Hermes-Agent beschuldigt, EvoMap Evolver des chinesischen Teams kopiert zu haben

Die wichtigsten Erkenntnisse

• Zeitliche Priorität: EvoMap veröffentlichte die Evolver-Engine und das GEP-Protokoll am 1. Februar 2026 als Open Source; Wochen später führte der Hermes Agent von Nous Research sehr ähnliche Selbst-Evolutions-Funktionen ein.
• Kernvorwurf: Signifikante Architekturüberschneidungen in dreischichtigen Speichersystemen, Schleifen zur Extraktion von Erfahrungen in Fähigkeiten, periodischen Reflexionsmechanismen und dynamischem Laden von Fähigkeiten — ohne jegliche öffentliche Namensnennung von EvoMap durch Hermes.
• Technische Unterschiede: EvoMap betont netzwerkweite Genverbreitung und agentenübergreifende Vererbung; Hermes konzentriert sich auf lebenslanges Deep Learning eines einzelnen Agenten mittels DSPy + GEPA und lokaler Markdown-/SQLite-Speicherung.
• Unabhängiges Urteil: Keine Beweise für direktes Code-Kopieren; Ähnlichkeiten resultieren wahrscheinlicher aus konvergenter Entwicklung, die die gleichen Branchenprobleme löst, wobei die Open-Source-Community jedoch entschieden eine korrekte Namensnennung fordert.
• Aktuelle Auswirkungen: Der Hermes Agent gewann schnell zehntausende GitHub-Sterne, während der detaillierte Vergleich von EvoMap eine breite Diskussion in chinesischen KI-Communitys auslöste.

Der Aufstieg selbst-evolvierender KI-Agenten und die aufkommende Kontroverse

Im Jahr 2026 entwickeln sich KI-Agenten von zustandslosen Werkzeugen zu Systemen mit persistentem Speicher und autonomer Verbesserung. Traditionelle Agenten vergessen alles zwischen den Sitzungen, was zu repetitiver Arbeit und schlechter Langzeitleistung führt. Sowohl der Hermes Agent von Nous Research als auch der EvoMap Evolver gehen diese Herausforderung an, indem sie Agenten ermöglichen, aus Erfahrungen zu lernen, wiederverwendbare Fähigkeiten zu extrahieren und sich kontinuierlich weiterzuentwickeln.

Im April 2026 jedoch erhob das chinesische EvoMap-Team öffentlich den Vorwurf, dass Hermes Agent ihre frühere Open-Source-Architektur stark kopiere, was eine hitzige Debatte in globalen Open-Source- und chinesischen Entwickler-Communitys entfachte.

EvoMap Evolver: Die frühe chinesische Innovation

EvoMap (evomap.ai), ein Projekt, das darauf abzielt, Herausforderungen der Plattform-Moderation für chinesische Entwickler zu adressieren, veröffentlichte die Evolver-Engine und das Genome Evolution Protocol (GEP) am 1. Februar 2026.

Kernarchitektur von Evolver/GEP:

• Dreischichtiges Speichersystem: Fakten, prozedurale Fähigkeiten (Gene/Capsules) und Ereignisverlauf.
• Evolutionszyklus: Scannen → Auswählen → Mutieren → Validieren → Verfestigen, mit eingebauter periodischer Reflexion.
• Netzwerkweite Verbreitung: Fähigkeiten und Korrekturen verbreiten sich automatisch über Agenten hinweg durch globale Bewertung und einen Zustandsautomaten.
• Implementierung: Node.js-basiert mit JSON-Strukturen, konzipiert für überprüfbare und teilbare „Gene“.

Das Projekt fand großen Anklang in chinesischen KI-Kreisen und erreichte etwa 1.800 GitHub-Sterne, wobei das Ziel der Aufbau eines dezentralen globalen Agenten-Evolutionsnetzwerks war.

Hermes Agent von Nous Research: Schnelle Adoption und Features

Nous Research, die Entwickler der Hermes-Modellreihe, starteten Hermes Agent am 25. Februar 2026 als einen MIT-lizenzierten, modellagnostischen Selbst-Hosting-Framework. Das Projekt sammelte schnell zahlreiche GitHub-Sterne und unterstützt Integrationen mit Telegram, Discord, Slack und CLI.

Hauptmerkmale von Hermes Agent:

• Integrierter Lernkreis: Extrahiert automatisch SKILL.md-Dateien aus Aufgaben-Ergebnissen und speichert persistente Erinnerungen in SQLite mit Volltextsuche.
• Skills Ecosystem: Über 70 wiederverwendbare Skills bis Version v0.2.0, mit dynamischer Ladung und Selbstverbesserungs-Guides.
• Optimierungs-Stack: Unterstützt durch DSPy + GEPA (ein akademisches Genetisch-Pareto-Prompt-Evolutionsframework) zusammen mit optionalem Darwinian Evolver für Code-Level-Veränderungen.
• Single-Agent Fokus: Setzt auf starke Personalisierung und Wissen-Wiedererlangung über Sessions für einzelne Nutzer.

Als "der Agent, der mit Ihnen wächst" positioniert, Hermes Agent hat starke Adoption in Entwickler-Workflows erreicht.

Detaillierte Architektur-Comparision

Public Repositories, Dokumentation und EvoMap's April Comparision Posts zeigen klare funktionale Gemeinsamkeiten neben wichtigen Implementierungsunterschieden.

