Wissens-Stack im Karpathy-Stil: Warum Hermes, MiniMax M3 und Obsidian das Herzstück bilden

Die meisten Menschen behandeln Notizen, Modelle und Agenten wie drei getrennte Welten

Dieser Stack vereint sie zu einer einzigen Rückkopplungsschleife:

Obsidian als dein Gedächtnis, Hermes als dein Agent, MiniMax M3 als der Reasoning-Kern

Warum ein „Wissens-Stack“ besser ist als eine „Notiz-App“

Klassisches PKM bricht auf drei vorhersehbare Arten:

• Notizen werden einmal geschrieben und nie aktualisiert
• KI-Chats sind intelligent, aber vergesslich – jede Sitzung startet bei null
• Kontext für ernsthafte Arbeit passt ständig nicht mehr in den Arbeitsspeicher – weder in deinen noch in den des Modells

Was wir eigentlich wollen:

• Einen lokalen, verlinkbaren Graphen von allem, was wir wissen
• Einen Agenten, der in diesem Graphen lebt, nicht darüber
• Ein hochmodernes Modell, das über riesige echte Kontexte nachdenken kann, nicht nur über 2–3 Absätze

Hermes + MiniMax M3 + Obsidian geben dir das:

• Obsidian – lokaler Markdown-Graph mit Backlinks, Graphenansicht und einem Plugin-Ökosystem, das für persönliche Wissensdatenbanken entwickelt wurde
• Hermes Agent – selbstverbessernder Open-Source-Agent mit eingebauter Lernschleife, Werkzeugen und Langzeitaufgaben, der auf deiner eigenen Infrastruktur läuft
• MiniMax M3 – das Modell, das ich tatsächlich jeden Tag in Hermes verwende. Langkontext, multimodal, agentisch. Ich habe es ausgewählt, weil ich ein Modell wollte, das meinen gesamten Vault, meine Logs und einen Stapel neuer Rohartikel in einem einzigen Kontextfenster lesen kann – ohne dass ich eine RAG-Pipeline zusammenkleben muss. Nach ein paar Monaten echter Nutzung bleibt es als mein Standard. Mehr dazu weiter unten

Das Ergebnis fühlt sich weniger an wie „ein LLM verwenden“ und mehr wie das langsame Trainieren eines zweiten Gehirns

Warum ich M3 ausgewählt habe (und was mir aufgefallen ist)

Ich habe M3 nicht wegen eines Benchmarks ausgewählt

Ich habe es ausgewählt, weil jedes andere Modell, das ich 2025 ausprobiert habe, in meinem Workflow die gleiche Fehlerart hatte:

es konnte eine einzelne Notiz gut zusammenfassen, aber sobald ich es bat, zehn Notizen zu lesen, sie mit meinen MOCs abzugleichen und eine neue zurückzuschreiben, verlor es den Faden

Die Symptome waren immer die gleichen:

• Die Zusammenfassung war lokal kohärent, aber global falsch
• Es bezog sich auf ein Projekt, das gar nicht in der Datei war
• Es verwendete einen Tag aus einer anderen Taxonomie
• Es erfand einen Wikilink zu einer Seite, die nicht existierte

Das Modell war intelligent. Der Workflow war größer als das Modell

M3 war das erste, bei dem ich sah, dass der gesamte Graph in den Kontext passte und für die gesamte Aufgabe dort blieb

Drei Dinge sind mir in der echten Nutzung aufgefallen:

1. Es verwendet tatsächlich meine Taxonomie Ich habe ~41 Tags in einem festen Schema (#coin/\, [#project](https://x.com/search?q=%23project&src=hashtag_click)/\, #concept/*, #solana-intern, #meta). Wenn ich M3 bitte, eine neue Notiz zu erstellen, wählt es zu etwa 90 % beim ersten Versuch den richtigen Primärtag.

