Hermes Agent: leur système de “Skills” dynamiques m’a réconcilié avec les agents IA locaux

Ça fait un moment que j’expérimente avec différents frameworks d’agents IA en local pour mon workflow de dev quotidien. Le plus gros problème que je rencontrais systématiquement, c’était le “prompt bloat” (le fait de saturer la fenêtre de contexte). On commence une session de travail, l’agent charge des milliers de lignes d’instructions de cadrage, et au bout de quelques itérations, il commence à perdre le fil, à halluciner ou à oublier l’objectif de départ.

C’est là que le système de “Skills” de Hermes Agent m’a vraiment bluffé. Au lieu de gaver l’agent de règles complexes dès le démarrage, Hermes utilise un modèle de divulgation progressive (progressive disclosure).

En gros, il conserve un index ultra-léger en mémoire (le Level 0, accessible via skills_list()). Ce n’est que lorsqu’on tape une commande slash spécifique, comme /plan ou /systematic-debugging, que l’agent charge à la demande le fichier d’instructions complet SKILL.md associé (le Level 1 via skill_view). Notre contexte reste propre, réactif, et on économise un nombre incalculable de tokens.

Voici un retour concret sur la façon dont ça tourne au quotidien, les compétences qui me sauvent la mise, et comment l’agent apprend de nouvelles choses tout seul.

Mes compétences favorites au quotidien (Natives & Communauté)

Le catalogue par défaut de Hermes embarque déjà plus de 85 compétences stockées en local dans ~/.hermes/skills/. Parmi les plus robustes que j’utilise tous les jours :

• /systematic-debugging : C’est devenu ma routine absolue dès qu’un bug un peu tordu pointe son nez. L’agent passe par un protocole strict d’analyse de cause racine en 4 phases avant de toucher à la moindre ligne de code. Ça évite les modifications impulsives qui cassent tout le reste de l’application.
• /kanban-orchestrator : L’un des plus gros défauts des agents autonomes est d’oublier la vue d’ensemble lorsqu’ils s’enfoncent dans des sous-tâches techniques. Ce skill force Hermes à tenir à jour un tableau Kanban au format markdown en local. Ça évite les boucles logiques infinies et, d’après mes propres tests, mes tâches complexes se terminent facilement 40 % plus vite.
• /simplify-code : Il s’agit d’une routine multi-agents très efficace. Hermes lance une sous-routine avec 3 agents spécialisés pour nettoyer le code récent, le refactoriser et s’assurer que les changements n’introduisent pas d’incohérences de typage ou de logique.
• /architecture-diagram & /excalidraw : Pour la doc, c’est royal. Je lui demande d’analyser un répertoire de services et il me sort des schémas d’infrastructure SVG sombres (rendus en HTML propre) ou des wireframes Excalidraw directement exploitables sous forme de JSON.

Côté communauté, le registre central HermesHub (et d’autres plateformes comme skilldock.io ou Clawhub) regorge de pépites qui respectent le standard agentskills.io. J’ai notamment installé l’énorme pack de sécurité Anthropic-Cybersecurity-Skills pour auditer mes API locales par rapport aux référentiels MITRE ATT&CK et NIST :

hermes skills install mukul975/Anthropic-Cybersecurity-Skills

(Note de sécurité au passage : lors de l’installation, Hermes fait passer le script dans un scanner de terminal sandboxé pour éviter les mauvaises surprises. On peut aussi lancer un audit manuel avec hermes skills audit pour vérifier l’intégrité des dépendances communautaires).

Comment fonctionne la boucle d’auto-apprentissage (Self-Learning Loop)

Le comportement le plus fascinant reste la capacité de Hermes à s’auto-améliorer de manière autonome. On n’a pas besoin de passer des heures à configurer des paramètres complexes. La boucle de rétroaction se déclenche d’elle-même en tâche de fond selon des critères comportementaux très précis :

1. Enchaînement d’actions : Si l’agent vient d’exécuter une séquence complexe de plus de 5 appels d’outils consécutifs pour résoudre un problème.
2. Résolution d’impasses : Si l’agent a rencontré des erreurs ou des voies sans issue, a dû se corriger et a fini par trouver un chemin de résolution stable.
3. Corrections de l’utilisateur : Si vous intervenez manuellement pendant la session pour ajuster sa trajectoire ou lui proposer une meilleure méthode, cela envoie un signal fort à l’évaluateur en arrière-plan.

L’architecture sous-jacente suit ce schéma :

[Objectif utilisateur] ➔ [Séquence de 5+ outils] ➔ [Évaluateur d'arrière-plan] ➔ [Appel de l'outil skill_manage] ➔ [Porte d'approbation] ➔ [Fichier SKILL.md actif]

En pratique, l’agent utilise son outil natif skill_manage pour rédiger, éditer ou corriger son propre profil de compétence. Un processus de réflexion extrait la logique réutilisable et l’enregistre dans un fichier SKILL.md tout neuf dans notre répertoire local.

Pour les maniaques du contrôle (comme moi, pour être tout à fait honnête), je vous conseille d’activer la “Write-Approval Gate” dans la configuration globale du système de skills. Cela force Hermes à vous demander une confirmation explicite dans la console avant de valider et d’enregistrer une compétence qu’il a générée lui-même.

Pour éviter d’encombrer votre dossier de compétences avec des dizaines d’essais uniques, un utilitaire d’archivage automatique (“The Autonomous Curator”) s’exécute silencieusement tous les 7 jours (à condition que la machine soit inactive depuis au moins 2 heures). Il laisse vos fichiers officiels ou créés à la main intacts, mais passe les compétences générées par l’IA de l’état “actif” à “obsolète” après 30 jours sans utilisation, puis les archive définitivement après 90 jours.

Astuces de terminal : que faire quand tout casse ?

Si comme moi vous aimez bidouiller les fichiers de configuration et que vous finissez par corrompre accidentellement une compétence native (par exemple, en modifiant à la main les instructions de /plan), il existe plusieurs commandes de secours très utiles.

Pour restaurer une seule compétence par défaut à son état d’usine et effacer vos modifications expérimentales :

hermes skills reset plan --restore --yes

Si le problème est plus large et affecte plusieurs répertoires de base, on peut forcer une resynchronisation complète du catalogue d’origine :

hermes skills opt-in --sync

Enfin, si l’agent a généré un mauvais fichier lors d’une boucle d’auto-apprentissage et que vous voulez revenir en arrière, le “Curator” sauvegarde régulièrement des snapshots compressés au format .tar.gz de votre dossier de compétences avant chaque phase d’optimisation majeure. Vous pouvez lister les sauvegardes temporelles et restaurer votre dossier à une date précise très simplement :

# Pour voir les sauvegardes disponibles
hermes curator rollback --list

# Pour restaurer la version la plus récente
hermes curator rollback -y

Franchement, cette séparation claire entre le moteur de raisonnement d’un côté et les playbooks d’exécution modulaires (SKILL.md) de l’autre rend l’utilisation des agents locaux beaucoup plus prévisible et contrôlable sur le long terme. Si vous utilisez Hermes, je serais curieux de savoir quelles compétences communautaires ou générées vous utilisez le plus dans vos workflows !