Hermes Agent 마스터클래스

Hermes Agent 를 이해하고 커스터마이징하는 데 필요한 모든 것. 스스로 진화하는 스킬, ills, 3계층 메모리, GEPA 최적화, 그리고 GEPA, 그리고 24/7 작업을 수행하는 1개에서 10개까지의 에이전트.

Hermes Agent 가 두 달 만 2개월 만에 GitHub 스타 90,000 스타를 돌파했습니다. 개발자들은 조용히 자신의 워크플로를 학습하고, 컨텍스트를 기억하며, 억하며, 24/7 실행되는 개인 AI 에이전트를 구축하고 있습니다.

당신이 사용해 본 모든 AI 에이전트는 동일한 문제를 가지고 있습니다: 세션이 종료되는 순간 모든 것을 잊어버린다는 점입니다.

당신의 코딩 선호도, 세 번이나 수정해준 프로젝트 규칙, 어제 10분 동안 알아낸 해결책. 모두 사라집니다. 다음 세션에서는 처음부터 다시 시작해야 합니다.

Nous Research 의 Hermes Agent 는 근본적으로 다른 접근 방식을 취합니다. 다음과 같은 학습 루프를 탑재하고 있습니다:

세션 간 기억
재사용 가능한 자체 스킬 작성
백그라운드에서 스킬 정리
GEPA 라는 진화 엔진을 통한 오프라인 검증

이 세 가지를 모두 결합한 오픈소스 에이전트는 없습니다. OpenClaw 조차도 마찬가지입니다.

이 가이드는 이 학습 루 루프가 어떻게 작동하는지, 각 메모리 계층이 무엇을 하는지, 그리고 모든 것을 처음부터 구성하는 방법을 다룹니다.

이 가이드를 마치면 컴퓨터에서 완전히 서 완전히 세 개의 완전히 격리된 에이전트(Claude Code 를 사용하는 프로그래머, 심층 연구자, 디자이너)가 각각 고유한 성격, 메모리, 스킬, Telegram 봇을 갖추게 됩니다.

직접 확인해보세요:

전체 설정은 몇 분 안에 완료되며, 여기에 있는 모든 것은 여러분의 하드웨어에서 재현 가능합니다.

참고: 이 가이드의 모든 일러스트레이션은 여러분이 이 가이드를 통해 구우면 만들게 될 Hermes 에이전트 중 하나인 Pixel 이 디자인했습니다. 읽으면서 확인해보세요.

시작해볼까요!

읽는 방법

이론과 실습, 두 부분으로 나뉩니다.

시간이 없다면? "실행 및 설정"으로 건너뛰세요. 명령어만으로도 작동합니다.

하지만 이론을 이해하는 것이 중요합니다. 스킬이 어떻게 스스로 진화하는지, 메모리가 어떻게 구성되는지, GEPA 가 언제 빛을 발하는지 아는 것은 Hermes 를 단순한 메모장이 있는 챗봇으로 사용하는 것과, 지식이 축적되는 도구로 사용하는 것의 차이를 만듭니다.

않습니다.

앞으로 다룰 내용:

Hermes Agent 의 실제 정체. 개요 및 OpenClaw 와의 비교.
구조. 하나의 다이어그램으로 보는 아키텍처.
메모리 이전: 에이전트는 누구인가? SOUL.md, 정체성 계층.
메모리 시스템. 세 가지 계층, 세 가지 속도 속도.
스스로 진화하는 스킬. 에이전트가 작성한 플레이북과 큐레이터.
GEPA. 오프라인 스킬 최적화.
실행 및 설정. 설치, Telegram, 첫 번째 에이전트.
여러 에이전트 실행. 프로필, 세 가지 페르소나, 예약 다이제스트.
필요에 맞게 에이전트 커스터마이징.

Hermes 가 무엇이며, 아키텍처적으로 차별화되는 점

한 줄 요약: 사용하면 사용할수록 더 나아지는 에이전트.

이를 현실로 만드는 것은 일반적으로, 일반적으로 분리된 세 가지 기능(런타임 스킬 학습, 지속적인 다계층 메모리, 선택적 웨이트 트레이닝 파이프라인)이 하나의 프레임워크에 담겨 있다는 점입니다. 이 세 가지를 모두 탑재한 오픈소스 에이전트는 없습니다.

