自己改善型エージェントループ

hermes-agentの中核設計思想。通常のLLMエージェントがセッションごとに知識をリセットするのに対し、学習ループを持つことでセッションを跨いで知識・能力が蓄積・改善される。

構成要素

エージェントが管理する永続記憶。定期的なナッジ (nudge) によって、新たに学んだことを記憶に保存するよう促される。memoryツールで操作。

複雑なタスク（5回以上のツール呼び出し）が成功すると、エージェントが自動的にそれをスキルとして保存。後で同じ種類のタスクに出会ったときにそのスキルを読み込んで再利用する。

スキルが古くなったり不正確になったりした場合、使用中に自動的にパッチされる。skill_manage(action='patch')によって穴や不足ステップを補完する。

FTS5全文検索+LLM要約により、過去の会話をまたいで情報を検索可能。session_search ツールで操作。

Honcho弁証法的ユーザーモデリングを搭載。ユーザーの好みや傾向をモデル化し、インタラクションが進むごとに洗練される。

以下の記述は上記ソースで直接検証できません：

ユーザーモデリング (Honcho dialectical user modeling) — READMEに記載なし。Agent-curated memory は存在するが、Honchoや弁証法的ユーザーモデリングへの言及なし
agentskills.io — READMEに記載なし