{"id":2674,"date":"2026-10-11T00:10:50","date_gmt":"2026-10-10T22:10:50","guid":{"rendered":"https:\/\/antoniofernandez.net\/?p=2674"},"modified":"2026-10-24T10:49:53","modified_gmt":"2026-10-24T08:49:53","slug":"hermes-agent-investigacion-web","status":"publish","type":"post","link":"https:\/\/antoniofernandez.net\/copia-divi\/hermes-agent-investigacion-web\/","title":{"rendered":"Hermes Agent: tres pruebas de investigaci\u00f3n web en el Laboratorio AF"},"content":{"rendered":"\n
\"Ilustraci\u00f3n
Primera prueba guiada de investigaci\u00f3n web con Hermes Agent.<\/figcaption><\/figure>\n\n\n\n
\n

En este primer experimento del Laboratorio AF ponemos a prueba Hermes Agent para investigar en Internet y preparar informes en espa\u00f1ol con referencias verificables. El tema elegido es una pregunta habitual: \u00bfqu\u00e9 diferencia a un agente IA de un chatbot?<\/p>\n\n\n\n

Realizamos tres pruebas en Windows 11. En la primera enviamos instrucciones una por una y revisamos los resultados en cada etapa. En la segunda y la tercera proporcionamos una sola instrucci\u00f3n inicial y no intervenimos durante la ejecuci\u00f3n. Despu\u00e9s contrastamos las respuestas con el contenido recuperado y comprobamos el cumplimiento de las instrucciones.<\/p>\n\n\n\n

Documentamos la configuraci\u00f3n, las fuentes, los informes y las limitaciones. Registramos aproximadamente 54 segundos de ejecuci\u00f3n en la segunda prueba y 53 en la tercera. En esta \u00faltima medimos tambi\u00e9n 9 minutos y 16 segundos de revisi\u00f3n asistida, separados de la ejecuci\u00f3n. No medimos el tiempo de la primera prueba ni los tokens, el consumo de cuota o el coste de ninguna de las tres.<\/p>\n<\/div>\n\n\n\n

\n

1. Objetivo del experimento<\/h2>\n\n\n\n

El objetivo de este experimento es comprobar si Hermes Agent puede ayudar a investigar un tema en Internet y elaborar un informe breve en espa\u00f1ol con referencias verificables.<\/p>\n\n\n\n

Elegimos la pregunta \u00ab\u00bfQu\u00e9 diferencia a un agente IA de un chatbot?\u00bb. Comprobamos si Hermes puede localizar fuentes, leer su contenido, comparar sus explicaciones y distinguir las afirmaciones de esas fuentes de sus propias interpretaciones.<\/p>\n\n\n\n

Realizamos tres pruebas. En la primera proporcionamos instrucciones una por una y revisamos cada etapa. En la segunda y la tercera enviamos una sola instrucci\u00f3n inicial y no intervenimos hasta recibir el informe. Despu\u00e9s revisamos las referencias, las afirmaciones y el cumplimiento de las instrucciones.<\/p>\n\n\n\n

Tambi\u00e9n documentamos las dificultades de extracci\u00f3n y las correcciones necesarias. Registramos aproximadamente 54 segundos de ejecuci\u00f3n en la segunda prueba y 53 en la tercera. En esta \u00faltima medimos por separado 9 minutos y 16 segundos de revisi\u00f3n asistida. No medimos el tiempo de la primera prueba ni los tokens, el consumo de cuota o el coste de ninguna de las tres.<\/p>\n<\/div>\n\n\n\n

\n

2. Herramientas utilizadas<\/h2>\n\n\n\n

Utilizamos Hermes Agent para escritorio, versi\u00f3n 0.21.5 +4585, para enviar instrucciones, consultar las respuestas y revisar los registros de llamadas a herramientas.<\/p>\n\n\n\n

El modelo utilizado fue gpt-6.1-sol, conectado mediante la opci\u00f3n \u00abChatGPT or Codex Subscription\u00bb. En la segunda y la tercera prueba comprobamos que el nivel de razonamiento seleccionado era Medio. El modelo interpret\u00f3 las instrucciones, compar\u00f3 las fuentes y redact\u00f3 los informes.<\/p>\n\n\n\n