Mit einem 200K-Kontextmodell lag ich bei vielleicht 60 %. Der Unterschied ist, dass M3 die gesamte Tag-Landschaft auf einmal sieht und darüber nachdenkt, anstatt aus ein paar Beispielen zu raten.

1. Es verliert nicht den Faden über lange agentische Schleifen hinweg Eine vollständige Vault-Überprüfung erfordert 30+ Tool-Aufrufe: MOC lesen, Wikilinks folgen, Tags zählen, nach Duplikaten suchen, den Bericht schreiben.

Die meisten Modelle beginnen um Aufruf 8–9 herum zu driften.

M3 bleibt bis zum Ende kohärent. Das ist der mit Abstand wichtigste Grund, warum ich aufgehört habe, alle 20 Minuten den Kontext zu wechseln.

1. Es behandelt Vorwärtsverweise als Feature Wenn ich es bitte, eine Notiz zu erstellen und ein Konzept existiert noch nicht, schreibt M3 trotzdem „Forward Reference“ (Vorwärtsverweis).

Obsidian rendert es als grauen Link. Ich sortiere diese einmal pro Woche während der Überprüfung.

Das ist viel besser als ein Modell, das entweder eine falsche Notiz erfindet oder den Link ganz weglässt.

Drei ehrliche Einschränkungen nach monatelanger Nutzung:

• Die Erstaufruf-Latenz ist hoch. Hermes lädt den Kontext vor. Beurteile M3 nicht nach den ersten 3 Sekunden – gib ihm 10.
• Es wird selbstbewusst einen [[wikilink]] zu einer Seite schreiben, die nicht existiert. Das ist das oben beschriebene „Vorwärtsverweis“-Verhalten. Es wird nur zum Problem, wenn du die wöchentliche Überprüfung auslässt.
• Multimodal ist real, aber bei diagrammreichen PDFs greife ich trotzdem zuerst zu einem dedizierten Vision-Tool. M3 liest Text aus Bildern und kurzen Screenshots gut. Für ganze Seiten mit Abbildungen ist es nicht das richtige Werkzeug.

Das ist das ganze Angebot.

Das Modell ist genau in dem gut, was ein Vault-Workflow braucht: den gesamten Graphen auf einmal lesen und ohne Strukturverlust zurück in ihn schreiben.

Layer 1 – Obsidian als Ground Truth

Obsidian ist die langweilige, aber kritische Basisschicht in diesem Stack

• Dein Wissen lebt als einfache Markdown-Dateien auf der Festplatte, nicht eingesperrt in irgendeiner Cloud
• Backlinks, Graphenansicht und tägliche Notizen helfen, Ideen in Cluster zu verdichten, anstatt im Chatverlauf zu verschwinden
• Plugins verwandeln Obsidian in einen programmierbaren Graphen aus Dokumenten, Aufgaben und Datensätzen, den ein Agent systematisch durchlaufen kann

Das Prinzip ist einfach:

Wenn es sich lohnt, es zu behalten, lebt es zuerst in Obsidian Wenn der Agent etwas Nützliches tut, sollte es als Notiz enden

Eine praktische Struktur:

1/obsidian-vault
2  /inbox
3  /people
4  /projects
5  /research
6    ai-agents.md
7    minimax-m3-benchmarks.md
8  /ai
9    hermes-playbook.md
10    agents-ideas.md

Hermes wird diese Notizen lesen, umstrukturieren und erstellen – aber der Vault bleibt die Quelle der Wahrheit

Layer 2 – Hermes als der sich selbst verbessernde Operator

Hier hört der Stack auf, „ein Notizsystem mit einem LLM“ zu sein, und beginnt, sich wie Infrastruktur zu verhalten

Hermes Agent ist ein sich selbst verbessernder KI-Agent, der von @NousResearch entwickelt wurde

Er führt ein dauerhaftes Modell von dir und deiner Arbeit, erstellt Fähigkeiten aus Erfahrungen, verbessert sie bei der Nutzung und durchsucht seine eigenen vergangenen Gespräche, um relevanten Kontext abzurufen, anstatt jede Sitzung zurückzusetzen