오픈 생태계에서 가장 유사한 것은 OpenClaw 입니다. 둘 다 지속적이며 메시징에 최적화되어 있지만, 반대되는 아키텍처 선택을 합니다.

Kilo 블로그의 명확한 설명이 이를 잘 나타냅니다: "Hermes 는 학습 에이전트 주변에 게이트웨이를 패키징합니다. OpenClaw 는 메시징 게이트웨이 주변에 에이전트를 패키징합니다."

구조

학습 루프를 이해하기 전에, Hermes 가 어떻게 구조화되어 있는지에 대한 기본적인 그림이 필요합니다.

모든 것은 run_agent.py 스크립트의 단일 AIAgent 클래스를 통해 흐릅니다. CLI, 메시징 게이트웨이, 배치 러너, IDE 통합: 모두 동일한 코어 에이전트에 진입점입니다.

이것이 플랫폼에 구애받지 않는 이야기가 실제로 작동하는 이유입니다.

코어 루프는 ReAct 스타일이며 동기식입니다. 시스템 프롬프트를 빌드하고, 압축이 필요한지 확인하고, 중단 가능한 API 호출을 하고, 모든 도구 호출을 실행하고, 다시 루프합니다.

나중에 중요해지는 몇 가지 세부 사항:

에이전트는 여섯 가지 다른 곳에서 명령을 실행할 수 있습니다. 로컬 터미널, Docker, SSH, Modal, Daytona 또는 Singularity. 동일한 코드, 설정만 변경하면 됩니다. 다른 것은 건드리지 않고 노트북에서 클라우드 GPU 서버로 실행을 옮길 수 있습니다.
거의 모든 모델과 함께 작동합니다. 번역 계층이 모든 공급자를 세 가지 API 형식 중 하나로 라우팅합니다. 이것이 하나의 명령어로 Claude 에서 GPT, Gemini, 로컬 Ollama 로 전환해도 아무것도 깨지지 않는 이유입니다.
에이전트는 작업당 최대 90 턴으로 제한됩니다. 이 제한이 없으면 루프에 갇힌 에이전트(실패하는 API 재시도, 동일한 파일 다시 읽기)가 조용히 크레딧을 소진할 수 있습니다. 하위 에이전트도 동일한 예산을 공유하므로, 통제 불능의 위임 체인이 이를 우회할 수 없습니다.

이 정도면 충분한 기반입니다. 이제 흥미로운 부분으로 넘어가겠습니다.

메모리 이전: 에이전트는 누구인가?

메모리와 스스로 진화하는 스킬에 대해 알아보기 전에, 그 위에 있는 계층이 있습니다: 정체성입니다.

메모리는 에이전트가 아는 것입니다. 스킬은 에이전트가 작업을 수행하는 방법입니다. 하지만 둘 다 에이전트가 나타났을 때 누구인지 알려주지 않습니다. 정체성 계층이 없으면 모든 에이전트가 다른 모자를 쓴 같은 에이전트처럼 느껍니다.

Hermes 는 단일 파일 SOUL.md 로 이 문제를 해결합니다.

~/.hermes/SOUL.md 에 있으며, 다른 모든 것이 로드되기 전에 시스템 프롬프트의 1번 슬롯을 차지합니다. 에이전트의 성격, 어조, 의사소통 스타일 및 하드 리미트를 정의합니다.

SOUL.md 는 수동으로 작성되며 정적입니다. 한 번 작성하고 시간이 지남에 따라 조정하며, 모든 프로젝트와 모든 세션에서 일관되게 유지됩니다. 파일이 없으면 Hermes 는 내장된 기본 정체성으로 대체됩니다.

이것이 자기 개선 스토리에 중요한 이유는 무엇일까요? 그 이후의 모든 것(에이전트가 작성하는 메모리, 생성하는 스킬, 지식을 통합하는 방식)이 이 정체성을 통해 이루어집니다.

SOUL.md 는 고정된 프레임입니다. 메모리와 스킬은 그 안에서 움직이는 부분입니다.

