Playbook: Hermes Agent. Hij leert terwijl hij werkt.

#1 op OpenRouter, meer tokens verwerkt dan Claude Code en OpenClaw samen. Hier is hoe je Hermes Agent van Nous Research opzet en waar het verschil met OpenClaw nou eigenlijk in zit.

Hermes Agent staat op de eerste plek van OpenRouter's coding-ranglijst over de afgelopen dagen. Wel even goed lezen, die plek geldt voor de productivity- en coding-categorie, niet voor al het verkeer op het platform. Maar binnen die categorie verwerkt Hermes drie keer zoveel tokens als OpenClaw en ruim vier keer zoveel als Claude Code. Dat zijn de cijfers waar developers nu naar kijken.

Daar komt nog iets bij. 148.000 sterren op GitHub, 23.000 forks, en een eerste publieke release pas in februari. Nu tien weken geleden. Voor de mensen die het OpenClaw-playbook van begin maart hebben gelezen, Hermes is ook zo’n tool waar je als organisatie vragen over krijgt van collega’s of medewerkers, of waarschijnlijk al hebt gekregen.

Daarom leg ik je uit wat het is, hoe het verschilt van OpenClaw, en wat jij ermee moet.

Hermes draait op een server en onthoudt wat je doet

Hermes Agent is een open-source AI-assistent van Nous Research die op een server draait en blijft draaien. Het is geen losse chatsessie die elke keer opnieuw begint, maar een proces dat geheugen vasthoudt en taken oppakt terwijl jij andere dingen doet. Je praat ermee via je terminal, via Telegram, via Slack, of via een van de 17 andere kanalen die hij ondersteunt.

Eigenlijk dezelfde categorie als OpenClaw uit het playbook van maart. Een persistent agent. Een AI die niet stopt als je je laptop dichtklapt. Alleen vult Hermes die rol wezenlijk anders in. Daar kom ik zo op terug.

Het stack ziet er zo uit. Vier lagen, net als bij OpenClaw, maar elk anders ingericht:

1. Een terminal of chat als ingang. Je start hermes in je terminal voor een TUI (Text-based User Interface), of je stuurt een berichtje vanuit Telegram. Beide praten met dezelfde agent.

2. Een gateway. Eén Python-proces dat alle kanalen tegelijk afhandelt. Telegram, Discord, Slack, WhatsApp, Signal, e-mail, sinds versie 0.13 ook Google Chat. Twintig in totaal.

3. Een model van jouw keuze. Hermes is bewust niet aan één provider gebonden. Eén commando hermes model en je wisselt van Claude Sonnet naar GPT-5.5 naar een lokale Gemma. Geen code-aanpassing, geen herstart.

4. Skills, geheugen en een leercyclus. Hier zit het hart. Skills zijn herbruikbare instructies. Geheugen onthoudt wat hij heeft geleerd. En na elke paar tool-calls schrijft Hermes zichzelf nieuwe skills. Mocht je meer over skills willen lezen bekijk dan mijn skills playbook.

Die vierde laag is waar dit playbook over gaat. Want zonder die leercyclus is Hermes gewoon nog een agent. Met die leercyclus wordt hij elke week iets bruikbaarder voor jouw specifieke werk.

Het verschil met OpenClaw zit in één ding

Als je het OpenClaw-playbook hebt gevolgd, herken je veel. Een VPS bij Hostinger. Een Telegram-bot via BotFather. Configbestanden in markdown. Cron jobs die 's nachts dingen doen. Skills installeren. Dezelfde wereld.

Maar het verschil zit in waar de twee tools hun energie in stoppen. OpenClaw is gebouwd om zoveel mogelijk kanalen en tools te bereiken. Hermes is gebouwd om over tijd beter te worden in jouw werk.

Concreet. OpenClaw heeft 44.000 skills in zijn marktplaats. Hermes heeft er 647. OpenClaw heeft een groter ecosysteem, een groter team, en sponsoring van OpenAI. Hermes heeft een leercyclus die de andere niet hebben.

Wat doet die leercyclus precies. Stel, je vraagt Hermes om de bonnetjes uit je Gmail te halen en in een Excel te zetten. Hij doet dat. Hij gebruikt een paar tools, doet een paar API-calls, lost wat onverwachte dingen op. Na de uitvoering kijkt Hermes zelf terug naar wat er gebeurd is en zet de werkbare aanpak om in een skill-bestand. De volgende keer dat je iets vergelijkbaars vraagt, gebruikt hij die skill als startpunt. Sneller, met minder zoeken, en met de fouten van de vorige keer al verwerkt.

