Hermes Agent er en open-source autonom AI-agent udviklet af Nous Research, udgivet i februar 2026. Den nåede 95.000 GitHub-stjerner på syv uger — hvilket gør den til årets hurtigstvoksende agent-framework. I maj 2026 er den forbi 110.000 stjerner.
I modsætning til ChatGPT eller Claude (som er chatbots, du interagerer med i en browser), kører Hermes Agent på din egen server. Den forbinder til dine værktøjer, husker hvad den lærer på tværs af sessioner og bliver mere kapabel, jo længere du bruger den. Slagordet er "the agent that grows with you" — og i modsætning til de fleste marketingpåstande i AI er denne arkitektonisk underbygget.
Vigtig indsigt
Hermes Agent er ikke en chatbot. Det er en altid-tændt AI-agent, der kører lokalt, husker alt, skaber genbrugelige færdigheder fra erfaring og forbedres over tid. Det er open-source (MIT-licens) og gratis — du betaler kun for LLM API-kald.
Hvordan adskiller Hermes Agent sig fra ChatGPT eller Claude?
Den fundamentale forskel: ChatGPT og Claude er session-baserede. Du åbner en samtale, interagerer, lukker den, og AI'en starter forfra næste gang (med nogle begrænsede hukommelsesfunktioner). Hermes Agent er persistent. Den kører kontinuerligt, opretholder fuld samtalehistorik med søgbar hukommelse og bygger færdigheder fra afsluttede opgaver, som den genbruger i fremtidige sessioner.
| Funktion | ChatGPT / Claude | Hermes Agent |
|---|---|---|
| Hukommelse | Begrænset, session-baseret (nogle cross-session hukommelse) | Fuld persistent hukommelse — søgbar på tværs af alle sessioner |
| Læring | Forbedres ikke fra din brug | Skaber genbrugelige færdigheder fra afsluttede opgaver |
| Hosting | Cloud-hostet af udbyderen | Selv-hostet på din maskine eller VPS |
| Dataprivatecy | Data sendt til udbyderens servere | Alle data bliver på din maskine |
| Altid tændt | Nej — du åbner/lukker sessioner | Ja — kører 24/7 hvis du vil |
| Integrationer | Indbygget web, kode, billede | 118+ færdigheder, Discord, Telegram, Slack, Spotify, Google Meet |
| Omkostninger | $20/måned abonnement | Gratis (MIT) + LLM API-omkostninger ($1-5/dag typisk) |
Hvordan fungerer den selvforbedrende læringsloop?
Det er Hermes' kerneforskellighed. Efter at have fuldført en kompleks opgave (defineret som 5+ værktøjskald), opretter agenten automatisk en genbrugelig færdighed — en markdown-fil, der kodificerer de præcise trin, den tog. Formatet følger agentskills.io open standard, hvilket betyder, at færdigheder er portable til andre platforme som Claude Code og Cursor.
Læringsloopen har tre komponenter:
Færdighedsskabelse: Når en opgave lykkes, skriver Hermes en færdighedsfil, der dokumenterer trinene. Næste gang en lignende opgave dukker op, indlæser den færdigheden i stedet for at løse fra bunden. Nous Research-benchmarks viser, at agenter med 20+ selvskabte færdigheder fuldfører lignende opgaver 40% hurtigere — ikke bedre output, men mindre tid og færre tokens for at nå tilsvarende resultater.
Persistent hukommelse: Hermes bruger FTS5 full-text search over alle tidligere sessioner lagret i SQLite, kombineret med LLM-drevet opsummering. Den kan huske samtaler fra uger siden og søge i sin egen historik. Dette er ikke en CLAUDE.md-fil, du selv vedligeholder — agenten håndterer sin egen hukommelse.
Brugermodel: Hermes bygger en persistent model af, hvem du er på tværs af sessioner — dine præferencer, kommunikationsstil, projektkontekst. Dette eliminerer problemet med at "forklare dig selv igen", som plager session-baserede AI-værktøjer.
