Hermes Agent Self-Evolution

Un proyecto oficial de Nous Research que usa DSPy + GEPA (Genetic-Pareto Prompt Evolution) para evolucionar y optimizar automáticamente las skills, las descripciones de herramientas, los prompts del sistema y el código de Hermes Agent, produciendo agentes mediblemente mejores mediante búsqueda evolutiva reflexiva.

Herramientas4,951Añadido
Ver en GitHub
hermes-agent-self-evolution
Hermes Agent Self-Evolution

Qué es

Hermes Agent Self-Evolution es un proyecto oficial de Nous Research que hace que Hermes Agent se mejore a sí mismo. Utiliza DSPy + GEPA (Genetic-Pareto Prompt Evolution, un artículo Oral de ICLR 2026) para evolucionar y optimizar automáticamente las skills del agente, las descripciones de sus herramientas, los prompts del sistema y su código, produciendo versiones mediblemente mejores mediante búsqueda evolutiva reflexiva.

La idea clave: en lugar de ajustar los prompts manualmente, el sistema lee los rastros de ejecución para entender por qué fallan las cosas (no solo que fallaron) y después propone mejoras específicas que evalúa automáticamente.

No requiere entrenamiento con GPU. Todo funciona mediante llamadas a la API: mutar texto, evaluar resultados y seleccionar las mejores variantes. Una ejecución de optimización típica cuesta alrededor de $2–10.

Cómo funciona

Read current skill/prompt/tool ──► Generate eval dataset
                                        │
                                        ▼
                                   GEPA Optimizer ◄── Execution traces
                                        │                    ▲
                                        ▼                    │
                                   Candidate variants ──► Evaluate
                                        │
                                   Constraint gates (tests, size limits, benchmarks)
                                        │
                                        ▼
                                   Best variant ──► PR against hermes-agent

Qué optimiza

Fase Objetivo Motor Estado
Fase 1 Archivos de skill (SKILL.md) DSPy + GEPA ✅ Implementada
Fase 2 Descripciones de herramientas DSPy + GEPA 🔲 Planificada
Fase 3 Secciones del prompt del sistema DSPy + GEPA 🔲 Planificada
Fase 4 Código de implementación de herramientas Darwinian Evolver 🔲 Planificada
Fase 5 Bucle de mejora continua Pipeline automatizado 🔲 Planificada

Motores: DSPy + GEPA para la evolución reflexiva de prompts; Darwinian Evolver para la evolución de código con seguimiento de organismos basado en Git.

Salvaguardas: la suite de tests completa (pytest tests/ -q) debe pasar al 100% y se aplican límites de tamaño (skills ≤15KB, descripciones de herramientas ≤500 caracteres) para que las variantes evolucionadas nunca degraden la calidad.

Inicio rápido

git clone https://github.com/NousResearch/hermes-agent-self-evolution.git
cd hermes-agent-self-evolution
pip install -r requirements.txt
# Configure your LLM API, then run an evolution pass over a skill
python evolve.py --target skill --name my-skill

Por qué es importante para los usuarios de Hermes

Hermes Agent ya escribe y guarda sus propias skills a partir de la experiencia. Self-Evolution va un paso más allá: aplica un bucle de optimización riguroso y automatizado — con puertas de restricción y suites de tests — para que las skills, los prompts y, con el tiempo, el código mejoren de forma medible. Es el ejemplo más directo de la filosofía del proyecto, «el agente que crece contigo», y funciona íntegramente con llamadas a la API, así que cualquier usuario de Hermes puede probarlo sin tener una GPU.

Enlaces

← Volver al ecosistema