Du kannst Hermes auf zwei Arten ausführen:

• Als CLI-Tool unter Linux, macOS oder WSL2
• Über Hermes Desktop – eine native App für macOS, Windows und Linux, die denselben Agenten-Kern in einer GUI kapselt

Installationspfade

macOS / Linux / WSL2 (CLI)

Dieser Einzeiler installiert Hermes Agent, richtet die Umgebung ein und macht den globalen Befehl hermes verfügbar

1curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Nach der Installation:

1source ~/.bashrc 2>/dev/null || true
2source ~/.zshrc 2>/dev/null || true
3hermes

Windows PowerShell (CLI)

1irm https://hermes-agent.nousresearch.com/install.ps1 | iex

Der Windows-Installer kümmert sich um Python 3.11, Node.js 22, ripgrep, ffmpeg und portables Git Bash und fügt dann hermes zu deinem PATH hinzu

Hermes Desktop (GUI)

Wenn du nicht im Terminal leben möchtest, lade Hermes Desktop von der offiziellen Desktop-Seite herunter und führe den nativen Installer für macOS, Windows oder Linux aus.

• Verwende Desktop, wenn du eine native GUI anstelle einer CLI-zentrierten Einrichtung möchtest, einen einfacheren Onboarding-Prozess und denselben Hermes-Kern ohne manuelles Shell-Bootstrap
• Verwende CLI, wenn du Reproduzierbarkeit, Scripting, Remote-Server/VPS-Bereitstellung und strenge Kontrolle über Tools, Umgebungsvariablen und langlaufende Workflows benötigst

Die meisten Leute werden beides nutzen: Desktop für den täglichen Umgang, CLI für Einrichtung, Automatisierung und Remote-Arbeit

Architektur – wie der Stack tatsächlich zusammenspielt

Das klare mentale Modell:

1Obsidian Vault
2   ↓
3Hermes Agent
4   ↓
5MiniMax M3
6   ↓
7Aktualisierte Notizen, Zusammenfassungen, Fähigkeiten, geplante Aufgaben

Jede Schicht hat eine klare Aufgabe:

• Obsidian speichert deine Notizen als Markdown-Dateien, was sie einfach zu indizieren, zu durchsuchen, zu differenzieren und versionieren macht
• Hermes ist die Orchestrierungsschicht – es liest Dateien, führt Tools aus, merkt sich frühere Arbeiten, plant Aufgaben und entscheidet, wann etwas Nützliches gespeichert wird. Es kann auch eine Verbindung zu Messaging-Plattformen und Gateways herstellen
• MiniMax M3 ist die Reasoning-Engine in diesem Stack. Es liest große Notizsammlungen, schreibt unordentliche Notizen um, vergleicht Dokumente im Vault und bewältigt langlaufende agentische Aufgaben, ohne zu vergessen, was vor 20 Tool-Aufrufen oben im Kontext stand
• In meinem Workflow ist das der Schlüssel: eine vollständige Vault-Überprüfung, eine MOC-übergreifende Umstrukturierung oder eine Aufgabe mit 30 Aufrufen wie „Erstelle diesen Artikel in einer 5-teiligen Notiz und aktualisiere 3 MOCs“ bleiben alle von Anfang bis Ende kohärent
• Die Behauptung „MSA-Architektur“ ist Marketing. Die gelebte Erfahrung ist: Ich kann eine Aufgabe 20 Minuten lang ausführen und das Modell weiß immer noch, worum ich es in Minute 1 gebeten habe

Hermes ersetzt Obsidian nicht. Es sitzt zwischen deinem Vault und dem Modell und macht den Vault zu etwas Handlungsorientiertem

Eine realistische Schleife:

• Du hältst rohe Ideen in Obsidian fest
• Hermes liest den Vault oder bestimmte Ordner
• Hermes sendet den relevanten Notizensatz an MiniMax M3
• M3 strukturiert um, taggt, verlinkt, fasst zusammen oder erweitert das Material
• Hermes schreibt das Ergebnis als sauberes Markdown zurück in den Vault

Diese Schleife – nicht der einmalige Chat – ist das eigentliche Produkt

Reale Einrichtung – Verbinde Hermes mit deinem Vault

Behalte deinen Obsidian-Vault an einem normalen Dateisystemort und gib diesen Pfad an Hermes weiter.

macOS / Linux

1export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"
2ls "$OBSIDIAN_VAULT"

Windows PowerShell

1$env:OBSIDIAN_VAULT="$HOME\Documents\Obsidian\MainVault"
2Get-ChildItem $env:OBSIDIAN_VAULT

Führe jetzt den Hermes Setup-Assistenten aus:

1hermes setup

Oder für den kürzesten Weg über Nous Portal (Auto-Provider, Tool-Gateway usw.):

1hermes setup --portal

Die offizielle Dokumentation empfiehlt hermes setup als den wichtigsten Onboarding-Befehl und --portal als Abkürzung für eine mit Konto und Provider verknüpfte Konfiguration

Überprüfe dann die Installation:

1hermes doctor

hermes doctor prüft Abhängigkeiten, PATH, Provider-Konfiguration und zeigt häufige Probleme an, bevor du mit dem Anschließen von Modellen und Tools beginnst

Modellebene – Hermes mit MiniMax M3 verbinden

Hermes behandelt „welches Modell verwenden“ als erstklassige Konfiguration, nicht als fest codierte Annahme.

Du wählst Modelle mit Hermes selbst aus und aktualisierst sie, anstatt Konfigurationsdateien von Hand zu bearbeiten.

Der Hauptbefehl:

1hermes model

Dies öffnet einen Modellauswahl-Flow, in dem Hermes unterstützte Provider und Modelle auflistet und dir die Wahl des Backends ermöglicht, das MiniMax M3 bereitstellt.

Praktischer Einrichtungspfad:

1. Hermes installieren (CLI oder Desktop)
2. hermes setup oder hermes setup --portal ausführen
3. hermes model ausführen
4. Den Provider-Pfad wählen, der dir Zugang zu MiniMax M3 verschafft
5. Als Standard-Langkontextmodell speichern

Wenn du deine Umgebungsvariablen und das Provider-Format bereits kennst, kannst du auch bestimmte Werte setzen mit:

1hermes config set

In der Dokumentation wird hermes config set als die unterstützte Methode beschrieben, um einzelne Konfigurationswerte zu schreiben, ohne Dateien manuell bearbeiten zu müssen.

In meiner täglichen Einrichtung ist M3 der Standard für alles, was ich sonst auf mehrere Modellaufrufe hätte aufteilen müssen. Konkret:

• Lesen großer Notizordner, bei denen die Antwort vom Graphen abhängt, nicht von einer einzelnen Datei
• Zusammenführen doppelter oder überlappender Notizen – das ist ein Graph-Problem, kein Text-Problem
• Schreiben strukturierter Zusammenfassungen und Übersichten in meiner Stimme (die 5-teilige Vorlage, die 41-Tag-Taxonomie)
• Lange Forschungsketten, bei denen der Kontext immer weiter wächst – offene Aufgaben wie „Zusammenstellen, dann 3 MOCs aktualisieren, dann 3 Thread-Ideen schreiben“
• Code-lastige, mehrstufige Agentenaufgaben, bei denen das Modell sich seine eigene Tool-Historie über 20+ Aufrufe hinweg merken muss

Ich behalte ein kleines, schnelles Modell in Hermes für winzige Hilfsaktionen (Umbenennen einer Datei, Finden einer Zeichenkette, Formatieren von YAML).

Für alles oben – M3. Die Aufteilung ist grob: billiges Modell für mechanische Aufgaben, M3 für Reasoning-Aufgaben. Nach ein paar Wochen wird die Routenwahl unsichtbar.