Para buscar informaci\u00f3n y recuperar contenido utilizamos las herramientas web de Hermes. En la primera prueba probamos Exa y despu\u00e9s Keenable, en las modalidades que la aplicaci\u00f3n identifica como gratuitas y sin clave API, y consultamos Salesforce, IBM y Google Cloud. En la segunda y la tercera mantuvimos Keenable para b\u00fasqueda y extracci\u00f3n y consultamos IBM, Anthropic y Microsoft. La tercera incluy\u00f3 cuatro p\u00e1ginas de esas tres organizaciones.<\/p>\n\n\n\n

Utilizamos ChatGPT como apoyo para preparar las instrucciones y revisar las respuestas y los registros de Hermes. En la primera prueba revisamos cada etapa; en la segunda y la tercera, la revisi\u00f3n comenz\u00f3 despu\u00e9s de recibir el informe y detener el cron\u00f3metro de ejecuci\u00f3n. Utilizamos el cron\u00f3metro de la aplicaci\u00f3n Reloj de Windows para medir ambas ejecuciones y, en la tercera, tambi\u00e9n el periodo de revisi\u00f3n asistida por separado.<\/p>\n\n\n\n

Conservamos las conversaciones mediante exportaciones JSON de Hermes. Las copias finales verificadas de la primera y la segunda prueba conten\u00edan 22 mensajes cada una; la tercera conten\u00eda 16, incluido el informe original y las dos notas posteriores. Estas exportaciones permitieron comprobar el contenido almacenado y documentar las llamadas a herramientas y las limitaciones observadas.<\/p>\n<\/div>\n\n\n\n

\n

3. Entorno de trabajo<\/h2>\n\n\n\n

Realizamos las tres pruebas los d\u00edas 10 y 11 de octubre de 2026 en un ordenador personal con Windows 11, utilizando la aplicaci\u00f3n de escritorio de Hermes Agent.<\/p>\n\n\n\n

Hermes ya estaba instalado antes de comenzar. No realizamos una instalaci\u00f3n nueva ni utilizamos un VPS. Tampoco comprobamos WSL, porque trabajamos desde la aplicaci\u00f3n de escritorio con ventana.<\/p>\n\n\n\n

Creamos una carpeta dedicada, llamada \u00abLaboratorio-AF-Hermes\u00bb, dentro de Documentos, y la establecimos como directorio de trabajo. All\u00ed guardamos las exportaciones de las conversaciones para conservar las evidencias del experimento. La segunda y la tercera prueba se realizaron en sesiones nuevas de Hermes.<\/p>\n\n\n\n

La carpeta del experimento est\u00e1 dentro de OneDrive, por lo que sus archivos pueden sincronizarse con ese servicio. No a\u00f1adimos documentos personales a la carpeta durante las pruebas. Utilizar una carpeta dedicada no a\u00edsla por s\u00ed solo al agente del resto del ordenador.<\/p>\n\n\n\n

No registramos las caracter\u00edsticas del procesador, la memoria RAM ni otros componentes del equipo. Los tiempos aproximados de ejecuci\u00f3n de la segunda y la tercera prueba corresponden a este entorno y a los servicios utilizados; no permiten comparar el rendimiento de Hermes entre distintos ordenadores. El tiempo de revisi\u00f3n asistida incluye nuestros intercambios y las operaciones necesarias para comprobar y conservar los resultados.<\/p>\n<\/div>\n\n\n\n

\n

4. Instalaci\u00f3n y configuraci\u00f3n<\/strong><\/h2>\n\n\n\n

Hermes ya estaba instalado, por lo que esta fase consisti\u00f3 en configurar la conexi\u00f3n y revisar sus opciones. Conectamos la aplicaci\u00f3n mediante \u00abChatGPT or Codex Subscription\u00bb, completamos el inicio de sesi\u00f3n con c\u00f3digo de dispositivo y seleccionamos el modelo gpt-6.1-sol. Despu\u00e9s comprobamos que respond\u00eda en espa\u00f1ol. Antes de la segunda y la tercera prueba verificamos que el nivel de razonamiento seleccionado era Medio.<\/p>\n\n\n\n