Daarnaast onthoudt Hermes je profiel actief. Niet alleen wat je hem vertelt, maar wat hij over jou leert tijdens het werken. Welke tijdzone je in zit, welke schrijfstijl je hanteert, welke klanten je hebt, welke tools je gebruikt. Dat staat in een doorzoekbaar bestand dat hij zelf bijhoudt. OpenClaw heeft ook geheugen, maar niet dezelfde leer-en-zelf-curateer-loop.

Voor de keuze tussen de twee zou ik dit aanhouden:

• Wil je vooral bereik en koppelingen (veel kanalen, grote skills-bibliotheek, koppel mijn agent aan alles)? Dan past OpenClaw nog steeds.

• Wil je vooral een agent die elke week iets beter wordt voor jouw werk (minder copy-paste van skills, meer dat de agent zelf leert wat jij doet)? Dan kies je Hermes.

En het mag allebei. Ik ken mensen die OpenClaw draaien voor familie-kanalen en Telegram-bots, en Hermes voor werkprojecten waar leren over tijd waarde toevoegt. Aparte instances, op dezelfde VPS, met aparte geheugens.

En Claude Code dan

Korte zijpad, Hermes en Claude Code lijken niet op elkaar. Claude Code is een diepe, smalle tool die in je code-repo woont, zonder server, zonder messaging-kanalen. Je opent je terminal in een project, je werkt aan code, klaar.

Hermes is breed. Coding is een van zijn taken naast e-mail, planning, research en monitoring. Hij heeft ook een coding-modus en kan zelfs Claude Code of Codex als sub-agent aansturen. Maar zijn natuurlijke habitat ligt buiten de codebase.

Mijn aanbeveling. Gebruik Claude Code als je daadwerkelijk software schrijft. Gebruik Hermes voor al het andere werk dat in bestanden, e-mails, agenda's en chats leeft. De twee bijten elkaar niet, ze vullen elkaar aan.

Wat doet die leercyclus nou echt

Even technischer, want hier lezen veel mensen overheen. Hermes heeft een geheugensysteem in drie lagen.

De korte termijn is de huidige sessie. Wat jullie net hebben besproken, tot aan het context window van het model. Standaard.

De middellange termijn is een lokale database met SQLite onder de motorkap en full-text search bovenop. Hermes kan binnen een seconde terug naar wat hij drie weken geleden voor jou heeft gedaan, zonder vector database, zonder embedding-kosten, gewoon doorzoekbaar in tekst.

De lange termijn bestaat uit vier markdownbestanden die Hermes zelf bijhoudt en jij kunt redigeren:

• MEMORY.md voor algemene observaties en geleerde lessen.

• USER.md voor wat hij over jou heeft geleerd.

• SOUL.md voor hoe hij praat en zich gedraagt.

• AGENTS.md voor werkinstructies binnen een specifieke projectmap, hetzelfde idee als CLAUDE.md voor Claude Code.

Daarbovenop draait de zelf-leer-loop. Iedere keer dat Hermes een opdracht heeft uitgevoerd waarbij hij tools heeft gebruikt, doet hij een korte reflectie. Wat was de aanpak. Waar liep het stroef. Welke stappen zijn herbruikbaar. Die reflectie wordt een nieuw bestandje in ~/.hermes/skills/. Een skill die hij zichzelf heeft geleerd.

Vergelijk het met een nieuwe collega die elke vrijdagmiddag een uurtje neemt om zijn werk van die week samen te vatten en de templates op te slaan die hij heeft gebouwd. Na een maand heeft hij een setje aan herbruikbare aanpakken. Na drie maanden weet hij precies hoe jullie kantoor draait. Dat is wat Hermes doet, alleen niet eens vrijdagmiddag. Continu, na elke taak.

Wat je er in een werkweek mee doet

Een paar voorbeelden uit wat ik er zelf mee aan het uitproberen ben en wat ik bij anderen heb gezien:

Dagelijkse briefings. Elke ochtend om half zeven een samenvatting in Telegram van de mailbox, agenda, en drie nieuwsbronnen die je volgt. Niet als bullet-overzicht, maar als een lopende tekst die je kunt scannen onder de koffie.