Faustregel:

Verwende ein schnelles, billiges Modell für winzige Hilfsaktionen. Verwende MiniMax M3 für alles, was von großem Kontext, Struktur oder langem Nachdenken abhängt. Da wird der Stack spürbar besser als ein normaler Chat

Arbeitsmuster – Ordner, die tatsächlich skalieren

Wenn das für echte Menschen funktionieren soll, muss die Vault-Struktur stimmen.

Ein praktisches Layout:

1MainVault/
2  Inbox/
3  Projects/
4  People/
5  Reading/
6  Daily/
7  Reviews/
8  AI/
9    Hermes/
10    MiniMax/

Warum das funktioniert:

• Inbox/ fängt rohe Erfassungen und grobe Abladungen auf
• Daily/ ist für reibungslose tägliche Protokolle
• Reading/ enthält Quellnotizen, Textstellen und Zitate
• Projects/ speichert dauerhafte Ergebnisse und laufende Arbeiten
• Reviews/ speichert wöchentliche und monatliche Synthesen

Hermes funktioniert am besten, wenn jeder Ordner eine klare Aufgabe hat. Wenn dein Vault chaotisch ist, wird Hermes trotzdem helfen, aber es wird mehr Zeit damit verbringen, das Durcheinander zu interpretieren, anstatt es zu verbessern

Eine einfache Betriebsregel:

• Menschen schreiben frei in Inbox/, Daily/ und Reading/
• Hermes darf in Projects/, Reviews/ und thematischen Ordnern wie AI/ zusammenfassen
• Langzeitnotizen leben in stabilen, vorhersagbaren Ordnern

Das gibt dem Agenten Erlaubnisgrenzen, auch wenn du sie nie in YAML formalisierst.

Aufgaben, die es tatsächlich wert sind, automatisiert zu werden

*Die stärksten Hermes-Anwendungsfälle sind nicht „eine Frage beantworten“ - Es sind wiederkehrende Transformationen*

Konkrete Beispiele:

• Die gestrige Tagesnotiz in eine strukturierte Zusammenfassung verwandeln
• 10 grobe Lesenotizen zu einer dauerhaften Notiz zusammenführen
• Offene Fragen aus einem Projektordner extrahieren
• Eine Wochenübersicht aus verstreuten Notizen erstellen
• Aktuelle Notizen mit älteren vergleichen und geänderte Meinungen hervorheben

Hier verdient MiniMax M3 seinen Lohn.

Ein normales Kurzkontextmodell kann eine einzelne Notiz gut zusammenfassen.

M3 kann einen Ordner mit 50 Notizen zusammenfassen, sie mit den 10 MOCs in meinem Vault abgleichen und eine 1.000 Wörter umfassende Übersicht vorschlagen, die tatsächlich meine eigene Stimme und meine eigenen Tags verwendet – weil es den gesamten Graphen gesehen hat.

Die Aufgabe, die ich am häufigsten ausführe: Einen frischen Artikel in raw/ ablegen, M3 bitten, ihn in eine 5-teilige Notiz zu fassen (# Profil → # Kontext in meiner Forschung → # Links in den Vault → # Tags → # Verwandtes), und zusehen, wie es:

• korrekt einen Tag aus meiner 41-Tag-Taxonomie auswählt,
• 8–12 Wikilinks zu vorhandenen Notizen schreibt,
• mir sagt, welcher MOC aktualisiert werden muss.

Mit einem 200K-Modell bekam ich vielleicht 3 von 4 richtig Mit M3 bekomme ich alle 4 in einem Durchgang, bei einem ~500-Dateien-Vault

Der sich verstärkende Effekt: Jede Notiz, die ich auf diese Weise verfasse, wird Teil von M3s Kontext für die nächste Frage, die ich stelle.