💡 Vigtig begrænsning
De 40% hurtigere forbedring er domænespecifik. En færdighed lært fra "summarize a GitHub PR" overføres ikke til "plan a database migration." Cross-domain generalisering er stadig et åbent problem. Hermes bliver bedre til opgaver, der ligner dem, den allerede har gjort, ikke til alt.
📬 Får du værdi ud af dette? Vi udgiver en dybdegang om ugen om AI-værktøjer og workflows. Tilmeld dig læsere, der får det i deres indbakke →
---Hvordan installerer du Hermes Agent?
Installationen er en enkelt kommando på Linux, macOS eller WSL2:
Ingen forudsætninger — installeren håndterer alt automatisk. Efter installation skal du konfigurere en LLM-udbyder. Hermes understøtter Claude, GPT, Gemini, Qwen og mange andre modeller gennem en provider-agnostisk arkitektur. At skifte modeller er en enkelt konfigurationsændring.
Til udvikling eller let brug kan du køre Hermes på din lokale maskine. Til altid-tændt brug er en VPS til $5-10/måned (DigitalOcean, Hetzner eller lignende) den standard anbefaling.
Hvad koster Hermes Agent?
Softwaren er gratis (MIT-licens). Omkostningerne kommer fra to kilder:
| Omkostningskomponent | Budget-opsætning | Standard-opsætning | Tung brug |
|---|---|---|---|
| Hosting | $0 (lokal maskine) | $5-10/mo (VPS) | $10-20/mo (VPS) |
| LLM API | $1-3/dag (Qwen, Gemini) | $3-10/dag (Claude Sonnet, GPT-4o) | $30-130/dag (Claude Opus) |
| Månedligt total | $30-90 | $90-310 | $900+ |
Samfundets konsensus: GPT 5.4 (med thinking mode på medium+) og MiniMax M2.7 er de mest populære daglige drivere for omkostningsbevidste brugere. Qwen 3.5 er gratis på OpenRouter til budget-opsætninger. Claude Opus producerer den bedste kvalitet, men kan koste $131/dag ved tung agent-brug — og Anthropic har angiveligt begrænset tung tredjepartsbrug.
Hvad er de primære anvendelsesområder?
Hermes skinner i scenarier, hvor akkumuleret viden betyder noget:
Forskningsautomatisering: Bed Hermes om at undersøge et emne, og den søger på nettet, sintetiserer kilder og producerer en rapport. Næste gang du undersøger et lignende emne, indlæser den forskningsfærdigheden, den skabte, og arbejder hurtigere.
Meddelelsesgateway: Hermes forbinder til Discord, Telegram, Slack, Microsoft Teams og andre platforme. Den fungerer som din AI-assistent på tværs af alle kanaler og opretholder kontekst mellem samtaler på forskellige platforme.
Workflow-automatisering: Planlæg tilbagekommende opgaver — daglige opsummeringer, e-mail-behandling, datamonitorering. I modsætning til no-code automatiseringsværktøjer som n8n kan Hermes håndtere opgaver, der kræver ræsonnement og dømmekraft, ikke kun if/then-regler.
Udviklingsworkflows: Mens Claude Code er bedre til rene kodningsopgaver, excellerer Hermes i bredere udviklingsworkflows — overvågning af deployments, håndtering af dokumentation, koordinering på tværs af værktøjer. Mange udviklere kører begge: Claude Code til at skrive kode, Hermes til alt andet.
Hvad er Hermes Agents begrænsninger?
For at være ærlig om, hvad Hermes ikke gør godt:
Ikke en kodningsagent. Til at skrive kode, debugging og refactoring overgår Claude Code og Cursor Hermes. Hermes er eksplicit et konversationsagent-framework, ikke et kode-nativt værktøj.
