Hermes Agent con memoria: prueba práctica en el Laboratorio AF

En el cuarto experimento del Laboratorio AF probamos la memoria persistente de Hermes Agent. Guardamos tres datos de un proyecto ficticio y comprobamos si podía recuperarlos en sesiones nuevas, utilizarlos en una tarea, actualizarlos y dejar de recuperarlos después de eliminarlos.

Utilizamos GPT-6-luna con razonamiento Medio. La primera recuperación medida terminó en aproximadamente 5,67 segundos y el contador mostró 7.683 tokens totales. Hermes recuperó correctamente el responsable, el color y el día de revisión, mientras que respondió «No consta» para un presupuesto que nunca habíamos guardado.

Los registros confirmaron las operaciones de guardado, sustitución y eliminación mediante la herramienta memory. También verificamos la recuperación tras cerrar y reabrir Hermes. No probamos un apagado del ordenador, no medimos el coste monetario ni el tiempo completo del experimento, y estos resultados no demuestran que el modelo se reentrene o aprenda por sí solo.

1. Objetivo del experimento

El objetivo es comprobar si Hermes Agent puede conservar información entre conversaciones y utilizarla en una tarea posterior, sin que volvamos a proporcionar los datos en la nueva pregunta.

Utilizamos el proyecto ficticio «Brújula Nacar-731» y tres datos conocidos: responsable Vera Montes, color identificativo ámbar y día de revisión jueves. No guardamos ningún presupuesto, para comprobar si el agente reconocía la información ausente.

Evaluamos el guardado explícito, la recuperación en una sesión nueva, la conservación tras cerrar y reabrir la aplicación, la sustitución de jueves por martes y la eliminación del recuerdo. Revisamos las llamadas a herramientas para distinguir esas operaciones de una búsqueda en conversaciones anteriores.

La prueba estudia un recuerdo breve, introducido y gestionado mediante instrucciones explícitas. No evalúa aprendizaje automático del modelo, selección autónoma de recuerdos, recuperación de grandes cantidades de información ni borrado de conversaciones. Solo cronometramos y registramos los tokens de la primera recuperación.

2. Herramientas utilizadas

Utilizamos Hermes Agent para escritorio, versión 0.21.5 +4585, para crear las sesiones, enviar las instrucciones y consultar las respuestas y los registros de herramientas.

El modelo seleccionado fue gpt-6-luna, conectado mediante «ChatGPT or Codex Subscription», con razonamiento Medio. Mantuvimos el modo de aprobación Manual durante el experimento.

La configuración mostraba Memoria persistente y Perfil de usuario activados, con presupuestos de 2200 y 1375 respectivamente y el proveedor «Solo integradas». El conjunto Memory estaba habilitado y ofrecía la herramienta memory.

Utilizamos memory para añadir, sustituir y eliminar el recuerdo ficticio. Las exportaciones de las consultas en sesiones nuevas no registraron llamadas a herramientas. Session Search estaba desactivado, por lo que la prueba no se basó en una búsqueda de conversaciones anteriores.

Utilizamos Reloj de Windows para medir la primera recuperación y /usage para consultar su contador antes de cerrar Hermes. Conservamos una captura y las exportaciones JSON de las distintas fases. ChatGPT sirvió de apoyo para preparar las instrucciones y verificar los registros.

Puedes consultar la documentación oficial de Hermes Agent para conocer su configuración y herramientas. Los resultados de esta comparación se basan en las respuestas, las exportaciones JSON y las capturas conservadas

3. Entorno de trabajo

Realizamos el experimento el 13 de octubre de 2026 en un ordenador personal con Windows 11, utilizando la aplicación de escritorio de Hermes Agent.

Hermes ya estaba instalado y conectado. No utilizamos un VPS ni realizamos una instalación nueva. El modelo se ejecutaba mediante un servicio externo, por lo que no presentamos la prueba como un procesamiento íntegramente local.

Trabajamos con sesiones separadas para comprobar la recuperación inicial, la conservación tras reabrir, la actualización y la eliminación. Las preguntas posteriores incluían el nombre del proyecto, pero no repetían el responsable, el color ni el día que debían recuperarse.

Conservamos las exportaciones y la captura del contador en «Laboratorio-AF-Hermes», dentro de Documentos y OneDrive. Los archivos pueden sincronizarse con ese servicio. Los datos del proyecto eran ficticios y no describían al usuario ni sus preferencias.

Cerramos y volvimos a abrir Hermes, pero no apagamos el ordenador ni probamos una restauración tras perder archivos. Tampoco inspeccionamos directamente el almacenamiento interno de la memoria. Las evidencias proceden de los ajustes visibles, las operaciones registradas y las respuestas en sesiones nuevas.

