MMCPMarkets
NH

nousresearch/hermes-agent-self-evolution

Developer tools

Эта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал

5,6 тыс. stars Качество 56 Тренд 42
Repository Install

⚒ Эволюционное самосовершенствование для Hermes Agent — оптимизировать навыки, подсказки и код с помощью DSPy + GEPA

Обзор

Hermes Agent Self-Evolution использует DSPy + GEPA (Genetic-Pareto Prompt Evolution) для автоматической эволюции и оптимизации навыков Hermes Agent, описаний инструментов, системных подсказок и кода — создавая заметно лучшие версии через рефлексивный эволюционный поиск. Всё работает через API-запросы — изменяет текст, оценивает результаты и выбирает лучшие варианты. ~$2-10 за запуск оптимизации. GEPA читает трассировки выполнения, чтобы понять, почему что-то выходит из строя (а не только то, что это произошло), затем предлагает целенаправленные улучшения. ICLR 2026 Устный, лицензирован MIT. Каждый эволюционированный вариант должен пройти: 1. — тесты pytest/ -q должны пройти 100% 2. — Навыки ≤15 КБ, описания инструментов ≤500 символов 3. — Изменений во время разговора нет 4. — Нельзя отклоняться от исходной цели 5. — Все изменения проходят через человеческую проверку, никогда не напрямую фиксировать См. PLAN.md для полной архитектуры, стратегии оценочных данных, ограничений, интеграции бенчмарков и поэтапной хронологии.

Обзор (машинный перевод)

Эволюционное самосовершенствование для агента Гермеса.

Hermes Agent Self-Evolution использует DSPy + GEPA (Genetic-Pareto Prompt Evolution) для автоматической эволюции и оптимизации навыков Hermes Agent, описаний инструментов, системных подсказок и кода — создавая заметно лучшие версии через рефлексивный эволюционный поиск.

Обучение GPU не требуется. Всё работает через API-вызовы — изменяет текст, оценивает результаты и выбирает лучшие варианты. ~$2-10 за запуск оптимизации.

Как это работает

GEPA читает трассировки исполнения, чтобы понять причины сбоев (а не только сбои), затем предлагает целевые улучшения. ICLR 2026 устный, лицензирован MIT.

Быстрый старт

Что это оптимизирует

Фаза Цель Двигатель Состояние
Фаза 1 Файлы навыков (SKILL.md) DSPy + GEPA ✅ Реализовано
Фаза 2 Описания инструментов DSPy + GEPA 🔲 Планируется
Фаза 3 Разделы системных подсказок DSPy + GEPA 🔲 Планируется
Фаза 4 Код реализации инструмента Дарвиновский эволювер 🔲 Планируется
Фаза 5 Цикл непрерывного улучшения Автоматизированный конвейер 🔲 Планируется

Двигатели

| Двигатель | Что он делает | Лицензия |

Эта страница переведена автоматически. Технические детали смотрите в оригинале.

README

Показан фрагмент оригинального README. Открыть оригинал.

🧬 Hermes Agent Self-Evolution

Evolutionary self-improvement for Hermes Agent.

Hermes Agent Self-Evolution uses DSPy + GEPA (Genetic-Pareto Prompt Evolution) to automatically evolve and optimize Hermes Agent’s skills, tool descriptions, system prompts, and code — producing measurably better versions through reflective evolutionary search.

No GPU training required. Everything operates via API calls — mutating text, evaluating results, and selecting the best variants. ~$2-10 per optimization run.

How It Works

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

GEPA reads execution traces to understand why things fail (not just that they failed), then proposes targeted improvements. ICLR 2026 Oral, MIT licensed.

Quick Start

# Install
git clone https://github.com/NousResearch/hermes-agent-self-evolution.git
cd hermes-agent-self-evolution
pip install -e ".[dev]"

# Point at your hermes-agent repo
export HERMES_AGENT_REPO=~/.hermes/hermes-agent

# Evolve a skill (synthetic eval data)
python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source synthetic

# Or use real session history from Claude Code, Copilot, and Hermes
python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source sessiondb

What It Optimizes

Phase Target Engine Status
Phase 1 Skill files (SKILL.md) DSPy + GEPA ✅ Implemented
Phase 2 Tool descriptions DSPy + GEPA 🔲 Planned
Phase 3 System prompt sections DSPy + GEPA 🔲 Planned
Phase 4 Tool implementation code Darwinian Evolver 🔲 Planned
Phase 5 Continuous improvement loop Automated pipeline 🔲 Planned

Engines

Engine What It Does License
DSPy + GEPA Reflective prompt evolution — reads execution traces, proposes targeted mutations MIT
Darwinian Evolver Code evolution with Git-based organisms AGPL v3 (external CLI only)

Guardrails

Every evolved variant must pass:

Открыть полный README на GitHub

Рекомендуемые инструменты

Попробуйте другой запрос или уберите фильтр.

Установка

npx skillfish add nousresearch/hermes-agent-self-evolution
Новичок в MCP? Начните с руководства на mcpskill.org →