Große Gemeinsamkeiten, von EvoMap hervorgehoben:

• Erfahrung-zu-wiederverwendbar-Skill Extraktionsprozess.
• Dreilayer-Memory Architektur.
• Periodische Reflektions- und Skill-Validierungsmechanismen.
• Dynamische Erfindung und Ladung von Capabilities.

Hauptunterschiede:

• Design Fokus: EvoMap/GEP priorisiert Netzwerk-Scale Evolution mit automatischem Cross-Agent Inheritance und revocablen Assets. Hermes zielt auf lokale Single-Agent Depth optimiert für persönliche, langfristige Nutzung.
• Technology Stack: Evolver nutzt Node.js und JSON; Hermes hängt an Python, Markdown-Files und SQLite, stark integriert mit etablierten akademischen Tools.
• Evolution Strategy: GEP behandelt Skills als inheritable Genome für Ecosystem Sharing. Hermes nutzt guarded Prompt und Skill Mutation innerhalb eines geschlossenen persönlichen Kreises.

Third-Party Reviews bestätigen keinen direkten Code-Level Copying. Die Überschneidungen scheinen aus beiden Projekten zu kommen, die independently das gleiche Kernproblem von Agent Forgetfulness in einem schnell maturenden Feld behandeln.

Zeitleiste der Kontroverse und Reaktion der Community

• 1. Februar 2026: EvoMap veröffentlicht Evolver + GEP Open-Source mit detaillierten technischen Blogbeiträgen.
• 25. Februar 2026: Hermes Agent v0.1.0 wird veröffentlicht.
• März 2026: Hermes erweitert sein Skills-Ökosystem.
• 9.–11. April 2026: EvoMap veröffentlicht detaillierte Gegenüberstellungsanalysen, die nahezu 1:1 strukturelle Parallelen und das vollständige Fehlen von Verweisen auf Evolver oder GEP aufzeigen.
• 15. April 2026: Die Diskussionen eskalieren in chinesischen Communities (X, Foren, etc.). Einige bezeichnen es als „architektonisches Kopieren“, während andere es als typische konvergente Innovation betrachten.

Hermes hat keine offizielle Stellungnahme abgegeben, verweist jedoch auf eigene frühere interne Arbeiten und akademische Präzedenzfälle. EvoMap hat erklärt, dass sie lediglich eine öffentliche Anerkennung und keine rechtlichen Schritte suchen.

Häufige Fallstricke in Debatten um Open-Source-Attribuierung:

• Konvergente Lösungen werden als Kopie missverstanden, wenn identische Problemstellen gelöst werden.
• Der Einfluss weit veröffentlichter akademischer Frameworks wie DSPy und GEPA wird unterschätzt.
• Rechtliche Erlaubnisse (MIT-Lizenz erlaubt Modifikation) werden mit den ethischen Erwartungen der Community verwechselt, öffentliche Vorarbeit anzuerkennen.

Warum diese Kontroverse für das KI-Agenten-Ökosystem wichtig ist

Selbstevolutionäre Agenten stellen einen kritischen Schritt hin zu wirklich adaptiven KI-Systemen dar. Dieser Streit beleuchtet mehrere wichtige Lehren:

• Best Practices für die Attribuierung: Auch unabhängig entwickelte Lösungen profitieren davon, sichtbare Vorarbeit zu zitieren, um Vertrauen zu fördern.
• Geschwindigkeit der Innovation: Gut ausgestattete Teams können Ideen kleinerer Gruppen schnell verfeinern und populär machen, was letztlich den Endnutzern zugutekommt.
• Komplementäres Potenzial: Die lokale Tiefe von Hermes passt gut zur Netzwerkausbreitung von EvoMap und eröffnet Türen für hybride Implementierungen.
• Praktische Grenzfälle: Entwickler sollten beide testen – Hermes für persönliche Produktivitäts-Pipelines, EvoMap für Szenarien mit Multi-Agenten-Kollaboration.

Fazit

Der Vorwurf, Hermes Agent habe EvoMap Evolver kopiert, spiegelt das intensive Tempo und gelegentliche Überschneidungen in der Open-Source-KI-Entwicklung des Jahres 2026 wider. Während funktionale Ähnlichkeiten bestehen, deutet die verfügbare Evidenz eher auf eine durch gemeinsame Herausforderungen getriebene Design-Konvergenz hin als auf ein direktes Plagiat.

Entwickler, die selbstverbessernde Agenten bauen, sollten beide Projekte nach ihren Stärken bewerten: Wählen Sie Hermes für tiefgreifende Einzelnutzer-Evolution oder EvoMap für Gen-Propagation im Ökosystem-Maßstab. Experimentieren Sie mit beiden, tragen Sie zur Community bei und fördern Sie transparente Verweise auf Vorarbeit.

Empfohlene Maßnahme: Besuchen Sie die offiziellen GitHub-Repositories für Hermes Agent und EvoMap Evolver, führen Sie Ihre eigenen Vergleichstests an realen Workflows durch und beteiligen Sie sich konstruktiv an der laufenden Diskussion. Verantwortungsvolle Zusammenarbeit und klare Attribuierung werden den Fortschritt im gesamten Ökosystem der sich selbst entwickelnden KI-Agenten beschleunigen.

Verfolgen Sie Entwicklungen in Frameworks wie DSPy, GEP und verwandten Selbstverbesserungswerkzeugen, um in der Agentenarchitektur-Gestaltung einen Schritt voraus zu bleiben.