Seleccionamos el modo de aprobaci\u00f3n \u00abManual\u00bb y mantuvimos activada la opci\u00f3n \u00abRedactar secretos\u00bb. Dejamos desactivadas la recopilaci\u00f3n y el env\u00edo de estad\u00edsticas de uso, el uso del perfil real del navegador y las opciones de acceso a URL privadas que revisamos.<\/p>\n\n\n\n

Desactivamos la detecci\u00f3n autom\u00e1tica de repositorios, establecimos la carpeta del experimento como directorio de trabajo y seleccionamos el modo de ejecuci\u00f3n de c\u00f3digo \u00abStrict\u00bb. Estos ajustes no constituyen una garant\u00eda de aislamiento completo del ordenador.<\/p>\n\n\n\n

Desactivamos los conjuntos de herramientas Computer Use, Code Execution, File Operations, Cron Jobs, Terminal & Processes y Task Delegation. Mantuvimos habilitado Web Search & Scraping y activamos la visualizaci\u00f3n t\u00e9cnica para revisar las entradas y salidas de las llamadas a herramientas. Tanto en la segunda como en la tercera prueba registramos una llamada a skill_view<\/strong> para cargar una gu\u00eda interna, pese a haber solicitado utilizar \u00fanicamente b\u00fasqueda y extracci\u00f3n web.<\/p>\n\n\n\n

Inicialmente, la b\u00fasqueda y la extracci\u00f3n figuraban como \u00abopenai-native\u00bb. Al intentar leer una URL mediante la herramienta de extracci\u00f3n, recibimos un error que indicaba que ese proveedor solo permit\u00eda b\u00fasquedas. Seleccionamos entonces Exa, en la modalidad que Hermes identifica como gratuita y sin clave API.<\/p>\n\n\n\n

Tras observar cortes en los textos recuperados con Exa, cambiamos a Keenable y comprobamos que aparec\u00eda seleccionado tanto para b\u00fasqueda como para extracci\u00f3n. Mantuvimos esa configuraci\u00f3n para la segunda y la tercera prueba, realizadas en sesiones nuevas. Verificamos las llamadas y el contenido recuperado mediante los registros de herramientas y las exportaciones JSON.<\/p>\n<\/div>\n\n\n\n

\n

5. Pruebas pr\u00e1cticas<\/h2>\n\n\n\n

La investigaci\u00f3n se centr\u00f3 en la pregunta \u00ab\u00bfQu\u00e9 diferencia a un agente IA de un chatbot?\u00bb. Realizamos una prueba guiada: enviamos instrucciones individuales y revisamos sus resultados antes de continuar.<\/p>\n\n\n\n

Primero pedimos una respuesta breve en espa\u00f1ol, sin utilizar herramientas, para comprobar la conexi\u00f3n con el modelo. Despu\u00e9s solicitamos una b\u00fasqueda de fuentes y verificamos un registro de web_search que inclu\u00eda la consulta, los resultados y el estado success: true.<\/p>\n\n\n\n

Comprobamos la lectura de la gu\u00eda de inicio de Hermes y consultamos p\u00e1ginas de Salesforce, IBM y Google Cloud. Probamos la extracci\u00f3n con Exa y Keenable, revisando el contenido recibido y los posibles cortes antes de utilizarlo en el informe.<\/p>\n\n\n\n

Pedimos res\u00famenes y una comparaci\u00f3n de las definiciones de agente, asistente, bot y chatbot. Solicitamos que Hermes atribuyera las afirmaciones a cada fuente y distinguiera esas afirmaciones de sus propias interpretaciones.<\/p>\n\n\n\n

Solicitamos citas breves para comprobar las atribuciones sobre aprendizaje y las contrastamos con los registros extra\u00eddos. Despu\u00e9s pedimos un informe de un m\u00e1ximo de 400 palabras y corregimos su apartado de limitaciones para reflejar las evidencias disponibles.<\/p>\n\n\n\n

