Hermes Agent /learn funcionalidade lançada: documentos locais, páginas web, conversas transformam-se em habilidades com um clique.

Nous Research lançou a funcionalidade /learn para o agente de IA de código aberto Hermes, permitindo que o agente recolha materiais, produza ficheiros de habilidades e os armazene na biblioteca de habilidades, transformando "um fluxo operacional usado uma vez" numa ferramenta reutilizável, sem necessidade de engenheiros organizarem manualmente.
(Contexto anterior: Renascimento da IA) Filósofos tornam-se artigos muito procurados nos laboratórios de IA, escrevendo ética nos teus modelos
(Complemento de fundo: O confronto de IA entre EUA e China está a aquecer, mas estudiosos de ambos os países concordam: não deixes a IA enfrentar o "momento Chernobyl")

O Nous Research adicionou a funcionalidade /learn ao sistema Skills do seu agente de IA de código aberto "Hermes". A lógica de operação é direta: dizes ao agente o que queres aprender — uma pasta local do SDK, uma página de ficheiros online, ou o fluxo de implementação que acabaste de percorrer com ele — e ele usa as ferramentas existentes para recolher materiais, depois produz um ficheiro de habilidade formatado, guardando-o em ~/.hermes/skills/. Da próxima vez, chamas diretamente, sem ferramentas adicionais.

Transforma "o que acabaste de fazer" numa ferramenta para a próxima vez

O posicionamento oficial do /learn é: transformar rapidamente "coisas que já sabes" ou "um conjunto de referências" numa skill reutilizável, sem teres de escrever manualmente o SKILL.md.

Suporta quatro tipos de fontes de materiais, cada um com cenários típicos correspondentes:

O primeiro é uma biblioteca local ou pasta SDK, exemplo de comando: /learn the REST client in ~/projects/acme-sdk, focus on auth + pagination, adequado para solidificar o conhecimento operacional das ferramentas internas da equipa numa habilidade;

O segundo é uma página de ficheiros online, exemplo de comando: /learn https://docs.example.com/api/v2, adequado para absorver rapidamente documentação de API de terceiros, poupando o custo de consultas repetidas;

O terceiro é o fluxo completo que acabaste de percorrer com o agente na conversa, exemplo de comando: /learn how I just deployed the staging server, transformando uma operação única em passos reutilizáveis para a próxima vez;

O quarto são notas orais coladas arbitrariamente ou texto não estruturado — qualquer coisa que consigas descrever, teoricamente pode ser alimentado, com limites quase inexistentes.

Quando o agente recebe o pedido, usa as ferramentas existentes — read_file (ler ficheiro), search_files (procurar ficheiros), web_extract (extrair da web) — para recolher materiais, depois produz a skill conforme as especificações de escrita internas: descrição limitada a 60 caracteres, ordem de secções fixa, terminologia das ferramentas Hermes, sem inventar comandos próprios.

Auto-melhoria torna-se mais concreta

A abordagem tradicional: um engenheiro observa o agente a completar uma tarefa, manualmente ou com ajuda de IA, organiza um ficheiro de documentação, depois transforma esse ficheiro numa skill, e só então o agente pode usá-la da próxima vez. Em toda a cadeia, o humano é o único "extrator de conhecimento".

A fronteira de capacidades da maioria dos agentes de IA está ou codificada no programa, ou depende de engenheiros atualizarem manualmente o prompt periodicamente; a biblioteca de habilidades é estática, não cresce automaticamente com o uso.

O /learn encurta esta cadeia para: agente completa a tarefa → utilizador dá o comando "/learn esse fluxo que acabaste de fazer" → skill gerada. O humano sai do papel de "extrator de conhecimento", restando apenas o julgamento de "se vale a pena aprender".

A biblioteca de habilidades do Hermes é dinâmica, expandindo-se automaticamente com a acumulação de cenários de uso. Mas é importante lembrar: a biblioteca de capacidades pode crescer, mas isso não significa que tudo o que cresce está correto — ainda é necessário fazer otimização de qualidade.

O posicionamento inicial do Hermes é ser um "agente auto-melhorável", que não só completa tarefas, mas também memoriza e acumula habilidades reutilizáveis, ficando mais inteligente com o uso. O /learn concretiza este posicionamento: o agente não só executa, mas também transforma operações únicas em ativos reutilizáveis.