение качества, progressive disclosure — раздувание контекста, snapshot — каскадные ошибки внутри сессии.
Так в том и дело, несмотря на миллионы токенов контекста современных LLM, если даёшь шум — получаешь на выходе шум. А ваш чат с бесконечными уточнениями — это и есть шум. Нужна максимальная чистота и кристальность на входе, только тогда получишь то же на выходе
Для создания ИИ скорее нужны реальные данные о мире, чем запросы пользователей. И тут компании, вроде Google, которые могут просто натренировать модель на выжимке из YouTube, в профите
На ресурсе для IT-специалистов последнее, что хочешь видеть — это суеверия и прочую муть. И тем не менее видим: использование "крайний" вместо "последний" повсеместно.
Вот, что он ответил:
Как самообучение Hermes защищено от деградации
Система самосовершенствования Hermes построена многослойно, и каждый слой имеет механизмы, предотвращающие ухудшение качества. Вот ключевые защиты:
1. Curator — фоновый «садовник» скиллов
Это главная защита от засорения:
Запускается редко — только после 7+ дней простоя + 2+ часа idle. Не мешает日常工作.
Всегда делает
tar.gzснапшот перед каждым проходом. Rollback — одна команда, и сам rollback тоже обратим.Никогда не удаляет. Худшее, что может сделать — архивировать в
~/.hermes/skills/.archive/, откуда скилл восстанавливается одной командой.Не трогает bundled и hub-скиллы — только те, что создал сам агент (
created_by: agent).Pinned skills освобождены от авто-переходов и LLM-ревью.
Две фазы: детерминированная (30 дней неиспользования → stale, 90 дней → archive) + LLM-ревью до 8 итераций. Детерминированная не использует LLM вообще — чистая арифметика.
2. GEPA — эволюция, а не самооценка
Самая важная защита от качественной деградации. GEPA решает фундаментальную проблему самообучающихся агентов — self-congratulation:
GEPA читает execution traces (реальные журналы выполнения), а не полагается на самооценку агента:
Оценка кандидатов — через LLM-as-judge с рубриками (не binary pass/fail)
Constraint gates перед публикацией:
100% прохождение полного test suite
Размер скилла ≤ 15 KB
Кэш-совместимость сохранена
Семантическая цель не изменилась
Публикация — только через PR, никогда прямой commit
3. Архитектурная защита: прогрессивное раскрытие
Даже если в библиотеке появился плохой скилл, он не вредит контексту:
УровеньЧто в контекстеЗачемLevel 0Только имена + описания (~3K токенов на весь каталог)Агент решает, нужен ли скиллLevel 1Полное тело скиллаЗагружается только когда агент решил, что он релевантенLevel 2Референсные файлыЕщё глубже, только при необходимости
Плохой скилл может быть загружен по ошибке, но он никогда не отравляет контекст до того, как агент явно решит его использовать.
4. Память: многослойность с консолидацией
Tier 1 (MEMORY.md / USER.md) — жёсткие лимиты (2,200 / 1,375 chars). При заполнении на ~80% агент автоматически консолидирует записи — объединяет связанные в более плотные версии. Мусор просто не помещается.
Tier 2 (FTS5 по сессиям) — ничего не auto-инжектится в контекст. Агент должен явно поискать.
Tier 3 (внешние провайдеры) — работают рядом с built-in storage, никогда не заменяя его.
Изменения памяти пишутся на диск немедленно, но в system prompt попадают только в следующей сессии — это даёт защиту от «испорченной памяти» в пределах одной сессии.
5. Жёсткие ограничения рантайма
Hard cap: 90 turns per task — предотвращает циклическую деградацию через бесконечные исправления.
Компрессия контекста при приближении к лимиту токенов — автоматическая.
max_iterationsдля делегирования — по умолчанию 50 шагов у суб-агентов.6. Изоляция между профилями
Каждый профиль — полностью изолированный инстанс со своими конфигом, памятью, скиллами, сессиями. Деградация в одном профиле не влияет на другие.
Резюме
Защита от деградации в Hermes — это не один механизм, а каскад:
SOUL.md (статичная identity) ↓ Session snapshot (изменения памяти → только в следующей сессии) ↓ Progressive disclosure (скилл загружается только по запросу) ↓ Curator (детерминированная чистка неиспользуемого) ↓ Curator (LLM-ревью с бекапом до начала) ↓ GEPA (execution traces + constraint gates + PR)
Каждый уровень ловит свой класс проблем: Curator — засорение, GEPA — ухудшение качества, progressive disclosure — раздувание контекста, snapshot — каскадные ошибки внутри сессии.
Нет, нативно
И Харда, если нет ОЗУ.
И ОЗУ, если нет видеопамяти.
Разница будет, разница всегда есть)
Так в том и дело, несмотря на миллионы токенов контекста современных LLM, если даёшь шум — получаешь на выходе шум.
А ваш чат с бесконечными уточнениями — это и есть шум.
Нужна максимальная чистота и кристальность на входе, только тогда получишь то же на выходе
Вообще про привязку карты для оплаты надо во-1-х писать.
Все VPS/VPN уже давно настроены в 26-м году
Немаловажно также наличие вокруг людей, подтверждающих ваш успех (помогающих ему).
Потому-что у всех известных успешных людей такие есть.
И самое интересное, что до сих пор они этого не поняли
В молодости просто думаешь, что старым быть не круто, и лучше просто сдохнуть.
Потом оказывается, что круто — понятие растяжимое
Ответ уже дан: конфиденциальность
Кстати, для информации — жителям балтийских стран не нравится, когда их регион называют Прибалтикой.
Для создания ИИ скорее нужны реальные данные о мире, чем запросы пользователей.
И тут компании, вроде Google, которые могут просто натренировать модель на выжимке из YouTube, в профите
Также привели нас сюда: все те люди, принимавшие участие во всей информации, которой научены творения Альтмана
Не проблема ИИ — проблема глупых кусочков мяса, боящихся шума над головой
Да нихуя не нужно, я просто качаю ЦП
На ресурсе для IT-специалистов последнее, что хочешь видеть — это суеверия и прочую муть.
И тем не менее видим: использование "крайний" вместо "последний" повсеместно.
Так как мы на техническом ресурсе, 1 ТБ/с (терабайт, не терабит)
Сэкономить 2 байта
Индусы думают они всем нужны.
Только размножайся.
Если что, как минимум найденные флешки ФСБ втыкали не в свои компы (у них их не было), а мои. В 2017-м и 2023-м годах.
а также за 5 минут почти любую задачу, решение которой известно человечеству