메모리 시스템: 세 가지 계층, 세 가지 속도

Hermes 에는 단일 "메모리"가 없습니다. 각각 다른 목적을 위해 설계된 세 가지 계층이 있습니다.

계층 1: 두 개의 작은 Markdown 파일.

핵심에는 디스크에 저장된 두 개의 파일이 있습니다:

MEMORY.md (최대 2,200 자)는 환경, 프로젝트 규칙, 도구 특성 및 학습한 교훈에 대한 에이전트의 메모를 보관합니다.
USER.md (최대 1,375 자)는 이름, 의사소통 선호도, 스킬 수준 및 피해야 할 사항과 같은 사용자 프로필을 저장합니다.

두 파일 모두 세션이 시작될 때 시스템 프롬프트에 고정된 스냅샷으로 주입됩니다. 에이전트가 세션 중간에 새 메모리 항목을 작성하면 해당 변경 사항은 즉시 디스크에 저장되지만, 다음 세션이 시작될 때까지 시스템 프롬프트에 나타나지 않습니다.

메모리가 가득 차면(약 80% 용량, 시스템 프롬프트 헤더에 백분율로 표시됨), 에이전트는 통합해야 합니다.

관련 항목을 더 밀도 높고 정보량이 많은 버전으로 병합하여 유용한 정보만 살아남도록 합니다.

계층 2: 전체 텍스트 세션 검색.

모든 대화(CLI 및 메시징)는 전체 텍스트 검색이 가능한 SQLite 에 저장됩니다. 에이전트는 이를 통해 몇 주 분량의 과거 대화를 검색할 수 있습니다.

트레이드오프는 명확합니다: 계층 1은 항상 컨텍스트에 있지만 용량이 작습니다. 계층 2는 무제한 용량을 제공하지만 활성 검색과 LLM 요약이 필요합니다.

중요한 사실은 메모리에 저장됩니다. 나머지는 필요에 따라 검색 가능합니다.

계층 3: 외부 메모리 공급자(8 개 플러그인).

더 깊은 지속적 메모리를 위해 Hermes 에는 내장 메모리와 함께 실행되는 8 개의 플러그인 가능한 제공업체가 함께 제공됩니다(내장 메모리를 대체하지 않음). 한 번에 한 번에 하나만 활성화할 수 있습니다.

외부 제공업체가 활성화되면 Hermes 는 각 턴 전에 관련 메모리를 자동으로 가져오고, 각 응답 후에 대화 턴을 동기화하며, 세션 종료 시 메모리를 추출합니다.

스스로 진화하는 스킬: 에이전트가 직접 플레이북을 작성합니다

메모리는 사실을 처리합니다. 스킬은 절차를 처리합니다.

스킬은 YAML 머리말이 있는 Markdown 파일이며, 에이전트의 절차적 메모리로 기능합니다: 아는 것이 아니라, 작업을 수행하는 방법입니다.

스킬의 구조는 다음과 같습니다:

토큰 비용을 낮게 유지하기 위해 스킬은 점진적 공개를 사용합니다:

레벨 0: 에이전트는 이름과 설명만 봅니다(전체 카탈로그에 대해 약 3k 토큰)
레벨 1: 실제로 스킬이 필요할 때 전체 스킬 내용을 로드합니다
레벨 2: 스킬 내에서 특정 참조 파일을 자세히 살펴볼 수 있습니다

자기 개선 루프.

이것이 핵심 차별화 요소입니다. 에이전트는 skill_manage 도구를 사용하여 자율적으로 스킬을 생성합니다. 스킬 생성은 다음 경우에 트리거됩니다:

에이전트가 복잡한 작업을 완료한 경우(5 회 이상의 도구 호출)
오류나 막다른 길에 부딪혀 작동하는 경로를 찾은 경우
사용자가 접근 방식을 수정한 경우
사소하지 않은 워크플로를 발견한 경우

따라서 루프는 다음과 같이 작동합니다: 에이전트가 문제를 만남 → 시행착오를 통해 해결 → 성공적인 접근 방식을 SKILL.md 파일로 저장 → 다음에 유사한 문제를 만나면 스킬을 로드하고 입증된 절차를 따라 처음부터 접근 방식을 다시 발견하지 않습니다.