Finalmente, cerramos y volvimos a abrir Hermes para comprobar que conservaba la conversaci\u00f3n. Exportamos la sesi\u00f3n en formato JSON y verificamos que la copia actualizada conten\u00eda el informe, los registros de extracci\u00f3n y la \u00faltima correcci\u00f3n.<\/p>\n\n\n\n

Fuentes consultadas: Salesforce<\/a> \u2014 Chatbot con IA vs Agente IA; IBM<\/a> \u2014 Agentes de IA vs asistentes de IA; Google Cloud<\/a> \u2014 \u00bfQu\u00e9 son los agentes de IA?<\/p>\n\n\n\n

Segunda prueba: investigaci\u00f3n con una sola instrucci\u00f3n<\/h3>\n\n\n\n

El 11 de octubre de 2026 realizamos una segunda prueba en una sesi\u00f3n nueva de Hermes, con el modelo gpt-6.1-sol y razonamiento Medio. Mantuvimos Keenable para b\u00fasqueda y extracci\u00f3n web. Enviamos una sola instrucci\u00f3n para investigar la diferencia entre un agente IA y un chatbot, consultar al menos tres fuentes de organizaciones distintas y redactar un informe de entre 350 y 450 palabras con referencias y limitaciones.<\/p>\n\n\n\n

Medimos con un cron\u00f3metro aproximadamente 54 segundos desde el env\u00edo de la instrucci\u00f3n hasta la respuesta final. Durante la ejecuci\u00f3n no enviamos mensajes adicionales, aprobamos acciones ni prestamos ayuda. La medici\u00f3n es aproximada por el cambio entre ventanas y no incluye la revisi\u00f3n posterior del informe. No medimos los tokens, el consumo de cuota ni el coste por prueba.<\/p>\n\n\n\n

La exportaci\u00f3n JSON confirm\u00f3 b\u00fasquedas y lecturas de IBM, Anthropic y Microsoft, con error: null en las tres extracciones. El informe inicial conten\u00eda 411 palabras, contando las fuentes e incidencias y excluyendo las URL y las marcas de formato. Tambi\u00e9n registramos una llamada a skill_view para cargar la gu\u00eda \u00abgrounded-citations\u00bb: Hermes complet\u00f3 la tarea sin intervenci\u00f3n humana durante la ejecuci\u00f3n, pero no respet\u00f3 estrictamente la restricci\u00f3n de utilizar solo b\u00fasqueda y extracci\u00f3n web.<\/p>\n\n\n\n

Despu\u00e9s de detener el cron\u00f3metro, revisamos el informe. Comprobamos en el texto extra\u00eddo de IBM la afirmaci\u00f3n sobre memoria y retroalimentaci\u00f3n sin reentrenamiento continuo del modelo. Precisamos tambi\u00e9n que Microsoft declara obsoleta Teams AI library v1, pero no afirma que toda la p\u00e1gina est\u00e9 sin mantenimiento. Esta revisi\u00f3n y la correcci\u00f3n posterior quedan fuera de los 54 segundos medidos. Conservamos una exportaci\u00f3n actualizada con 22 mensajes.<\/p>\n\n\n\n

Fuentes de la segunda prueba: IBM<\/a> \u2014 AI Agents vs. AI Assistants; Anthropic<\/a> \u2014 Building effective agents; Microsoft<\/a> \u2014 Bot overview.<\/p>\n\n\n\n

Tercera prueba: ejecuci\u00f3n y revisi\u00f3n medidas por separado<\/h3>\n\n\n\n

El 11 de octubre de 2026 realizamos una tercera prueba en una sesi\u00f3n nueva de Hermes, con gpt-6.1-sol, razonamiento Medio y Keenable para b\u00fasqueda y extracci\u00f3n web. Repetimos la tarea con una sola instrucci\u00f3n inicial para investigar las diferencias entre agente IA y chatbot. Registramos aproximadamente 53 segundos hasta la respuesta final, sin enviar mensajes adicionales, aprobar acciones ni prestar ayuda durante la ejecuci\u00f3n.<\/p>\n\n\n\n

