A maioria dos agentes de IA esquece tudo no momento em que você fecha a aba.
Na próxima sessão, volta ao zero. Você explica o contexto de novo. Começa do início. Toda vez.
O Hermes funciona de forma diferente. Ele salva o que aprende. A cada tarefa que você dá, ele escreve o procedimento em um arquivo no seu disco. Na próxima vez que você executar algo similar, ele encontra o arquivo e o utiliza. Depois de um mês, seu Hermes tem de 30 a 50 dessas habilidades em uma pasta. Ele fica mais rápido. Fica mais preciso. Ele acumula.
Eu o configurei em um laptop comum. Sem hardware especial. Levou cerca de 30 minutos. Na primeira semana, fechei três clientes a US$ 300-400 cada, fazendo relatórios de pesquisa de concorrentes. Trabalho real por relatório: 15 minutos.
Aqui está a configuração completa.
O que é o Hermes
Framework de agente open-source da Nous Research. 140.000 estrelas no GitHub em três meses. Agente mais usado no OpenRouter no momento. A NVIDIA o destacou em um post de blog de maio rodando em sua nova estação de trabalho DGX Spark.
Você não precisa desse hardware. Um MacBook com 16 GB de RAM funciona. Qualquer máquina Windows com uma GPU intermediária também funciona.
Três pastas no seu disco fazem todo o trabalho:
1~/.hermes/memory/ suas preferências, projetos, padrões2~/.hermes/sessions/ histórico indexado de tudo3~/.hermes/skills/ fluxos de trabalho aprendidos salvos como arquivos .md
Essa pasta de habilidades é o ponto central. Agentes com mais de 20 habilidades auto-criadas completam tarefas semelhantes 40% mais rápido do que uma instância nova. Não é um resultado melhor. É menos tempo para obter o mesmo resultado.
O serviço
Relatórios de pesquisa de concorrentes para startups em estágio inicial e pequenas empresas de SaaS.
Um fundador quer saber o que seus três principais concorrentes estão fazendo. Preços, posicionamento, o que os clientes odeiam neles, onde estão as lacunas. Normalmente, isso dá de 3 a 4 horas de trabalho para alguém. Eu cobrava US$ 300 e entregava no mesmo dia.
O Hermes faz a pesquisa real em 15 minutos.
O que a maioria das pessoas paga:
1Serviço Custo2─────────────────────────────────────3Analista freelancer US$ 150-3004Empresa de pesquisa (mínimo) US$ 500-20005Faça você mesmo 3-4 horas do seu tempo
O que isso custa:
1Ferramenta Custo2─────────────────────────────────────3Hermes Agent US$ 04Ollama US$ 05Modelo Qwen 3.6 27B US$ 06Seu laptop US$ 07Eletricidade ~US$ 2/mês8─────────────────────────────────────9Total US$ 0-2/mês
Configuração (30 minutos)
Passo 1. Servidor de modelo local
Acesse lmstudio.ai. Baixe e instale.
Abra o LM Studio, vá para a aba Discover, pesquise Qwen 3.6 27B. Escolha a quantização Q4. O download leva de 10 a 15 minutos.
Depois disso: aba Developer, carregue o modelo, ative "Serve on Network" nas configurações, clique em Start Server. Roda em:
1http://localhost:1234
Abra essa URL no seu navegador. Se você vir JSON, está funcionando.
Se preferir o terminal, use o Ollama:
1ollama pull qwen3.62export OLLAMA_HOST=0.0.0.03ollama run qwen3.6 -c 65536
Esse sinalizador -c 65536 não é opcional. O Ollama padrão é 4K de contexto. O Hermes precisa de 64K. Pule e nada funciona.
Passo 2. Instale o Hermes
1bash scripts/install.sh23source ~/.bashrc45hermes --version
Obtenha o script de instalação em: github.com/NousResearch/hermes-agent
Usuários do Windows executam isso dentro do WSL2.
Passo 3. Conecte-se ao seu modelo
1hermes model
Escolha "Custom endpoint" no menu.
1URL: http://localhost:1234/v1 (LM Studio)2 http://localhost:11434/v1 (Ollama)3API Key: deixe em branco, pressione Enter4Model name: nome exato do arquivo do LM Studio, ou "qwen3.6" para Ollama
Se você receber "Model context too small" na inicialização, volte ao seu servidor de modelo e defina o contexto para 65536. Este é o problema mais comum. A correção está sempre no lado do servidor de modelo.