도구는 여섯 가지 작업을 지원합니다: 생성, 패치(대상 수정, 토큰 효율적이므로 선호됨), 편집(전체 재작성), 삭제, write_file, remove_file.

큐레이터: 스킬을 위한 가비지 컬렉션.

유지 관리 없이는 에이전트가 생성한 스킬이 쌓입니다. 수십 개의 좁고 중복되는 플레이북이 생겨 토큰을 낭비하고 카탈로그를 오염시킵니다.

큐레이터는 이를 처리하는 백그라운드 유지 관리 시스템입니다. 비활성 상태 확인(크론 데몬 아님)으로 실행됩니다: 마지막 실행 후 7 일이 지났고 에이전트가 2 시간 이상 유휴 상태이면, 에이전트의 백그라운드 포크가 자체 프롬프롬프트 캐시와 함께 실행되어 활성 대화에 전혀 영향을 미치지지 않습니다.

두 단계로 작동합니다:

자동 전환(결정론적, LLM 없음): 30 일 동안 사용되지 않은 스킬은 오래된 것으로 표시됩니다. 90 일 동안 사용되지 않은 스킬은 보관됩니다.
LLM 검토(최대 8 회 반복): 포크된 에이전트가 에이전트가 생성한 모든 스킬을 조사하고 스킬별로 유지, 패치, 통합 또는 보관 여부를 결정합니다.

두 가지 중요한 제약 조건:

큐레이터는 번들 또는 허브에서 설치된 스킬을 건드리지 않습니다. 오직 에이전트가 작성한 스킬만 대상으로 합니다.
자동 삭제하지 않습니다. 최악의 경우 ~/.hermes/skills/.archive/로 보관되며, 하나의 명령어로 복구 가능합니다.

큐레이터 패스 전에 Hermes 는 전체 스킬 디렉 디렉토리의 tar.gz 스냅샷을 만듭니다. 롤백은 하나의 명령어로 가능하며, 롤백 자체도 취소 가능합니다.

또한 hermes curator pin <skill> 명령어로 중요한 스킬을 고정하여 보관 및 삭제로부터 보호할 수 있습니다. 패치 및 편집은 계속 진행되므로, 에이전트가 고정된 스킬을 개선할 수 있으며 고정을 해제할 필요가 없습니다.

GEPA: 실행 추적으로 오프라인에서 스킬 진화시키기

여기서부터 흥미로워집니다.

에이전트 내 학습 루프(스킬 생성 + 큐레이터)에는 알려진 약점이 있습니다:

에이전트는 자기 칭찬하는 경향이 있습니다. 실제로 잘 수행하지 못했을 때도 거의 항상 잘했다고 생각합니다. 커뮤니티 피드백이 이를 확인했습니다.
스킬을 자동 생성하는 동일한 시스템이 수동 사용자 지정을 더 나쁜 버전으로 덮어쓸 수도 있습니다.

이것이 GEPA 가 바로 GEPA 가 필요한 이유입니다.

GEPA(Genetic-Pareto Prompt Evolution)는 Hermes 런타임에 내장되어 있지 않습니다. 동반 리포지토리(NousResearch/hermes-agent-self-evolution)에 있으며 오프라인 최적화 파이프라인으로 작동합니다. ICLR 2026 Oral 논문로 발표되었으며, MIT 라이선스입니다.

핵심 아이디어: 에이전트에게 "잘했어?"라고 묻는 대신, GEPA 는 실행 추적을 읽어 실패 원인을 이해한 다음, 진화적 검색을 통해 목표 개선 사항을 제안합니다.

파이프라인:

Hermes 리포지토리에서 현재 스킬을 읽습니다.
평가 데이터세트 생성(Claude Opus 를 통한 합성 테스트 케이스, SQLite 의 실제 세션 기록 또는 수동 선별된 골든 세트)
GEPA 최적화 프로그램 실행: 실행 추적 읽기 실행 추적 → 실패 지점 이해 → 후보 변종 생성
루브릭(이진 통과/실패 아님)을 사용한 LLM-as-judge 점수 평가를 통해 후보 평가
제약 조건 게이트 적용: 전체 테스트 스위트가 100% 통과해야 함, 스킬은 15KB 미만 유지, 캐싱 호환성 유지, 의미적 목적이 변경되지 않음
최상의 변종은 Hermes 리포지토리에 대한 PR로 제출됩니다. 직접 커밋은 절대 없습니다.

