Agentes en la nube a prueba: lecciones reales con OpenClaw y Hermes

<p><strong>Expectativas frente a realidad</strong></p>
<p>🐑 No trabajan solos — Hay que decirles exactamente qué hacer; sin instrucciones claras las tareas se diluyen y la proactividad prometida no aparece.</p>
<p>🧱 Todo acaba siendo determinista — Por debajo de la conversación solo lanzan comandos: terminas con una colección de scripts y crons que podrías haber montado tú mismo en local.</p>
<p>🎯 Rinden mejor si sabes qué quieres — Es el mismo planteamiento que N8N, Make o Zapier; si no tienes casos de uso claros, la experiencia se vuelve agónica.</p>
<p><strong>Entorno e instalación</strong></p>
<p>🖥️ No los pongas en tu equipo ni en Docker — Conviene un servidor dedicado y barato, aislado del resto; Docker les complica el trabajo hacia el exterior.</p>
<p>💾 La memoria RAM influye en el resultado — Con 4 GB se atasca, mientras que con 8 GB rinde bastante mejor para tareas como transcribir o procesar varios archivos.</p>
<p><strong>Memoria y aprendizaje</strong></p>
<p>🧠 Olvidan instrucciones con el tiempo — Pierden contexto y se degradan como un Windows viejo; OpenClaw llegaba a reexponer el mismo token una y otra vez.</p>
<p>📚 Consolidan lo aprendido en skills propias — Hermes convierte las peticiones repetidas en habilidades y perfiles que cocina en casa en lugar de descargar, y por eso su memoria no crece sin parar.</p>
<p><strong>Seguridad</strong></p>
<p>🔓 Ningún secreto está a salvo — El agente lee todas tus claves aunque las oculte en pantalla, así que conviene poner una barrera intermedia, como un gestor de contraseñas pensado para agentes.</p>
<p>✋ Mejor que pida permiso antes de ejecutar — Hermes te consulta antes de lanzar ciertos comandos, lo que da algo más de control que OpenClaw.</p>
<p><strong>Dónde aporta valor</strong></p>
<p>🔍 Brilla revisando código y proponiendo mejoras — Analizar un repositorio, sugerir features y lanzar pull requests funcionó razonablemente bien, aunque después toca revisar con calma lo que ha hecho.</p>