Ai Systems

Un asistente de IA de producción no es “un LLM con un prompt”. Es un sistema que acepta la intención, mantiene el estado, decide cuándo recuperar o actuar, y expone suficiente detalle de tiempo de ejecución para depurar fallos.

Los marcos de agentes de IA de código abierto están experimentando una explosión de popularidad en GitHub. Dos proyectos en el centro del ecosistema de sistemas de IA autoalojados — OpenClaw y Hermes Agent — se han adelantado tanto que el resto del campo compite por un distante tercer lugar.

Ya puedes chatear con Hermes Agent desde tu teléfono usando texto. Ahora quieres hablar con él directamente y recibir respuestas habladas. Eso suele ser la mejor opción, especialmente si ya usas Hermes como asistente autohospedado persistente. Escribir instrucciones largas en una pantalla pequeña es lento y propenso a errores.

Hermes Agent incorpora un tablero de estilo Kanban y el Gateway de Hermes, que puede saturar tu LLM autoalojado si se envían demasiadas tareas a la vez.

Hermes Agent trata las habilidades como la forma predeterminada para enseñar flujos de trabajo repetibles. La documentación oficial las describe como documentos de conocimiento bajo demanda alineados con el formato abierto de agentskills.io, cargados mediante divulgación progresiva, de modo que el modelo ve primero un índice pequeño y solo recupera las instrucciones completas cuando una tarea realmente las necesita.

Hermes Agent de Nous Research es un asistente que utiliza herramientas y no está atado a un modelo específico, que puedes ejecutar localmente o en un VPS, desde la shell, una TUI de pantalla completa o una pasarela de mensajería.

La mayoría de las pilas de agentes de IA siguen tratando la seguridad como una corrección posterior a la demostración. NemoClaw parte de la suposición opuesta y establece el aislamiento, la política y el enrutamiento como valores predeterminados desde el primer día.

Actualizado en septiembre de 2026: se añadieron Mnemosyne y Memori, se expandieron las configuraciones de Honcho y Hindsight, y se incorporó una comparación de políticas de captura junto a la tabla original de infraestructura.

Esta sección recopila guías sobre conocimiento y memoria persistentes para sistemas de IA — cómo los asistentes retienen hechos, preferencias y contexto destilado entre sesiones sin saturar cada token en un solo indicación. Aquí, memoria significa retención intencional (hechos de usuario, resúmenes, almacenes respaldados por complementos), no memoria RAM de GPU o pesos del modelo.

Ya sabes cómo funciona. Abres un chat con un agente de IA, explicas tu proyecto, compartes tus preferencias, terminas cierta cantidad de trabajo y cierras la pestaña. Vuelves la semana siguiente y es como hablar con un desconocido: todo el contexto ha desaparecido, cada preferencia ha sido olvidada y el proyecto se vuelve a explicar desde cero.

OpenClaw no fracasó como producto. Perdió su combustible.

El asistente de IA Hermes, documentado oficialmente como Hermes Agent, no está posicionado como un simple envoltorio de chat.

OpenClaw tiene dos historias de extensiones y es fácil confundirlas.

Los complementos (plugins) amplían el tiempo de ejecución. Las habilidades (skills) amplían el comportamiento del agente.

Este artículo trata sobre los plugins de OpenClaw: paquetes de puerta de enlace nativa que añaden canales, proveedores de modelos, herramientas, voz, memoria, medios, búsqueda web y otras superficies de tiempo de ejecución.

OpenClaw parece simple en las demostraciones. En producción, se convierte en un sistema.

La puerta trasera silenciosa que impulsó una ola de experimentación con agentes ahora está cerrada.