GPU 가 필요하지 않습니다. 모든 것이 API 호출은 API 호출을 통해 이루어집니다. 비용: 최적화 실행당 약 $2-10.

처음에는 건너뛸 수 있지만, 벽에 부딪혔을 때 미세 조정(RL/GRPO)에 시간과 비용을 들이고 싶지 않다면 매우 효과적입니다.

자세한 내용은 이 리포지토리에서 확인하세요 →

최근에 GEPA 에 대한 기사를 썼습니다.

전체 미세 조정 또는 RL 기반 미세 조정으로 전환하기 전에 시도해볼 만한 훌륭한 대안입니다.

자, 요약하자면:

SOUL.md 는 정체성을 설정합니다. 런타임 루프는 경험을 포착합니다. 큐레이터는 라이브러리를 깔끔하게 유지합니다. GEPA 는 라이브러리에 있는 것이 실제로 작동하는지 확인합니다.

이것이 전체 이론입니다. 이제 컴퓨터에서 실행해보겠습니다.

실행 및 설정

Linux, macOS 또는 WSL2. Python 3.11+는 설치 프로그램과 함께 제공됩니다. 8GB RAM이면 API 기반 사용에 충분합니다.

한 줄 설치:

설치 마법사를 실행합니다. 제공업체, API 키, 모델 및 도구를 안내합니다:

터미널에서 채팅 시작:

Telegram 에 연결:

터미널 대신 휴대폰에서 에이전트와 대화하려면 Telegram 봇에 연결하세요.

@BotFather에서 봇 토큰을 받고(/newbot 실행), @userinfobot에서 Telegram 사용자 ID를 받으세요.

끝입니다. 이제 작동하는 에이전트가 생겼습니다:

~/.hermes/에 있는 것

설치 직후, 홈 디렉토리에 새 폴더가 생깁니다.

레이아웃을 이해하는 것이 중요합니다. Hermes 로 하는 모든 작업이 이 경로 중 하나에 영향을 미치기 때문입니다.

몇 가지 파일을 자세히 살펴볼 가치가 있습니다.

config.yaml 은 비밀이 아닌 모든 것에 대한 진실의 진실 공식입니다. 모델 선택, 터미널 백엔드, 도구 활성화, MCP 서버가 모두 여기에 있습니다. hermes config edit 으로 편집하거나 hermes config set <key> <value>로 값을 하나씩 설정할 수 있습니다.
.env 는 비밀 정보를 보유합니다. API 키, 봇 토큰, 비밀번호. Hermes 는 Hermes 가 비밀처럼 보이는 값을 자동으로 여기에 라우팅합니다.
SOUL.md 는 다른 모든 것보다 먼저 시스템 프롬프트의 1번 슬롯입니다. 앞서 설명한 정체성 계층입니다.
skills/는 전체 학습 루프가 있는 곳입니다. 에이전트가 생성하는 모든 스킬과 설치하는 모든 것이 여기에 저장됩니다.
state.db 는 세션 검색을 지원하는 SQLite 데이터베이스입니다. WAL 모드 안전, FTS5 인덱싱. 이것이 "3 주 전에 무엇에 대해 이야기했지?"가 실제로 작동하게 만드는 것입니다.

이입니다.

대부분을 수동으로 편집하지는 않을 것입니다. 하지만 레이아웃을 알면 다른 모든 것이 이해됩니다.

새 스킬 추가

Hermes 는 18 개 카테고리에 걸쳐 687 개의 스킬이 있는 자체 공식 Skills Hub를 유지 관리합니다. 세부 내역:

에이전트와 함께 제공되는 87 개의 내장 스킬
필요에 따라 활성화할 수 있는 79 개의 선택적 스킬
Anthropic 의 16 개(프론트엔드 디자인, pdf, pptx, docx, mcp-builder 등)
LobeHub 의 505 개(더 광범위한 커뮤니티 기여)

또한 모든 GitHub 리포지토리를 사용자 지정 탭으로 추가할 수 있습니다:

이것이 팀 간에 스킬을 공유하거나 개인 컬렉토리를 유지 관리하는 방법입니다.

