Mémoire et skills de Hermes Agent : comment ça fonctionne

Réponse courte : Hermes Agent gère la mémoire en écrivant dans des fichiers markdown simples (MEMORY.md pour le contexte global, USER.md par utilisateur) dans le répertoire de données de l'agent. L'agent les lit au début de chaque session et les met à jour automatiquement au fil des conversations. La mémoire est inspectable, éditable et portable — sans base de données ni stockage vectoriel.

Pourquoi la mémoire et les skills sont le vrai différenciateur

La plupart des outils IA se réinitialisent complètement entre les sessions. Vous repartez de zéro à chaque fois. Hermes Agent est construit sur un modèle différent : l'agent doit accumuler des connaissances et des capacités à mesure que vous l'utilisez.

Ce n'est pas qu'une description de fonctionnalité. C'est la différence architecturale fondamentale entre Hermes et une interface de chat standard. La documentation officielle de Hermes présente le projet comme « l'agent qui grandit avec vous », et les systèmes de mémoire et de skills sont le mécanisme derrière cette promesse.

Comprendre le fonctionnement de ces systèmes vous permet d'utiliser Hermes plus efficacement. Cela explique aussi pourquoi les décisions de déploiement, comment et où vous faites tourner Hermes, comptent davantage pour cet agent que pour la plupart des autres.

Comment fonctionne la mémoire de Hermes

Hermes stocke la mémoire persistante dans un ensemble de fichiers à l'intérieur du répertoire de données de l'agent. Le fichier principal est MEMORY.md, un fichier markdown structuré que l'agent lit au début de chaque session et met à jour au fil des conversations.

Ce n'est pas une base de données ni un stockage vectoriel. C'est un fichier texte brut que l'agent peut lire et écrire comme n'importe quel document. La simplicité est intentionnelle : la mémoire est inspectable, modifiable et portable. Vous pouvez l'ouvrir dans un éditeur de texte et lire exactement ce que l'agent sait.

Ce qui est écrit dans la mémoire

L'agent décide ce qu'il écrit dans MEMORY.md en fonction de ce qu'il considère digne d'être mémorisé. Cela inclut généralement :

• Les préférences utilisateur et les notes sur le style de travail
• Les résumés de projets en cours et leur contexte
• Les informations que l'utilisateur a explicitement demandé à l'agent de retenir
• Les patterns que l'agent a observés sur plusieurs sessions
• Les décisions qui doivent être reportées (outils préférés, modèle préféré, etc.)

Vous pouvez aussi dire directement à Hermes de retenir quelque chose : « souviens-toi que je préfère Python à JavaScript » ou « enregistre un résumé de ce qu'on a fait aujourd'hui ». L'agent l'écrit immédiatement dans MEMORY.md.

Profils utilisateurs

En plus de MEMORY.md, Hermes maintient un fichier USER.md pour chaque utilisateur qui interagit avec l'agent. C'est l'équivalent par utilisateur du fichier mémoire global. Il stocke des informations spécifiques à chaque individu, particulièrement utile quand l'agent sert plusieurs utilisateurs via un déploiement Telegram partagé.

Fichiers de contexte

Hermes lit également des fichiers de contexte depuis vos répertoires de projet. Ce sont des fichiers que vous fournissez intentionnellement, comme un CONTEXT.md dans votre répertoire de travail, qui donnent à l'agent des informations de fond sur un projet ou un domaine spécifique. L'agent les traite comme des documents de référence, pas comme de la mémoire modifiable.

C'est le mécanisme derrière la capacité de Hermes à réaliser un travail de projet soutenu. Vous lui donnez un fichier de contexte expliquant le projet, et il transporte ce contexte dans chaque conversation sur ce projet sans que vous ayez à le répéter.

Le système de skills

Là où la mémoire stocke des informations, les skills stockent des comportements. Un skill Hermes est une procédure réutilisable que l'agent peut invoquer par son nom.

À quoi ressemble un skill

Les skills sont définis dans des fichiers markdown avec un format structuré :

---
name: daily-summary
description: Compile un résumé quotidien des conversations récentes, des tâches accomplies et des points ouverts.
---

1. Lire le contexte des conversations des dernières 24 heures
2. Identifier les tâches terminées et les fils en cours
3. Formater en résumé structuré
4. Envoyer à l'utilisateur

L'agent lit ce fichier et peut invoquer le skill quand c'est pertinent ou quand vous le demandez directement.

Skills auto-générés

L'un des aspects les plus distinctifs de Hermes est que l'agent peut générer ses propres skills. Quand Hermes remarque qu'il effectue la même procédure multi-étapes à plusieurs reprises, il peut proposer de créer un skill qui capture cette procédure. La prochaine fois qu'une demande similaire arrive, l'agent peut réutiliser le skill plutôt que de raisonner à nouveau à travers les mêmes étapes depuis le début.

C'est ce que signifie concrètement « auto-améliorant ». L'agent ne réentraîne pas un modèle. Il construit une bibliothèque de procédures réutilisables basées sur vos patterns d'usage réels.

