Hermes Agent Self-Evolution

Un projet officiel de Nous Research qui utilise DSPy + GEPA (Genetic-Pareto Prompt Evolution) pour faire évoluer et optimiser automatiquement les skills, les descriptions d'outils, les prompts système et le code de Hermes Agent — produisant des agents mesurablement meilleurs grâce à une recherche évolutive réflexive.

Outils4,951Ajouté
Voir sur GitHub
hermes-agent-self-evolution
Hermes Agent Self-Evolution

Qu’est-ce que c’est

Hermes Agent Self-Evolution est un projet officiel de Nous Research qui permet à Hermes Agent de s’améliorer lui-même. Il utilise DSPy + GEPA (Genetic-Pareto Prompt Evolution, un article présenté en Oral à l’ICLR 2026) pour faire évoluer et optimiser automatiquement les skills, les descriptions d’outils, les prompts système et le code de l’agent — produisant des versions mesurablement meilleures grâce à une recherche évolutive réflexive.

L’idée clé : au lieu de régler les prompts à la main, le système lit les traces d’exécution pour comprendre pourquoi les choses échouent (et pas seulement qu’elles échouent), puis propose des améliorations ciblées et les évalue automatiquement.

Aucun entraînement GPU requis. Tout fonctionne par appels API — mutation du texte, évaluation des résultats et sélection des meilleures variantes. Un cycle d’optimisation typique coûte environ 2 à 10 $.

Comment ça marche

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

Ce qu’il optimise

Phase Cible Moteur Statut
Phase 1 Fichiers de skills (SKILL.md) DSPy + GEPA ✅ Implémenté
Phase 2 Descriptions d’outils DSPy + GEPA 🔲 Prévu
Phase 3 Sections de prompt système DSPy + GEPA 🔲 Prévu
Phase 4 Code d’implémentation des outils Darwinian Evolver 🔲 Prévu
Phase 5 Boucle d’amélioration continue Pipeline automatisé 🔲 Prévu

Moteurs : DSPy + GEPA pour l’évolution réflexive des prompts ; Darwinian Evolver pour l’évolution du code avec suivi des organismes basé sur Git.

Garde-fous : une suite de tests complète (pytest tests/ -q) doit passer à 100 %, et des limites de taille sont appliquées (skills ≤ 15 Ko, descriptions d’outils ≤ 500 caractères) afin que les variantes issues de l’évolution ne fassent jamais régresser la qualité.

Démarrage rapide

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

Pourquoi c’est important pour les utilisateurs de Hermes

Hermes Agent écrit et enregistre déjà ses propres skills à partir de l’expérience. Self-Evolution va plus loin : il applique une boucle d’optimisation automatisée et rigoureuse — avec des portes de contraintes et des suites de tests — afin que les skills, les prompts et, à terme, le code s’améliorent de manière mesurable au fil du temps. C’est l’exemple le plus direct de la philosophie du projet « l’agent qui grandit avec vous », et tout fonctionne par appels API, donc n’importe quel utilisateur de Hermes peut l’essayer sans posséder de GPU.

Liens

← Retour à l'écosystème