1 개에서 10 개의 에이전트로

하나의 에이전트는 괜찮습니다. 여러 개의 전문화된 에이전트가 Hermes 를 흥미롭게 만듭니다.

Hermes 에는 프로필이라는 일급 기능이 있습니다. 각 프로필은 자체 구성, 메모리, 스킬, 세션 및 SOUL.md 를 가진 완전히 격리된 Hermes 인스턴스입니다. 기본적으로 아무것도 공유하지 않습니다.

세 가지를 설정하겠습니다: 디자이너, 프로그래머, 연구자.

팀 생성

--clone 은 시작점으로 기본 프로필의 구성과 .env 를 복사합니다.

각각 자체 Telegram 봇 부여

각 프로필은 자체 BotFather 봇이 필요합니다. Telegram 은 토큰당 하나의 연결만 허용하므로 공유하면 문제가 발생합니다.

BotFather 에서 /newbot 을 세 번 실행하고 세 개의 토큰을 저장합니다. 그런 다음 프로필당 한 번씩 게이트웨이 마법사를 실행합니다:

설정은 일반 에이전트와 완전히 동일하며, BotFather 에서 새 봇을 다시 만들고 각각의 에이전트에 연결할 수 있습니다.

각각 SOUL.md 를 통해 성격 부여

여기서 에이전트가 서로 완전히 달라집니다. 각 프로필의 SOUL.md 를 편집하세요.

~/.hermes/profiles/designer/SOUL.md:

이 예제들을 확인해보세요:

~/.hermes/profiles/programmer/SOUL.md:

~/.hermes/profiles/researcher/SOUL.md:

프로그래머 커스터마이징: Claude Code 를 통한 실행 라우팅

프로그래머가 직접 코드를 작성하는 것보다 Claude Code CLI 에 실행을 위임하면 더 흥미로워집니다. Hermes 가 조정합니다. Claude Code 가 파일 편집, 명령 실행, git 관리를 수행합니다. Hermes 는 결과를 읽고 다음 단계를 결정합니다.

이것이 제가 Claude Max 구독 위에서 실행하는 방식이기도 합니다. 별도의 API 키가 필요하지 않습니다. Claude Code 는 Max 자격 증명을 자동으로 사용합니다.

세션을 시작하고 이 단일 활성화 프롬프트를 보내십시오:

저는 이미 Claude Max 구독을 가지고 있습니다. 당신은 제 일상적인 코딩 작업을 도와주는 제 직원 엔지니어이며, 내부적으로 모든 실행에 Claude Code 를 사용합니다. 그에 따라 설정하세요.

프로그래머는 autonomous-ai-agents/claude-code 스킬을 자체적으로 설치하고, claude 가 PATH 에 있는지 확인한 후 코드 실행에 사용하기 시작합니다. 다음 메시지부터는 코딩 관련 모든 것(파일(파일 읽기, 코드 작성, 테스트 실행, 커밋, 푸시)이 내부적으로 Claude Code 를 통해 라우팅됩니다.

알아야 할 두 가지 사항:

활성화하기 전에 claude 가 PATH 에 있는지 확인하십시오. which claude 는 실제 바이너리 경로를 출력해야 합니다.
Claude Code 에는 인쇄 모드(원샷, 빠름, TUI 없음)와 대화형 모드(전체 tmux 세션)가 있습니다. 프로그래머는 작업에 따라 선택합니다. 대해 생각할 필요가 없습니다.

디자이너 커스터마이징: 시각적 스타일 가르치기

디자이너는 일반적인 AI 출력이 아닌, 사용자의 스타일로 이미지를 생성할 수 있을 때 진정으로 유용해집니다. 패턴: 참조 디자인을 제공하고, 연구하게 한 다음, 동일한 스타일로 새 이미지를 생성하는 스킬을 만들도록 요청합니다.

이것은 설정 메커니즘으로 사용되는 자기 개선 루프입니다. 스킬을 수동으로 작성하는 대신, 에이전트에게 좋은 예를 보여주고 패턴을 직접 인코딩하도록 요청하는 것입니다.