Medimos por separado 9 minutos y 16 segundos de revisi\u00f3n asistida. Este periodo incluy\u00f3 los intercambios con ChatGPT, la comprobaci\u00f3n de los registros, la incorporaci\u00f3n de dos notas posteriores y la exportaci\u00f3n final. La ejecuci\u00f3n y la revisi\u00f3n sumaron aproximadamente 10 minutos y 9 segundos, sin contar la preparaci\u00f3n previa. No medimos los tokens, el consumo de cuota ni el coste de esta prueba.<\/p>\n\n\n\n

La exportaci\u00f3n JSON confirm\u00f3 la lectura de cuatro p\u00e1ginas de tres organizaciones: dos de IBM, una de Anthropic y una de Microsoft. Las cuatro extracciones devolvieron error: null<\/strong>, lo que no garantiza la integridad de las p\u00e1ginas originales. El informe inicial conten\u00eda 415 palabras, excluyendo las URL y las marcas de formato, y cumpl\u00eda el l\u00edmite solicitado de 350 a 450 palabras.<\/p>\n\n\n\n

Hermes volvi\u00f3 a utilizar skill_view<\/strong> para cargar la gu\u00eda interna \u00abgrounded-citations\u00bb, incumpliendo la restricci\u00f3n de usar \u00fanicamente b\u00fasqueda y extracci\u00f3n web. Durante la revisi\u00f3n a\u00f1adimos una nota que reconoc\u00eda esa desviaci\u00f3n y otra que precisaba el alcance del aviso de Microsoft sobre Teams AI library v1. Conservamos una exportaci\u00f3n final verificada con 16 mensajes, incluido el informe original y las dos notas posteriores.<\/p>\n\n\n\n

Fuentes de la tercera prueba:<\/strong> IBM \u2014 Chatbot use cases<\/a>; IBM \u2014 AI Agents vs. AI Assistants<\/a>; Anthropic \u2014 Building effective agents<\/a>; Microsoft \u2014 Bot overview<\/a>.<\/p>\n<\/div>\n\n\n\n

\n

6. Resultados obtenidos<\/h2>\n\n\n\n

En las tres pruebas, Hermes respondi\u00f3 en espa\u00f1ol, busc\u00f3 fuentes p\u00fablicas, recuper\u00f3 contenido y elabor\u00f3 informes con referencias. La primera se realiz\u00f3 con instrucciones sucesivas y revisi\u00f3n humana en cada etapa. En la segunda y la tercera recibi\u00f3 una sola instrucci\u00f3n inicial y entreg\u00f3 el informe sin intervenci\u00f3n humana durante la ejecuci\u00f3n.<\/p>\n\n\n\n

Los informes compararon el uso de los t\u00e9rminos agente, asistente, bot y chatbot, evitando presentar esas categor\u00edas como universales o excluyentes. Distinguieron las explicaciones de los proveedores de las interpretaciones del agente. Durante las revisiones comprobamos afirmaciones sobre aprendizaje, memoria y retroalimentaci\u00f3n en los textos recuperados.<\/p>\n\n\n\n

En la primera prueba, las extracciones con Exa de Salesforce e IBM terminaron a mitad de palabra pese a solicitar 25.000 caracteres y recibir error: null<\/strong>. Tras cambiar a Keenable, verificamos 19.055 caracteres de IBM, 12.512 de Salesforce y 24.329 de Google Cloud, tambi\u00e9n sin errores declarados. La exportaci\u00f3n JSON permiti\u00f3 distinguir el recorte visual de Google Cloud del contenido almacenado. Estas comprobaciones no garantizan la extracci\u00f3n \u00edntegra de las p\u00e1ginas originales.<\/p>\n\n\n\n

En la segunda prueba, Hermes consult\u00f3 IBM, Anthropic y Microsoft. Las tres extracciones devolvieron error: null<\/strong>. Registramos aproximadamente 54 segundos hasta la respuesta final. La revisi\u00f3n externa de la exportaci\u00f3n contabiliz\u00f3 411 palabras en el informe inicial, incluidas las listas de fuentes e incidencias y excluidas las URL y las marcas de formato. Cumpli\u00f3 el l\u00edmite solicitado de 350 a 450 palabras; la revisi\u00f3n posterior qued\u00f3 fuera del tiempo medido.<\/p>\n\n\n\n

