glitchさんのX記事「a swarm & hermes that grows with you」の日本語訳だ。
glitchさんのX記事「a swarm & hermes that grows with you」の日本語訳だ。
出典: note.com / 2026-03-31
── 前書き ──
36時間前に始まったこと。私は9年間グロス実験を回してきた。グロースハック、 distribuição、最適化。ループは常に同じ:仮説→テスト→計測→保持or廃棄→繰り返し。
問題がアイデアだったことはない。速度だ。人間のチームでは週2〜5本の実験が限界だ。時間の大半が調整でなくなるか、実行に使えない。リサーチが分析と繋がっていない。ライターが先週何が効いたか知らない。文脈は人間の頭の中にあり、スレッドのなかで死んでいく。
AIエージェントで直したかった。OpenClawもスタンドアロンエージェントも「AI社員」も全部試した。同じ理由で壊れ続けた。
チームのいないエージェントは文脈のないプロンプトでしかない。
誰もリサーチも分析も戦略もいないライターを雇わない。チームを組む。それが私がやったことだ。
── ハーブの構成:スワーム×Hermes ──
複数エージェントを「チーム」として動かすスワームフレームワークを作った。各エージェントに役割・ツール・MCPアクセス・専用モデル・コンテキストウィンドウが割り当てられている。知識を共有し、作業を引継ぎ、互いの結果から学ぶ。
Hermesがその上に「オペレーター」として座る。スワームを制御し、タスクを委任し、エージェンシ配下のエージェントから学ぶ。Hermes + スワームで一緒に賢くなる。
核心アイデア:1フォルダ = 1チーム。
teams/rabin/
├── program.md # ミッション+制約+音声規則
├── brand-kit.md # ライター向けブランドID
├── agents/
│ ├── research-analyst/
│ ├── growth-lead/
│ ├── linkedin-writer/
│ ├── twitter-writer/
│ ├── visual-designer/
│ ├── analytics-agent/
│ └── …11 agents
└── results/
└── [agent-id]/
├── strategy.md # 進化していく
└── results.tsv # 実験ログ
── Hermesを選んだ理由(vs OpenClaw)──
1. Python vs Node: ML/AI基盤を組むならPythonがネイティブ。httpx、asyncio、apscheduler、numpy全部pip。Nodeだとエコシステムと戦う。これだけで決定の60%。
2. 実行サンドボックス: Hermesはlocal/Docker/SSH/Singularity/Modalの5バックエンド。コンテナ強化できる。30+エージェントがファイルを書きAPIを叩く環境ではこれが効く。
3. サブエージェント分離: 親のコンテキストを汚さず子エージェントを並列実行できる。OpenClawはセッションベースなのでコンテキストが汚れる。
4. メモリ設計: Hermesは永続メモリ+スキルで再起動後も維持。OpenClawは起動時に作業メモリが初期化される既知の問題がある。
5. SOUL.mdのホットリロード: Hermesは全メッセージでリロード。再起動不要。OpenClawは設定変更に再起動が必要。
6. RL+調査パイプライン: HermesはAtropos RLのトレーニング統合。ShareGPT形式のエクスポート。OpenClawにない。
正直なトレードオフ:OpenClawのUXは優れている(今のところは)。だが私はインフルエンサー1人ではなく無限のエージェントを調整するエンジンを組んでいる。
── エンジンの動作 ──
2フェーズのサイクル:
Phase 1(自動・毎朝): アナリストがスキャン→グロスリードが角度を決定→タスクを割り当て→停止して承認待ち。コーヒーを飲みながらTelegramで承認する。
Phase 2(承認後・並列): 並列実行(ライター・デザイナー・動画・ニュースレター・リサイクル)。
auto_approve=True で承認不要にできる。
── Karpathyパターン ──
Karpathyのautoresearchパターンをグロスに適応した。全エージェントに3つのファイル:
-
program.md — 不変の目標 + 唯一の北星メトリック
-
strategy.md — 結果に基づいて進化する「編集可能部分」
-
results.tsv — 追加専用実験ログ
ループ:現在の戦略を読み実験→実行→計測。改善した?戦略変更を保持。改善せず?元に戻す。失敗をログる。別の手を試す。
この記事は note.com から KTBLOG に移行されました。元記事: https://note.com/famous_prawn2009/n/ndf92db2de104