디자이너와 세션을 시작하고 참조 이미지를 붙여넣은(CLI 에서 드래그 앤 드롭, 또는 Telegram 에서 첨부) 다음 이 프롬프트를 보내십시오:

디자이너는 참조를 연구하고, SKILL.md 를 작성하고, Python 스크립트를 생성하고, ~/.hermes/profiles/designer/skills/my-design-style/에 저장한 후 스크립트가 실행되는지 확인합니다.

이미 hermes setup 을 실행하고 OpenRouter 를 제공업체로 선택했다면, --clone 덕분에 키가 이미 디자이너 프로필의 .env 에 있습니다. 그렇지 않다면 한 번 추가하십시오:

그러면 디자이너에게 새 일러스트레이션을 요청하면 스킬이 트리거됩니다. 사용자 스타일 지문을 기반으로 한 프롬프트를 작성하고, OpenRouter 를 통해 Nano Banana 를 호출하고, 출력을 저장합니다.

동일한 패턴은 스타일별 출력에 대해 작동합니다. 참조 콘텐츠를 제공하고, 에이전트에게 패턴을 복제하는 스킬을 빌드하도록 요청하십시오. 뉴스레터 인트로, X 스레드, 코드 리뷰 코멘트 등 일관성이 중요한 모든 것.

작업 예약: 평문으로 된 Cron

연구자의 SOUL.md 는 매일 Telegram 다이제스트를 담당한다고 명시되어 있습니다. 이는 사용자가 요청하는 것을 기억하지 않고 자체 일정에 따라 실행되는 작업을 의미합니다. 이것이 바로 Hermes cron 입니다.

Hermes 에는 내장 스케줄러가 함께 제공됩니다. 게이트웨이 데몬은 60 초마다 틱하여 격리된 에이전트 세션에서 예약된 작업을 실행하고, 지정한 메시징 플랫폼으로 출력을 전달합니다. 작업은 재시작 후에도 유지됩니다. ~/.hermes/cron/jobs.json 에 저장되며 출력은 ~/.hermes/cron/output/에 저장됩니다.

흥미로운 점: cron 표현식을 작성할 필요가 없습니다. 수행하려는 작업을 영어로 설명하면 Hermes 가 변환합니다.

연구자의 일일 다이제스트 설정

연구자와 세션을 열고 이 프롬프트를 보내십시오:

연구자는 cronjob 도구를 사용하여 작업을 생성하고, 전달 대상은 기본적으로 현재 채팅(이 경우 Telegram)으로 설정되며, 스케줄러가 그 이후를 처리합니다. 생성되었는지 확인하십시오:

다음 예약 실행 시간과 함께 작업이 표시되어야 합니다. 내일 아침 8 시에 Telegram 에 다이제스트가 표시됩니다. 추가 조치가 필요하지 않습니다.

기타 유용한 패턴

cron 구문은 유연합니다. 알아두면 좋은 몇 가지 변형:

일회성 지연. /cron add 30m "Remind me to check the build" 는 30 분 후에 한 번 실행됩니다.
반복 간격. /cron add "every 2h" "Check server status" 는 2 시간마다 실행됩니다.
표준 cron 표현식. /cron add "0 9 \ \ 1-5" "..." 정밀한 제어를 위해. 이 경우 평일 오전 9 시.
스킬 첨부. /cron add "every 1h" "Summarize new feed items" --skill blogwatcher 는 프롬프트를 실행하기 전에 스킬을 로드합니다.

작업을 연결할 수도 있습니다. 하나의 cron 출력은 context_from 플래그를 context_from 플래그를 통해 다음 cron 의 입력이 됩니다. 연구 단계가 작성 단계를 공급하도록 하는 다단계 자동화에 유용합니다.

이상입니다.

읽어주셔서 감사합니다. 다음에 다루었으면 하는 내용이 있다면 댓글로 알려주세요.

비디오로 더 잘 배우신다면, 며칠 안에 YouTube 와 X 에 전체 Hermes Agent 전체 워크스루를 게시할 예정입니다.

계속 지켜봐 주세요!

건배! :)

읽는 방법

Hermes 가 무엇이며, 아키텍처적으로 차별화되는 점

구조

메모리 이전: 에이전트는 누구인가?