4. Instalación y configuración

Partimos de Hermes ya instalado y conectado mediante «ChatGPT or Codex Subscription». Seleccionamos gpt-6-luna con razonamiento Medio y mantuvimos el modo de aprobación Manual.

En «Memoria y contexto» comprobamos que Memoria persistente y Perfil de usuario estaban activados. Conservamos los presupuestos mostrados de 2200 para memoria y 1375 para perfil, con el proveedor «Solo integradas».

En «Capacidades → Conjuntos de herramientas» verificamos que Memory estaba activado y que Session Search seguía desactivado. Desactivamos File Operations, que habíamos utilizado en los experimentos con PDF.

Mantuvimos la búsqueda web y la navegación desactivadas. Las instrucciones prohibían consultar Internet, otras conversaciones o archivos. Para las consultas de recuperación indicamos además que no utilizara herramientas ni guardara o modificara recuerdos.

Abrimos sesiones nuevas después del guardado, de la reapertura de Hermes, de la actualización y de la eliminación. Así evitamos que las respuestas se basaran únicamente en los mensajes anteriores de una misma conversación.

Las instrucciones de guardado, actualización y eliminación autorizaban únicamente la gestión del recuerdo ficticio mediante memory. Pedimos conservar los demás recuerdos y no modificar el perfil de usuario. Los registros mostraron operaciones dirigidas a memory, sin llamadas para modificar el perfil; no realizamos una inspección independiente de este último.

5. Pruebas prácticas

Comenzamos preguntando por el proyecto ficticio «Brújula Nacar-731», antes de guardar sus datos. Hermes respondió «No consta» para el responsable, el color y el día de revisión. Esta comprobación inicial no se cronometró.

En esa sesión solicitamos guardar un único recuerdo: responsable Vera Montes, color ámbar y revisión el jueves, indicando expresamente que eran datos ficticios de prueba. La exportación confirmó una llamada a memory con la acción add y el resultado success: true.

Abrimos una sesión nueva y preguntamos por los tres datos sin repetir sus valores. Pedimos también una nota para la responsable y un presupuesto que no habíamos guardado. Hermes recuperó los datos, redactó la nota y respondió «No consta» para el presupuesto. Registramos aproximadamente 5,67 segundos, sin intervención durante la ejecución, y 7.683 tokens totales mostrados por /usage.

Cerramos y volvimos a abrir Hermes. En otra sesión nueva repetimos la consulta de datos, sin herramientas. Recuperó nuevamente Vera Montes, ámbar y jueves, y mantuvo el presupuesto como desconocido. Esta fase no se cronometró y no incluyó un apagado del ordenador.

Solicitamos sustituir únicamente jueves por martes. El registro confirmó memory con la acción replace, resultado satisfactorio y una sola entrada. En una sesión nueva recuperó martes, conservando el responsable y el color, sin inventar un presupuesto.

Finalmente, pedimos eliminar exclusivamente ese recuerdo ficticio. La herramienta confirmó la acción remove, resultado satisfactorio y cero entradas en su destino de memoria. En otra sesión nueva, Hermes respondió «No consta» en los cuatro campos. Conservamos las exportaciones de las operaciones y las verificaciones; eliminar el recuerdo no eliminó las conversaciones ni esas copias.

6. Resultados de la prueba de memoria

La comprobación inicial devolvió «No consta» para los tres datos del proyecto. Tras el guardado explícito, Hermes recuperó correctamente el responsable, el color y el día en una sesión nueva, sin que esos valores aparecieran en la pregunta.

La exportación del guardado contenía seis mensajes y confirmó memory con la acción add, success: true y una entrada de 131 caracteres. El contenido guardado coincidía con los datos ficticios solicitados.

La primera recuperación utilizó los datos en una nota para Vera Montes y reconoció que el presupuesto no constaba. Terminó en aproximadamente 5,67 segundos, sin mensajes adicionales, aprobaciones ni ayuda. El contador mostró 7.683 tokens totales y una llamada al modelo.

Después de cerrar y reabrir Hermes, otra sesión nueva recuperó los mismos tres datos. La exportación contenía dos mensajes y ninguna llamada a herramientas. Esta comprobación demuestra el comportamiento observado tras reabrir la aplicación, pero no evalúa persistencia después de apagar el ordenador o perder archivos.

La actualización se realizó mediante memory con la acción replace y resultado satisfactorio. Sustituyó jueves por martes, conservando el responsable, el color y la indicación de datos ficticios. La consulta posterior en una sesión nueva devolvió martes sin herramientas.

La eliminación se realizó mediante memory con la acción remove y resultado satisfactorio. La herramienta informó de cero entradas en ese destino. En la sesión nueva de verificación, los cuatro campos devolvieron «No consta», sin llamadas a herramientas.

