Hermes Agent: el agente de IA que lo recuerda todo y escribe sus propias skills
Hermes Agent, de Nous Research, acumula memoria entre sesiones y escribe sus propias skills. Por qué este caso open source es referencia para construir un BRAIN MAKER corporativo.
Pasé dos décadas construyendo búsqueda enterprise antes de fundar Arvor. Aprendí algo temprano: un sistema sin memoria persistente no es inteligencia, es un pasante brillante que olvida todo cada lunes. Reexplicas el contexto, reexplicas las preferencias, reexplicas el error que ya corregiste una vez. Eso no escala, y no es lo que una empresa necesita de un agente.
Por eso Hermes Agent, de Nous Research, me llamó la atención cuando se lanzó el 25 de febrero de 2026. No es otro wrapper de chat con un prompt bonito. Es un agente pensado desde la base para acumular contexto entre sesiones y, más interesante aún, para escribir sus propias skills a medida que aprende a resolver problemas nuevos.
Cinco meses después, el proyecto ya va en la versión 0.18.0, lanzada el 1 de julio de 2026 (petronellatech.com). Un ritmo de releases así no es suerte: es señal de que hay gente de verdad usándolo en producción y reportando lo que falta.
Memoria que se compone, no memoria que se reinicia
La promesa central de Hermes es fácil de describir y difícil de construir: memoria acumulada entre sesiones (aibuilderclub.com). Suena trivial hasta que intentas implementarlo de verdad. La mayoría de los agentes que dicen tener “memoria” solo guardan un resumen superficial de la conversación anterior y lo llaman continuidad. Hermes va más allá: lleva a la siguiente sesión lo que aprendió, no solo lo que se dijo.
En la práctica, esto cambia qué tipo de trabajo puedes delegar. Un agente que olvida todo solo sirve para tareas de un único turno. Un agente que acumula contexto real se convierte en un colaborador de largo plazo, uno que sabe por qué falló el intento anterior y no repite el mismo error en el siguiente.
Un agente que escribe sus propias skills
La segunda parte es todavía más interesante y, honestamente, más rara de ver funcionando fuera de un paper académico: Hermes escribe sus propias skills (aibuilderclub.com). En lugar de esperar que un equipo de ingeniería codifique manualmente cada capacidad nueva, el agente identifica un patrón de tarea recurrente y produce la herramienta que necesita para resolverlo la próxima vez.
Esa es la diferencia entre un agente “configurable” y uno que se automejora. Configurable significa que los humanos siguen siendo el cuello de botella para cada capacidad nueva. Automejora significa que el sistema evoluciona a la velocidad del uso, no a la velocidad del backlog de ingeniería.
El mercado está prestando atención: el proyecto superó las 32 mil estrellas en GitHub en abril de 2026 y cerró una alianza con MiniMax (hermes-ai.net/news). Tracción de código abierto en ese volumen, sumada a una alianza con un laboratorio de modelos, es señal de validación técnica, no hype de lanzamiento, sino adopción sostenida.
Por qué esto es BRAIN MAKER en la práctica
Hermes Agent es, para mí, el caso de estudio más claro de 2026 sobre hacia dónde va la categoría de “cerebro corporativo”. No se trata de tener un chatbot más. Se trata de construir un sistema que acumula conocimiento operativo y convierte ese conocimiento en capacidad nueva, sin depender de un equipo de ingeniería reescribiendo prompts cada semana.
Esa es exactamente la tesis detrás de BRAIN MAKER: memoria que persiste, conocimiento que se compone y agentes que ganan capacidad con el uso, en lugar de quedarse estáticos hasta el próximo sprint de desarrollo. La diferencia entre un agente de IA genérico y un cerebro corporativo de verdad está exactamente en esos dos puntos que Hermes dejó explícitos: memoria real y automejora real.
Si tu empresa todavía trata cada conversación con IA como una página en blanco, estás pagando el costo de reexplicar contexto todos los días. Habla con nosotros sobre consultoría agéntica o contáctanos para entender cómo aplicar el mismo principio dentro de tu operación.