O Hermes Agent mudou a IA local para sempre: veja como executá-lo você mesmo

Aqui está o que mudou, por que isso importa e o guia completo passo a passo para executar o Hermes Agent no seu próprio computador em cerca de 30 minutos.

Em maio, a NVIDIA publicou uma postagem no blog que deveria estar fazendo mais barulho do que está.

O título é sobre o hardware Hermes Agent rodando em PCs RTX e na nova estação de trabalho DGX Spark. A história real por trás disso é algo muito maior.

Três coisas acabaram de convergir que, juntas, mudam o que é possível:

1. Hermes Agent (Nous Research) — uma estrutura de agente de código aberto que cria e refina suas próprias habilidades a partir da experiência. Ultrapassou 140.000 estrelas no GitHub em três meses. Agora o agente mais usado no mundo, de acordo com o OpenRouter.
2. Qwen 3.6 (Alibaba) — um novo modelo de pesos abertos onde a versão de 35B supera os modelos de 120B do ano passado, e o de 27B corresponde ao que antes exigia 400B de parâmetros. Roda em aproximadamente 20 GB de memória.
3. DGX Spark (NVIDIA) — uma estação de trabalho do tamanho de uma mesa com 128 GB de memória unificada e 1 petaflop de desempenho de IA. Projetada para executar agentes continuamente, 24 horas por dia, 7 dias por semana, localmente.

Combine esses três e você obtém um agente de IA pessoal que vive na sua mesa (não em um data center), funciona continuamente (não sessão por sessão), aprende com seus fluxos de trabalho e acumula capacidade, nunca envia seus dados para lugar nenhum e custa aproximadamente US$ 0/mês para operar após o hardware.

A conversa sobre "para onde a IA está indo" geralmente assume que a resposta é a nuvem. Esta é a primeira resposta crível que diz: na verdade, talvez não.

Este artigo cobre duas coisas: (1) por que o Hermes especificamente importa — o que é estruturalmente diferente sobre ele de todas as outras estruturas de agente que você já ouviu falar — e (2) o guia completo e atual passo a passo para executá-lo você mesmo em sua própria máquina em cerca de 30 minutos.

Se você só quer as etapas de configuração, pule para a seção "Como realmente executá-lo". Se você quiser o porquê primeiro — a parte que torna a configuração válida — continue lendo.

O que o Hermes realmente faz (a parte que importa)

A maioria dos "agentes de IA" que você ouviu falar são wrappers em torno de uma chamada de LLM. Você dá a eles uma tarefa, eles a executam, você dá outra tarefa, eles começam do zero. Eles esquecem o que funcionou ontem. Eles não melhoram. Eles são úteis, mas não são realmente agentes em nenhum sentido significativo — são funções com personalidades.

O Hermes é diferente de uma forma específica e técnica: ele escreve suas próprias habilidades.

Quando o Hermes conclui uma tarefa complexa — digamos, "pesquise cinco concorrentes e produza uma comparação" — ele não apenas entrega o resultado. Ele salva o procedimento como um arquivo de habilidade no disco. Da próxima vez que você pedir algo semelhante, ele não começa do zero. Ele abre sua própria habilidade, a executa e a melhora com base no que funcionou e no que não funcionou.

Isso não é uma afirmação de marketing. A Nous Research fornece uma infraestrutura que usa DSPy + GEPA (Evolução Genético-Pareto de Prompt) para otimizar automaticamente as próprias habilidades, descrições de ferramentas e prompts de sistema do Hermes. Mutações são avaliadas. As melhores são promovidas. As melhorias são mensuráveis.

Benchmarks independentes confirmam isso: agentes rodando no Hermes com 20+ habilidades auto-criadas completam tarefas futuras semelhantes aproximadamente 40% mais rápido do que instâncias novas. Isso não é "resultado 40% melhor". É "40% menos tempo e tokens para obter o mesmo resultado".