Skills personnalisés

Vous pouvez également écrire des skills manuellement et les ajouter au répertoire de skills. C'est utile pour les workflows récurrents que vous souhaitez que l'agent gère de manière fiable : formatage de rapports, checklists de revue de code, ou intégration avec des API externes.

Hermify expose un éditeur de skills personnalisés dans le tableau de bord, pour que vous puissiez créer et modifier des skills sans accéder directement au système de fichiers du serveur. Les modifications prennent effet après un redémarrage déclenché depuis le tableau de bord.

Ce qui brise la mémoire et les skills

C'est la partie que la plupart des utilisateurs apprennent à leurs dépens.

Important : la mémoire et les skills vivent dans des fichiers sur le système de fichiers. Ils ne sont pas synchronisés vers une base de données cloud. Ce sont des fichiers dans le répertoire de données de l'agent. Si le runtime est détruit, le répertoire de données supprimé, ou le conteneur remplacé sans préserver le volume, toute la mémoire et les skills sont perdus.

Important : la plupart des approches d'hébergement bon marché suppriment les données au redémarrage. Si vous faites tourner Hermes dans un conteneur Docker sans volume persistant, chaque redémarrage repart de zéro. Votre MEMORY.md est vide, vos skills ont disparu, et l'agent ne se souvient pas du contexte que vous avez mis des semaines à construire.

Corrigeable : les redémarrages de processus sans suppression de données sont sans danger. Si le processus redémarre mais que le répertoire de données est préservé, la mémoire et les skills survivent. C'est le comportement attendu en fonctionnement normal.

Corrigeable : le changement d'identifiants n'affecte pas la mémoire. Remplacer votre clé API ou changer le token Telegram ne touche pas aux fichiers mémoire. Le répertoire de données est séparé de la configuration.

Comment Hermify gère la persistance de la mémoire

Quand Hermify provisionne un runtime Hermes Agent, il monte un volume Docker persistant dans le répertoire de données. Cela signifie :

• Les redémarrages de conteneur ne suppriment pas la mémoire ou les skills
• Les changements de plan (par exemple, passer de Starter à Pro) reportent les données
• La mémoire que votre agent construit sur des semaines est préservée lors des opérations de Hermify

C'est un choix de conception délibéré. Tout l'intérêt d'un agent auto-améliorant est qu'il s'améliore avec le temps. Un hébergement qui supprime la mémoire à chaque redémarrage sabote complètement cette promesse.

Le tableau de bord Hermify vous donne également accès à l'éditeur de skills personnalisés, pour que vous puissiez voir, créer et modifier des skills via l'interface sans avoir besoin de vous connecter en SSH au serveur ou d'utiliser la CLI directement. C'est ainsi que la plupart des utilisateurs Hermify gèrent la couche de skills après le déploiement initial.

Patterns d'usage pratiques

Une fois que vous avez compris le système de mémoire, quelques patterns deviennent évidents.

Initialisez délibérément la mémoire au départ. Lors de votre premier déploiement de Hermes, passez une session à lui dire ce que vous souhaitez qu'il mémorise à long terme : votre nom, votre rôle, les outils que vous utilisez, les projets sur lesquels vous travaillez. Cela amorce le fichier mémoire avec une base utile au lieu d'attendre qu'il accumule du contexte passivement.

Utilisez des fichiers de contexte pour le travail de projet. Créez un CONTEXT.md dans chaque projet sur lequel vous travaillez avec Hermes. Décrivez le projet, la stack technique, les décisions clés et l'état actuel. L'agent le lira automatiquement quand vous travaillerez dans ce répertoire.

Relisez le fichier mémoire périodiquement. Puisque MEMORY.md est un fichier texte brut, vous pouvez le lire directement. Si l'agent a écrit quelque chose d'inexact ou d'obsolète, vous pouvez modifier le fichier et le changement prend effet à la prochaine session. Pensez-y comme à un document partagé entre vous et l'agent.

Construisez des skills pour les workflows récurrents. Si vous vous retrouvez à demander à Hermes de faire la même chose à répétition, c'est un bon candidat pour un skill. Soit vous laissez l'agent en auto-générer un (il le suggérera s'il remarque le pattern), soit vous en écrivez un manuellement pour un contrôle plus précis.

L'implication pour le déploiement

Si la mémoire et les skills sont la valeur centrale de Hermes, alors la question du déploiement est en réalité une question de persistance des données. L'agent ne vaut que ce que valent son contexte accumulé et sa bibliothèque de skills.

C'est pourquoi la décision d'hébergement compte davantage pour Hermes que pour un appel API LLM sans état. Vous ne faites pas que faire tourner un processus, vous maintenez une base de connaissances croissante qui vit sur le système de fichiers. Tout déploiement qui ne traite pas ces données sérieusement perdra ce qui rend Hermes différent d'une interface de chat standard.

Si vous souhaitez voir l'approche de Hermify dans le contexte d'un déploiement géré, la page de déploiement Hermes Agent explique comment le provisionnement, la persistance des données et la gestion du runtime fonctionnent ensemble.