La plupart des agents IA oublient tout dès que vous fermez l'onglet.
Session suivante, retour à zéro. Vous réexpliquez le contexte. Ça recommence. À chaque fois.
Hermes fonctionne différemment. Il sauvegarde ce qu'il apprend. Chaque tâche que vous lui confiez, il écrit la procédure dans un fichier sur votre disque. La prochaine fois que vous exécutez quelque chose de similaire, il trouve ce fichier et l'utilise. Au bout d'un mois, votre Hermes a 30 à 50 de ces compétences dans un dossier. Il devient plus rapide. Il devient plus précis. Ça s'accumule.
Je l'ai installé sur un ordinateur portable standard. Aucun matériel spécial. Environ 30 minutes. La première semaine, j'ai conclu trois clients à 300-400 $ chacun pour des rapports d'analyse concurrentielle. Travail réel par rapport : 15 minutes.
Voici la configuration complète.
Ce qu'est Hermes
Un framework d'agent open-source de Nous Research. 140 000 étoiles GitHub en trois mois. L'agent le plus utilisé sur OpenRouter actuellement. NVIDIA l'a présenté dans un article de blog en mai, fonctionnant sur leur nouvelle station de travail DGX Spark.
Vous n'avez pas besoin de ce matériel. Un MacBook avec 16 Go de RAM suffit. De même pour toute machine Windows avec un GPU milieu de gamme.
Trois dossiers sur votre disque font tout le travail :
1~/.hermes/memory/ vos préférences, projets, modèles2~/.hermes/sessions/ historique indexé de tout3~/.hermes/skills/ workflows appris sauvegardés en fichiers .md
Ce dossier de compétences est le cœur du sujet. Les agents avec 20+ compétences auto-créées accomplissent des tâches similaires 40 % plus rapidement qu'une instance vierge. Pas un meilleur résultat. Moins de temps pour obtenir le même résultat.
Le service
Des rapports d'analyse concurrentielle pour les startups en phase de démarrage et les petites entreprises SaaS.
Un fondateur veut savoir ce que font ses trois principaux concurrents. Tarification, positionnement, ce que les clients détestent chez eux, où sont les lacunes. Normalement, c'est 3 à 4 heures de travail pour quelqu'un. J'ai facturé 300 $ et livré le jour même.
Hermes effectue la recherche réelle en 15 minutes.
Ce que la plupart des gens paient :
1Service Coût2─────────────────────────────────────3Analyste freelance 150-300 $4Cabinet d'études (minimum) 500-2000 $5Faire soi-même 3-4 heures de votre temps
Ce que cela coûte :
1Outil Coût2─────────────────────────────────────3Agent Hermes 0 $4Ollama 0 $5Modèle Qwen 3.6 27B 0 $6Votre ordinateur portable 0 $7Électricité ~2 $/mois8─────────────────────────────────────9Total 0-2 $/mois
Configuration (30 minutes)
Étape 1. Serveur de modèle local
Allez sur lmstudio.ai. Téléchargez et installez-le.
Ouvrez LM Studio, allez dans l'onglet Découvrir, cherchez Qwen 3.6 27B. Choisissez la quantification Q4. Le téléchargement prend 10 à 15 minutes.
Ensuite : onglet Développeur, chargez le modèle, activez « Servir sur le réseau » dans les paramètres, cliquez sur Démarrer le serveur. Il fonctionne sur :
1http://localhost:1234
Ouvrez cette URL dans votre navigateur. Si vous voyez du JSON, ça fonctionne.
Si vous préférez le terminal, utilisez Ollama :
1ollama pull qwen3.62export OLLAMA_HOST=0.0.0.03ollama run qwen3.6 -c 65536
Ce drapeau -c 65536 n'est pas optionnel. Ollama utilise par défaut un contexte de 4K. Hermes a besoin de 64K. Sautez-le et rien ne fonctionne.
Étape 2. Installer Hermes
1bash scripts/install.sh23source ~/.bashrc45hermes --version
Obtenez le script d'installation depuis : github.com/NousResearch/hermes-agent
Les utilisateurs Windows exécutent ceci dans WSL2.
Étape 3. Connectez-vous à votre modèle
1hermes model
Choisissez « Point de terminaison personnalisé » dans le menu.
1URL : http://localhost:1234/v1 (LM Studio)2 http://localhost:11434/v1 (Ollama)3Clé API : laissez vide, appuyez sur Entrée4Nom du modèle : nom exact du fichier depuis LM Studio, ou « qwen3.6 » pour Ollama
Si vous obtenez « Contexte du modèle trop petit » au démarrage, retournez à votre serveur de modèle et réglez le contexte sur 65536. C'est le problème le plus courant. La correction est toujours du côté du serveur de modèle.