Passo 4. Primeira sessão
1hermes
Cole isso como sua primeira tarefa:
1Pesquise três concorrentes para uma ferramenta de gerenciamento de projetos voltada2para freelancers. Para cada um: posicionamento, preços, principais reclamações de clientes3em avaliações, uma lacuna na oferta deles. Salve isso como uma habilidade para que4possamos reutilizar o processo da próxima vez.
O Hermes divide em subtarefas, pesquisa, escreve o relatório, salva o procedimento em ~/.hermes/skills/. A próxima tarefa de pesquisa roda mais rápido porque a habilidade já está lá.
Digite /exit quando terminar.
Passo 5. Verifique se funcionou
1ls ~/.hermes/skills/
Você deve ver arquivos .md. Abra um. É um fluxo de trabalho estruturado com etapas e anotações. Isso é o Hermes aprendendo.
Pasta vazia significa que a instalação não foi concluída. Execute o script novamente.
Gateway do Telegram
1hermes gateway
Escolha Telegram. Vá para @BotFather, crie um novo bot, cole o token.
Agora você pode enviar mensagens de texto para seu agente pelo celular enquanto o laptop roda em casa. Muda completamente a sensação.
Encontrando clientes
Três lugares que funcionaram na primeira semana:
Upwork. Pesquise "competitor analysis" ou "market research." Filtre pelos últimos 7 dias. Envie de 10 a 15 mensagens curtas por dia. Ofereça-se para enviar um relatório de amostra. Construa a amostra com o Hermes antes de ter qualquer cliente.
X/Twitter. Pesquise "anyone know" + "competitor research." Fundadores postam isso constantemente. Responda, ofereça uma amostra, não faça pitch.
Cold email. Vá para o Product Hunt, filtre lançamentos dos últimos 30 dias. Envie um e-mail diretamente para o fundador. Uma frase, link para a amostra. Assunto: "pesquisa rápida de concorrentes para [nome do produto]."
O primeiro cliente geralmente aparece em 3 a 5 dias se você estiver enviando mensagens suficientes.
A matemática
1Semana 12─────────────────────────────────────3Configuração 2 horas4Divulgação por dia 1 hora5Relatórios entregues 36Receita US$ 900-1.2007Trabalho por relatório 15-20 min
1Mês 12─────────────────────────────────────3Relatórios vendidos 10-154Receita US$ 3.000-4.5005Retentores iniciados 2-36Recorrente mensal adicionado US$ 600-900
1Mês 32─────────────────────────────────────3Habilidades em ~/.hermes/skills/ 30+4Tempo por relatório 10 min5Clientes retentores 6-86Recorrente mensal US$ 1.800-2.4007Relatórios avulsos US$ 1.500-2.0008Total US$ 3.300-4.400/mês
Problemas comuns
"Model context too small" na inicialização. Defina o contexto como 65536 no seu servidor de modelo. Isso é 80% de todos os problemas de configuração.
Hermes está lento. Mude do modelo 35B para 27B, ou de Q6 para Q4 na quantização. Apenas CPU significa de 2 a 3 minutos por resposta. Adquira uma GPU ou use a API em nuvem.
Hermes esquece entre as sessões. Verifique se ~/.hermes/ tem arquivos. Se estiver vazio, execute a instalação novamente.
O WSL2 não consegue alcançar o servidor de modelo. Ative a rede espelhada nas configurações do WSL no Windows 11 22H2+. Ou execute o servidor de modelo dentro do WSL2.
Pilha completa de ferramentas
1Ferramenta Finalidade Custo2────────────────────────────────────────────3Hermes Agent framework de agente gratuito4 github.com/NousResearch/hermes-agent56LM Studio servidor de modelo local gratuito7 lmstudio.ai89Qwen 3.6 27B o modelo gratuito10 via LM Studio ou ollama.com1112Stripe pagamentos 2,9% + US$ 0,30
Custo inicial: US$ 0. Tempo para o primeiro cliente: uma semana.
Após cada relatório entregue, pergunte duas coisas. Primeiro, uma avaliação. Segundo, um fundador que eles conhecem que possa precisar disso.
Fundadores conhecem fundadores. No segundo mês, as indicações substituem a maior parte da divulgação a frio.
A pasta de habilidades se enche. O trabalho fica mais rápido. A margem melhora.
Crie um relatório antes de ter um cliente. Envie-o como amostra para 10 pessoas amanhã.
mais configurações como esta toda semana. t.me/GipArcAI