Opsætning er ikke triviel. På trods af en-linje-installeren tager konfiguration af LLM-udbydere, aktivering af persistent hukommelse og opsætning af meddelelsesintegrationer reel tid. Løftet om "grows with you" kræver, at du eksplicit aktiverer persistent hukommelse og skill_generation i config — mange brugere, der afviser Hermes som "intet særligt", har aldrig aktiveret læringsloopen.
Ungt økosystem. Med ~110K stjerner og 11 udgivelser (vs OpenClaw's 345K stjerner og 137 udgivelser) er fællesskabet mindre, færdighedsbiblioteket yngre, og edge cases mindre dokumenterede.
Sikkerhed er ikke bevist i stor skala. Hermes har nul rapporterede CVEs pr. maj 2026 — men det afspejler begrænset eksponering, ikke bevist hardening. Arkitekturen inkluderer container-hardening og namespace-isolation, men alle, der deployer på en offentlig server, bør auditer defaults.
Hermes Agent vs OpenClaw vs Claude Code
| Kriterier | Hermes Agent | OpenClaw | Claude Code |
|---|---|---|---|
| Bedst til | Selvforbedrende workflows | Multi-kanal automatisering | Software engineering |
| Hukommelse | Persistent, søgbar, selvadministreret | Begrænset cross-session | CLAUDE.md-filer (manuel) |
| Læringsloop | Ja — skaber færdigheder automatisk | Nej — statiske færdigheder kun | Nej |
| Integrationer | 118 færdigheder, 6+ platforme | 13.700+ færdigheder, bredere økosystem | IDE-nativ, GitHub Actions |
| GitHub-stjerner | ~110K | ~345K | N/A (Anthropic-produkt) |
| Opsætningskompleksitet | Moderat | Moderat-Høj | Let (npm install) |
| Sikkerheds track record | 0 CVEs (for ny til at sammenligne) | CVE-2026-25253 (CVSS 8.8) | Håndteret af Anthropic |
Samfundets konsensus: Mange erfarne brugere kører både OpenClaw (som orkestrator for planlægning og multi-trins koordinering) og Hermes (som udføringspecialist for hurtige, gentagelsesbare opgaveloops). De kommunikerer via ACP-protokollen. Til kodning specifikt forbliver Claude Code standarden.
Til en dybere forståelse af hvordan AI-agenter fungerer generelt, se vores komplette guide. Og for at optimere dine prompts til enhver AI — agent eller chatbot — prøv den gratis Prompt Optimizer.
---📬 Vil du have mere som dette? Vi udgiver ugentligt om AI-værktøjer og workflows. Tilmeld dig gratis →
---Ofte stillede spørgsmål
Er Hermes Agent gratis?
Softwaren er gratis og open-source under MIT-licensen. Du betaler kun for LLM API-kald (typisk $1-10/dag afhængig af brug og modelvalg) og valgfri VPS-hosting ($5-10/måned for altid-tændt drift).
Fungerer Hermes Agent på Windows?
Hermes understøtter Linux, macOS og WSL2 (Windows Subsystem for Linux). Native Windows-understøttelse uden WSL er ikke tilgængelig i øjeblikket.
Kan Hermes Agent erstatte ChatGPT eller Claude?
Ikke direkte. Hermes er en anden kategori — det er et autonomt agent-framework, ikke en chatbot. Til hurtige spørgsmål og skrivningsopgaver er ChatGPT og Claude bedre. Til persistent automatisering, planlagte opgaver og workflows, der drager fordel af akkumuleret viden, udfylder Hermes et hul, som chatbots ikke dækker.
Hvilke LLM-modeller fungerer med Hermes Agent?
Hermes er model-agnostisk. Den understøtter Claude (Anthropic), GPT (OpenAI), Gemini (Google), Qwen, MiniMax og mange andre udbydere. At skifte modeller er en enkelt konfigurationsændring — ingen kodeændringer nødvendige.
Offentliggørelse: Nogle links i denne artikel er affiliate-links. Vi anbefaler kun værktøjer, vi har personligt testet og bruger regelmæssigt. Se vores fulde offentliggørelsespolitik.