Étape 4. Première session
1hermes
Collez ceci comme première tâche :
1Analysez trois concurrents pour un outil de gestion de projet destiné2aux freelances. Pour chacun : positionnement, tarification, principales3plaintes des clients issues des avis, une lacune dans leur offre.4Sauvegardez ceci comme une compétence afin de pouvoir réutiliser5le processus la prochaine fois.
Hermes le décompose en sous-tâches, recherche, rédige le rapport, sauvegarde la procédure dans ~/.hermes/skills/. La prochaine tâche de recherche sera plus rapide car la compétence est déjà là.
Tapez /exit lorsque vous avez terminé.
Étape 5. Vérifiez que ça a fonctionné
1ls ~/.hermes/skills/
Vous devriez voir des fichiers .md. Ouvrez-en un. C'est un workflow structuré avec des étapes et des notes. C'est Hermes qui apprend.
Un dossier vide signifie que l'installation n'est pas terminée. Relancez le script.
Passerelle Telegram
1hermes gateway
Choisissez Telegram. Allez sur @BotFather, créez un nouveau bot, collez le jeton.
Vous pouvez maintenant envoyer des messages à votre agent depuis votre téléphone pendant que l'ordinateur portable tourne à la maison. Cela change complètement la sensation.
Trouver des clients
Trois endroits qui ont fonctionné la première semaine :
Upwork. Recherchez « analyse concurrentielle » ou « étude de marché ». Filtrez par les 7 derniers jours. Envoyez 10 à 15 messages courts par jour. Proposez d'envoyer un rapport d'exemple. Construisez l'exemple avec Hermes avant d'avoir des clients.
X/Twitter. Recherchez « quelqu'un connaît » + « analyse concurrentielle ». Les fondateurs publient cela constamment. Répondez, proposez un exemple, ne faites pas de pitch.
E-mail à froid. Allez sur Product Hunt, filtrez les lancements des 30 derniers jours. Envoyez un e-mail directement au fondateur. Une phrase, lien vers l'exemple. Objet : « analyse concurrentielle rapide pour [nom du produit]. »
Le premier client vient généralement en 3 à 5 jours si vous envoyez suffisamment de messages.
Les chiffres
1Semaine 12─────────────────────────────────────3Configuration 2 heures4Prospection par jour 1 heure5Rapports livrés 36Revenus 900-1 200 $7Travail par rapport 15-20 min
1Mois 12─────────────────────────────────────3Rapports vendus 10-154Revenus 3 000-4 500 $5Contrats de suivi démarrés 2-36Récurrent mensuel ajouté 600-900 $
1Mois 32─────────────────────────────────────3Compétences dans ~/.hermes/skills/ 30+4Temps par rapport 10 min5Clients en contrat de suivi 6-86Récurrent mensuel 1 800-2 400 $7Rapports ponctuels 1 500-2 000 $8Total 3 300-4 400 $/mois
Problèmes courants
« Contexte du modèle trop petit » au démarrage. Réglez le contexte à 65536 sur votre serveur de modèle. C'est 80 % de tous les problèmes d'installation.
Hermes est lent. Passez d'un modèle 35B à 27B, ou de Q6 à Q4. Un CPU seul signifie 2 à 3 minutes par réponse. Procurez-vous un GPU ou utilisez l'API cloud.
Hermes oublie entre les sessions. Vérifiez que ~/.hermes/ contient des fichiers. S'il est vide, relancez l'installation.
WSL2 ne peut pas atteindre le serveur de modèle. Activez la mise en réseau en miroir dans les paramètres WSL sur Windows 11 22H2+. Ou exécutez le serveur de modèle à l'intérieur de WSL2 à la place.
Pile d'outils complète
1Outil Objectif Coût2────────────────────────────────────────────3Agent Hermes framework d'agent gratuit4 github.com/NousResearch/hermes-agent56LM Studio serveur de modèle local gratuit7 lmstudio.ai89Qwen 3.6 27B le modèle gratuit10 via LM Studio ou ollama.com1112Stripe paiements 2,9 % + 30 c
Coût de démarrage : 0 $. Délai avant le premier client : une semaine.
Après chaque rapport livré, demandez deux choses. D'abord, un avis. Ensuite, un fondateur qu'ils connaissent et qui pourrait en avoir besoin.
Les fondateurs connaissent des fondateurs. Au deuxième mois, les recommandations remplacent la plupart de la prospection à froid.
Le dossier de compétences se remplit. Le travail devient plus rapide. La marge s'améliore.
Créez un rapport avant d'avoir un client. Envoyez-le comme exemple à 10 personnes demain.
plus de configurations comme celle-ci chaque semaine. t.me/GipArcAI