Nach 6 Monaten wöchentlicher Zusammenstellungen „kennt“ das Modell meine Stimme, mein Tag-System und welche MOCs ich für welche Art von Arbeit aktualisiere – ohne dass ich etwas neu trainieren muss.

Ein typischer Ablauf über das Terminal:

1hermes

Dann bittest du Hermes um Aufgaben wie:

• „Lies alles in Reading/AI Agents/ und erstelle eine konsolidierte Notiz namens agent-architecture-overview.md“
• „Durchsuche Daily/ der letzten 7 Tage und schreibe eine Wochenübersicht nach Reviews/2026-W24.md“
• „Finde doppelte Ideen in Inbox/ und Projects/ und schlage Zusammenführungen vor“

Die genaue Formulierung ist flexibel, aber die Kernidee ist: Jede Aufgabe ist echten Ordnern zugeordnet und produziert echte Markdown-Ausgaben

Planung und unbeaufsichtigte Arbeit

Hermes ist nicht nur für Chats gebaut, sondern auch für Gateways, Planer und Hintergrundausführung

Das ist wichtig, weil die besten PKM-Workflows normalerweise asynchron sind, nicht ad-hoc.

Nützliche geplante Aufgaben:

• Jeden Morgen um 08:00 – die Notizen von gestern zu einer täglichen Zusammenfassung in Reviews/ zusammenfassen
• Jeden Freitag – eine wöchentliche Übersicht aus Daily/ und Projects/ erstellen
• Einmal täglich – nach verwaisten Notizen und strukturellen Problemen suchen
• Jede Nacht – neue Lese-Markierungen in atomare Notizen umwandeln und verlinken

Der architektonische Wandel ist groß:

• Chat-Antworten verschwinden
• Geplante Notizenpflege summiert sich

Mit der Zeit ist dieser Summierungseffekt das, was aus „nur Notizen“ ein echtes zweites Gehirn macht

Vollständiger praktischer Pfad, von Anfang bis Ende

1. Hermes installieren

macOS / Linux / WSL2:

1curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Windows:

1irm https://hermes-agent.nousresearch.com/install.ps1 | iex

Desktop:

• Hermes Desktop von der offiziellen Desktop-Seite herunterladen und den nativen Installer unter macOS, Windows oder Linux ausführen.

2. Den Agenten konfigurieren

1hermes setup
2# oder
3hermes setup --portal

3. Funktionsfähigkeit überprüfen

1hermes doctor

4. Dein Modell auswählen

1hermes model

Den Provider-Pfad auswählen, der MiniMax M3 bereitstellt, und als Standardmodell für Langkontextarbeit speichern.

5. Hermes starten und es real werden lassen

1hermes

An diesem Punkt ist der nützlichste erste Schritt nicht „Code schreiben“. Es ist:

• Richte Hermes auf deinen Vault aus
• Gib ihm genau einen Ordner
• Bitte ihn, ein einziges sauberes Markdown-Artefakt zu produzieren
• Öffne es in Obsidian und überprüfe das Ergebnis
• Wiederhole den Vorgang, bis dieser Workflow langweilig und zuverlässig wird

Sobald eine Schleife solide ist, füge eine weitere hinzu -> Dann noch eine.

So verwandelst du Hermes + MiniMax M3 + Obsidian von einer coolen Idee in tatsächliche Infrastruktur

Wenn dir das gefallen hat:

• Lesezeichen für diesen Artikel. Die Links ändern sich und neue Repos tauchen wöchentlich auf – du wirst ihn als Referenz brauchen
• Like und Reposte den obigen Thread, um anderen Buildern zu helfen, der Chatbot-Falle zu entkommen
• Für wöchentliche Deep Dives in KI-Architektur, Quanten-Trading und die Agentenökonomie: Folge mir: @polydao
• Tritt dem TG-Kanal bei: Buzzoni Notes – hier teile ich meine rohen Prompts, benutzerdefinierten Skills und Alpha, das noch zu früh für X ist

Lies es nicht nur. Baue es. Ändere deinen Workflow noch heute