AI

El agente Hermes incluye un tablero estilo Kanban y el Hermes Gateway, que pueden saturar su LLM autoalojado si se asignan demasiadas tareas a la vez.

Hermes Agent trata las habilidades (skills) como la forma predeterminada de enseñar flujos de trabajo repetibles. La documentación oficial las describe como documentos de conocimiento bajo demanda alineados con la estructura abierta de agentskills.io, cargados mediante revelación progresiva para que el modelo vea primero un índice pequeño y solo recupere las instrucciones completas cuando una tarea realmente lo necesite.

Hermes Agent de Nous Research es un asistente agnóstico al modelo y con capacidad de usar herramientas que puedes ejecutar localmente o en un VPS.

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.

Esta sección recopila guías sobre conocimiento persistente y memoria para sistemas de IA: cómo los asistentes conservan hechos, preferencias y contexto destilado entre sesiones sin saturar un solo prompt con todos los tokens. Aquí, la memoria implica retención intencional (hechos del usuario, resúmenes, almacenes respaldados por complementos), no memoria RAM de GPU o pesos del modelo.

Los asistentes modernos aún olvidan todo cuando cierras la pestaña, a menos que algo persista más allá de la ventana de contexto. Los proveedores de memoria de agentes son servicios o bibliotecas que retienen hechos y resúmenes a través de las sesiones; a menudo se integran como complementos para que el marco de trabajo permanezca ligero mientras la memoria escala.

Ya conoces el procedimiento. Abres un chat con un agente de IA, explicas tu proyecto, compartes tus preferencias, haces algo de trabajo y cierras la pestaña. Regresas la semana siguiente y es como hablar con un extraño: todo el contexto ha desaparecido, cada preferencia ha sido olvidada y el proyecto debe explicarse desde cero.

OpenClaw no fracasó como producto. Perdió su combustible.

Durante mucho tiempo, llama.cpp tenía una limitación evidente: solo se podía servir un modelo por proceso, y cambiar de modelo implicaba un reinicio.

La mayoría de los equipos utilizan mal las Habilidades de Claude de una de dos formas: o convierten SKILL.md en un vertedero de información, o nunca evolucionan de los gigantescos prompts copiados y pegados.

El asistente de IA Hermes, documentado oficialmente como Hermes Agent, no se posiciona 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.

Vane es una de las entradas más pragmáticas en el espacio de “búsqueda de IA con citas”: un motor de respuestas autoalojado que combina la recuperación web en vivo con LLM locales o en la nube, manteniendo toda la pila bajo tu control.