Las verificaciones de recuperación, reapertura, actualización y eliminación contenían dos mensajes cada una. El registro final de operaciones incluía diez mensajes, con la actualización y la eliminación. Estas evidencias respaldan la gestión del recuerdo probado, pero no demuestran reentrenamiento del modelo, borrado de conversaciones ni eliminación de copias o registros externos.

7. Costes y seguridad

Registramos aproximadamente 5,67 segundos en la primera recuperación y 7.683 tokens totales mostrados por /usage. Estas cifras corresponden únicamente a esa consulta, no al guardado, la actualización, la eliminación ni al conjunto del experimento. No medimos el coste monetario ni el tiempo de revisión.

Los tokens registrados no permiten calcular directamente un importe facturado ni el consumo de cuota de la suscripción. Tampoco evaluamos cómo aumenta el contexto cuando se conservan más recuerdos o información más extensa.

Utilizamos datos ficticios y señalamos que no describían al usuario ni sus preferencias. Session Search y File Operations estaban desactivados. Las operaciones de memoria se limitaron al recuerdo del proyecto; los registros no muestran llamadas dirigidas a modificar el perfil de usuario, aunque no inspeccionamos ese perfil de forma independiente.

La información guardada pudo utilizarse en sesiones posteriores. Por ello, conviene distinguir qué datos deben persistir y revisar su exactitud cuando cambian. El modelo utilizado era externo; esta prueba no demuestra que los datos permanezcan exclusivamente en el ordenador.

• Utilizar datos ficticios para las primeras pruebas.
• Distinguir los recuerdos del proyecto de las preferencias personales.
• Comprobar el resultado de cada operación de memoria.
• Verificar los cambios en una sesión nueva.
• Eliminar únicamente el recuerdo de prueba al finalizar.
• Conservar los registros necesarios para documentar el experimento.

Lectura del contador de tokens

En la primera recuperación, /usage mostró: Input tokens, 7.611; Output tokens, 72; Prompt tokens, 7.611; Completion tokens, 72; Total tokens, 7.683; API calls, 1. No sumamos todos los campos, porque algunos se solapan. La entrada incluye el contexto enviado al modelo, no solo el mensaje escrito por el usuario.

Guardamos una captura inmediatamente después de la respuesta y antes de cerrar Hermes. No apareció una línea de Reasoning tokens; esa ausencia no demuestra un consumo de razonamiento nulo. No registramos los contadores de las demás fases ni verificamos cómo calcula Hermes cada categoría.

Qué significa eliminar el recuerdo

La herramienta confirmó la eliminación de la entrada ficticia y una sesión nueva dejó de recuperar sus datos. Sin embargo, las conversaciones anteriores y las exportaciones conservadas seguían conteniendo esa información. No evaluamos el borrado de copias, registros, respaldos ni datos que pudieran conservar otros servicios.

8. Conclusiones

Hermes Agent conservó los tres datos ficticios que guardamos explícitamente y los utilizó en una sesión nueva. La pregunta posterior no repetía sus valores y la exportación no registró llamadas a herramientas durante la recuperación.

El agente también utilizó esos datos para redactar una nota dirigida a la responsable. Cuando preguntamos por un presupuesto que no habíamos guardado, respondió «No consta» en lugar de inventarlo.

Tras cerrar y reabrir Hermes, recuperó nuevamente los datos en otra sesión nueva. Esta comprobación respalda la conservación observada entre aperturas de la aplicación, pero no evalúa un apagado del ordenador ni una recuperación después de perder archivos.

La actualización sustituyó jueves por martes y conservó los demás datos. El registro confirmó la operación replace, y una consulta posterior en otra sesión devolvió el nuevo día sin herramientas.

La eliminación retiró el recuerdo ficticio mediante remove. En una sesión nueva, los datos dejaron de recuperarse. Esto no borró las conversaciones anteriores ni las exportaciones, por lo que eliminar una entrada de memoria no equivale a eliminar toda copia de la información.

La primera recuperación terminó en aproximadamente 5,67 segundos y mostró 7.683 tokens totales. No medimos las demás fases, el coste monetario ni el tiempo de revisión. Estas cifras no representan el coste completo del experimento.

Los resultados corresponden a un único recuerdo breve gestionado con instrucciones explícitas. No comprobamos selección autónoma de recuerdos, grandes volúmenes de información, datos contradictorios ni separación entre usuarios. Tampoco demuestran que el modelo se reentrene o aprenda por sí solo.

En futuras pruebas podremos evaluar cómo organiza varios recuerdos, cómo responde ante información contradictoria y qué límites presenta al actualizarla. Mantendremos datos ficticios, registros verificables y comprobaciones en sesiones nuevas para distinguir la memoria persistente del contexto de la conversación y de la búsqueda del historial.