Web monitoring met diepgang. Je geeft Hermes opdracht om dagelijks vijf concurrenten te checken op productupdates, prijsveranderingen, en personeelsmutaties. Hij gebruikt Firecrawl voor de scrape en een browser-skill voor de pagina's waar JavaScript loading nodig is. De diff stuurt hij naar je Slack-kanaal.

Research op afstand. Lange opdrachten waar je niet bij wil zitten. "Lees deze drie rapporten, vergelijk de cijfers, schrijf een notitie van twee pagina's, leg de drie grootste twijfels op tafel." Hermes draait dit, jij krijgt een bericht als het af is.

Klantmails categoriseren en concept-antwoorden klaarzetten. Op leesrechten, met conceptmodus aan en zonder verstuurfunctie. Jij keurt elk concept zelf goed voordat het de deur uit gaat.

Wat goed is om te weten, niet alles past hier. Voor echte productiecode blijf je bij Claude Code of Codex. Voor zware data-analyse pak je een notebook. Hermes is je werk-assistent voor het werk daaromheen.

Je eerste Hermes draaien in een kwartier

Tijd om aan te zetten. Je hebt een VPS nodig en een API-key. Verder niets.

Stap 1: Een VPS regelen

Net als bij OpenClaw past een lichte VPS prima. Een Hostinger KVM2 is genoeg. 2 vCPU, 8GB RAM, 100GB opslag, voor minder dan een tientje per maand. Ubuntu als besturingssysteem.

Voor wie er een wil draaien op een Raspberry Pi of een oude Mac Mini: kan ook. Hermes draait op vrijwel alles wat Linux of macOS spreekt. Maar voor onderhoud en stabiliteit is een VPS in een datacenter eenvoudiger.

Stap 2: Inloggen en een gebruiker aanmaken

ssh root@jouw-ip-adres
adduser hermes
usermod -aG sudo hermes
su - hermes

Niet als root draaien. Standaard hygiëne.

Stap 3: Hermes installeren

Eén commando.

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Dit installeert Hermes in een geïsoleerde omgeving onder ~/.hermes/. Python, dependencies, defaults, het hele zaakje. Geen npm of pip nodig. Geen brew.

Voor wie het via Docker wil draaien: er zit een Docker-recept bij. Voor wie op Windows zit: WSL2 is de aangeraden route. De native Windows-installer bestaat maar staat nog als beta gemarkeerd.

Stap 4: De configuratie-wizard doorlopen

Start hermes onboard en doorloop de wizard. Hij vraagt:

• Welke modelprovider? Anthropic, OpenAI, Google, OpenRouter, Nous Portal, of een lokale endpoint.

• Je API-key (komt in .env, niet in config.yaml).

• Welk standaardmodel?

• Welke kanalen wil je aansluiten?

• Max tool iterations (default 60 is ruim, kan voor kleinere taken omlaag).

• Welke execution backend? Lokaal voor de eerste keer.

Voor Telegram maak je een bot aan via BotFather, kopieer je het token, en plak je dat in de wizard. Binnen twee minuten heb je een werkende bot.

Stap 5: Eerste gesprek

Open je Telegram, stuur een berichtje naar je bot. Begin met iets simpels.

Stel jezelf voor. Wat kun je voor mij doen? 
Vertel ook welke skills je standaard hebt en welke 
modellen je nu gebruikt.

Hermes antwoordt, en bouwt meteen een eerste profiel van je op in USER.md. Vanaf nu onthoudt hij dat hij met jou praat.

Mijn advies voor de eerste week: gebruik hem alleen voor leestaken. E-mail samenvatten, agenda doorlopen, nieuws scannen. Nog geen verstuurde berichten en geen wijzigingen aan bestanden buiten zijn eigen map. Je kijkt eerst hoe hij denkt en pas als dat klopt, breid je uit.

De rest van dit playbook is voor premium lezers. Je vindt hier de complete setup: welke modellen je waarvoor inzet, hoe de configbestanden in elkaar steken, hoe je skills schrijft en multi-instance draait, security en cron jobs, en de fouten die ik telkens voorbij zie komen.

Nog geen premium? Claim gratis één playbook of Stuur THE HUMAN LOOP door naar één vriend die ook met AI bezig is. Voor elke vriend die zich aanmeldt, krijg je gratis maanden premium: inclusief alle Playbooks.

Concreet:
2 vrienden = 1 maand.
5 vrienden = 3 maanden.
12 vrienden = een half jaar.