OpenClaw и Hermes канал про ИИ-агентов

Сижу я за своим Маком работаю и тут что-то начинает шарится по моим личным папкам

Я по Python 3.11 довольно быстро сообразил (т.к. у меня системный 3.12), что это Hermes который по дефолту не спрашивая запускается в фоне.

У Hermes есть CURATOR - Это автономный «куратор», который сам себе ставит задачи по обустройству воркспейса (UMBRELLA-BUILDING). Фоновый скилл с эфемерной памятью.

И вот он в системе был установлен больше недели и искал три markdown-файла своего воркфлоу (макет/компоненты/goto-workflow),

И чтобы понять структуру и по какой-то причине решил запустить find / .

Модель он при этом исспользовал бесплатную, из Nous Research, так что денег не потратил.

Хорошо, что МакОс его не пустила в мои личные папки. Я конечно все запретил и полез разбираться, что прозошло, ну как, я Клод Код запустил и сказал "разберись", а то сам бы я долго выяснял.

Выводы примерно такие же, что имеет смысл месяца два подождать, пока Hermes до ума не докрутят.

Попользовался этим Hermes Desktop с неделю - все очень очень сыро

То что обновляется каждый час - это конечно круто, но ничего нормально не работает.

• Постоянно появляются какие-то ошибки
• Цвет в профиле нельзя поменять (глючит)
• Профили не удаляются
• Работа модели не останавливается по кнопке стоп. Нужно выключать просто программу по cmd+q

Ждать надо видимо месяца два когда все баги уберут, можно будет нормально работать. Ну или пока пользоваться гейтвей с Телеграм.

На Хабре вышел толковый пост Hermes Agent Desktop: настройка под реальные задачи

Автор месяц работал с Hermes Agent через CLI (WSL) — десктопа под Windows не было. В версии v0.15.2 вышел установщик Desktop APP на Electron для Windows, macOS и Linux.

В GUI 13 разделов. Разберем настройки:

Model. Основная модель — ollama-cloud/kimi-k2.6. Context Length держу на 0: Hermes сам запрашивает у провайдера актуальный лимит. Захардкоженное число устаревает — Kimi перешёл с 128K на 256K.

По умолчанию все auxiliary-задачи стоят на provider: auto и откатываются на основную модель. Триллион параметров тратится на заголовки и поиск по сессиям. Прописал каждой задаче свою модель:
- vision → qwen3-vl:235b-instruct
- web_extract, compression, curator → kimi-k2.5
- skills_hub, approval, mcp, title_gen, session_search → rnj-1:8b

Баг: session_search нельзя назначить через GUI — список auxiliary-задач зашит в коде Electron, эту задачу не добавили. Лечится через CLI:


hermes config set auxiliary.session_search.provider ollama-cloud
hermes config set auxiliary.session_search.model rnj-1:8b


После перезапуска работает, но UI всё равно показывает auto.

Chat. Personality — Philosopher. Reasoning Blocks — Off.

Appearance. Tool Call Display — Technical: показывает raw JSON аргументов и результатов вызовов. Нужно для отладки. Не отлаживаете — ставьте Product.

Workspace. Главное изменение — Environment Passthrough: PATH,CUDA_PATH. Без него агент не видел CUDA, приходилось прописывать абсолютные пути к Python, pip, nvidia-smi. Auto-Approve File Writes — Off.

Safety. Approval Mode — Manual: подтверждение перед каждой опасной командой. Approval Timeout поднял с 60 до 120 секунд. Redact Secrets — On: скрывает пароли, ключи и токены из контекста перед отправкой в модель.

Memory & Context. Persistent Memory — On: сохраняет факты между сессиями. Protected Recent Messages поднял с 20 до 30 — эти сообщения не сжимаются.

Advanced. Max Agent Steps поднял с 90 до 120 — pipeline автопостинга обрывался на 90. Subagent Model — rnj-1:8b вместо kimi-k2.6.

Gateway. Локальный шлюз на localhost, работает offline. Если уже запущен CLI-шлюз с тем же Telegram-токеном, Desktop отключит его при старте. Нужны разные токены или один шлюз.

Минусы:
1. Electron ест ~400 МБ в простое — в 5 раз больше CLI.
2. Свои темы сделать нельзя.
3. На Linux не standalone: Python-зависимости ставятся вручную.
4. Конфликт шлюзов по одному токену.
5. Редактор конфига базовый.
6. Session Search назначается только через CLI.

Итог: тот же агент, навыки и память, но без терминала. Параллельные чаты окупают переход.

Полная версия статьи: https://habr.com/ru/articles/1044270/

Самый недооценённый навык сейчас —
умение правильно ставить задачи ИИ.

Можно дать один и тот же запрос -
и получить либо «воду»,
либо результат, который экономит часы работы.

И дело не в инструменте.
А в том, как ты формулируешь.
Чем точнее вопрос — тем сильнее результат.

ИИ — это про мышление

Я собрала папку с теми, кто реально умеет с этим работать — иногда захожу, чтобы держать уровень.

https://t.me/addlist/apNCMgFIc6g2NjVi

Вы как используете ИИ: поиграться или уже в работе?

🔥 Kimi K2.6 — открытая модель с агентным роем из 300 подагентов

Moonshot AI выпустила Kimi K2.6 — мультидомальную MoE-модель с 1 триллионом параметров (32 млрд активных на токен, 384 эксперта, 256K контекст). Открытые веса на Hugging Face под Modified MIT License.

Что нового:

• Agent Swarm — до 300 подагентов, 4000 скоординированных шагов одновременно
• Long-horizon coding — автономная работа 12+ часов: кейс с оптимизацией финансового движка exchange-core дал +185% throughput за 1000+ вызовов инструментов
• Мультиязычный код — Rust, Go, Python, Zig (даже нишевые языки)

Claw Groups — research preview совместной работы людей и агентов с разных устройств над одной задачей.

Доступна: kimi.com, API, Kimi Code CLI. Архитектура совместима с K2.5 — деплой на vLLM/SGLang/KTransformers без переделки.

Официальный API Kimi Platform:
• Вход: $0.95/1M токенов (cache hit: $0.16/1M)
• Выход: $4.00/1M токенов

OpenRouter:
• Вход: $0.60/1M
• Выход: $2.80/1M

https://www.kimi.com/blog/kimi-k2-6

Подпишитесь на @openclawc