En la tercera prueba, Hermes ley\u00f3 cuatro p\u00e1ginas de IBM, Anthropic y Microsoft, todas con error: null<\/strong>. Registramos aproximadamente 53 segundos de ejecuci\u00f3n y, por separado, 9 minutos y 16 segundos de revisi\u00f3n asistida. Ambas fases sumaron aproximadamente 10 minutos y 9 segundos, sin contar la preparaci\u00f3n previa. El informe inicial conten\u00eda 415 palabras, excluyendo las URL y las marcas de formato, y cumpli\u00f3 el l\u00edmite solicitado. La diferencia de un segundo respecto a la segunda prueba no permite concluir una mejora de rapidez.<\/p>\n\n\n\n

Tanto en la segunda como en la tercera prueba, Hermes carg\u00f3 la gu\u00eda interna \u00abgrounded-citations\u00bb mediante skill_view<\/strong>, incumpliendo la restricci\u00f3n de utilizar \u00fanicamente b\u00fasqueda y extracci\u00f3n web. Las revisiones posteriores documentaron esa desviaci\u00f3n y precisaron el alcance del aviso de Microsoft sobre Teams AI library v1. En la tercera conservamos el informe original y a\u00f1adimos dos notas posteriores.<\/p>\n\n\n\n

En la primera prueba comprobamos que la conversaci\u00f3n segu\u00eda disponible al cerrar y volver a abrir Hermes, pero no probamos su conservaci\u00f3n tras apagar el ordenador. Las exportaciones finales verificadas conten\u00edan 22 mensajes en la primera prueba, 22 en la segunda y 16 en la tercera. No medimos los tokens, el consumo de cuota ni el coste de ninguna de las tres ejecuciones.<\/p>\n<\/div>\n\n\n\n

\n

7. Costes y seguridad<\/strong><\/h2>\n\n\n\n

En la primera prueba no medimos el tiempo de ejecuci\u00f3n. En la segunda registramos aproximadamente 54 segundos hasta la respuesta final y, en la tercera, 53 segundos. No medimos los tokens, el consumo de cuota ni el coste de ninguna de las tres pruebas; por tanto, no podemos calcular ni comparar su coste real.<\/p>\n\n\n\n

En la tercera prueba medimos por separado 9 minutos y 16 segundos de revisi\u00f3n asistida, incluidos nuestros intercambios, las comprobaciones, las notas posteriores y la exportaci\u00f3n. Junto con la ejecuci\u00f3n, sumaron aproximadamente 10 minutos y 9 segundos. Este total no incluye la preparaci\u00f3n previa ni la actualizaci\u00f3n del art\u00edculo. El tiempo de revisi\u00f3n tampoco representa exclusivamente trabajo activo de una persona, pues incluye esperas e intercambios con los asistentes.<\/p>\n\n\n\n

Utilizamos Exa y Keenable en las modalidades que Hermes identificaba como gratuitas y sin clave API. No introdujimos claves de pago para esos servicios durante las pruebas. Esto no demuestra que el conjunto del experimento carezca de coste ni garantiza que cualquier uso futuro de esas herramientas sea gratuito.<\/p>\n\n\n\n

Trabajamos con p\u00e1ginas p\u00fablicas y desactivamos varios conjuntos de herramientas innecesarios para la investigaci\u00f3n. Mantuvimos desactivado el uso del perfil personal del navegador. Estas medidas limitaron las capacidades disponibles, pero no garantizan un aislamiento completo del ordenador. Adem\u00e1s, las llamadas a skill_view<\/strong> en la segunda y la tercera prueba mostraron que una restricci\u00f3n escrita en la instrucci\u00f3n no equivale a deshabilitar t\u00e9cnicamente una herramienta.<\/p>\n\n\n\n

La conexi\u00f3n con un modelo externo y el uso de proveedores web implican enviar solicitudes y datos a esos servicios. Ejecutar Hermes en el PC no significa que todo el procesamiento sea local. Guardamos las exportaciones en una carpeta dedicada dentro de OneDrive, cuyos archivos pueden sincronizarse con ese servicio.<\/p>\n\n\n\n