A palavra-chave na arquitetura é persistente. O Hermes roda continuamente no seu laptop, em um servidor, no DGX Spark — e sua memória e habilidades se acumulam. Após um mês de uso, seu Hermes é genuinamente diferente do de qualquer outra pessoa. Ele conhece sua base de código. Ele conhece suas convenções. Ele sabe como você gosta que as coisas sejam explicadas.

Visualmente, a diferença se parece com isto:

Topo: um chatbot típico perde tudo entre as sessões. Base: o Hermes escreve habilidades a partir da experiência e constrói memória dos seus padrões. A capacidade se acumula.

Há também uma arquitetura de memória que vale a pena mencionar: o Hermes usa um sistema de três camadas. Notas persistentes (suas preferências, convenções de projeto, quem é quem na sua vida profissional), histórico de sessão pesquisável (tudo o que aconteceu, indexado para recuperação) e habilidades processuais (os fluxos de trabalho realmente aprendidos). Este modelo de três camadas é o que outras estruturas vêm tentando aperfeiçoar há dois anos. O Hermes lançou um que funciona.

Como o Hermes é construído

Aqui está a arquitetura em uma imagem:

Você fala com o Hermes através da CLI ou gateways de mensagens. O Hermes orquestra o trabalho — planejamento, chamada de ferramentas, escrita de habilidades — e chama um servidor de modelo local para inferência. Tudo persiste em ~/.hermes/ no seu disco.

As três coisas a notar no diagrama:

Um: o servidor de modelo local é uma peça separada do próprio Hermes. O Hermes é a camada de orquestração — o planejador, executor de ferramentas e escritor de habilidades. O modelo (Qwen 3.6 na configuração recomendada) faz o pensamento real. Eles estão conectados via uma API compatível com OpenAI no localhost.

Dois: as habilidades e a memória residem em ~/.hermes/. Arquivos markdown simples no disco. Você pode lê-los. Você pode editá-los. Você pode fazer backup deles. Quando a Anthropic, OpenAI ou qualquer outra empresa mudar seus termos amanhã, nada disso muda — é seu.

Três: os gateways são opcionais, mas transformadores. Depois de conectar o Hermes ao Telegram ou Slack, você para de pensar nele como "uma coisa de CLI no meu laptop" e começa a pensar nele como "meu assistente de IA pessoal que posso enviar mensagens de qualquer lugar".

Por que o Qwen 3.6 torna isso possível

Aqui está a parte que se perde no anúncio: o Hermes é agnóstico em relação ao modelo. Você pode apontá-lo para GPT, Claude ou qualquer modelo local. Mas há uma razão pela qual a postagem do blog da NVIDIA o emparelha especificamente com o Qwen 3.6.

Até muito recentemente, executar fluxos de trabalho de agente sérios localmente significava aceitar uma de duas concessões:

• Use um modelo pequeno e rápido e veja o agente atrapalhar tarefas de várias etapas
• Use um modelo grande e inteligente e aceite que um ciclo de inferência leva 90 segundos

O Qwen 3.6 mudou a matemática. O modelo de 35B supera os modelos de parâmetros de 120B da geração anterior com aproximadamente um terço da pegada de memória. O modelo denso de 27B corresponde à precisão de modelos mais antigos de 400B de parâmetros. Estamos falando de uma melhoria de 16x na eficiência por unidade de inteligência em menos de um ano.

O que isso significa na prática: um modelo inteligente o suficiente para planejar, decompor tarefas, escrever suas próprias habilidades e se autocorrigir agora cabe em 20 GB de memória. Isso é uma GPU de consumo de ponta. É também exatamente o que um único DGX Spark comporta confortavelmente, com espaço de sobra para o próprio agente.

Esta é a lacuna que se fechou. No ano passado, "agente local auto-aprimorável" exigia hardware de data center. Este ano, não.

O que isso significa para pessoas normais

A maior parte da cobertura deste anúncio está tratando-o como notícia empresarial. Não é. É notícia de infraestrutura de consumo. Aqui está o que significa, dependendo de quem você é.

Se você é um trabalhador do conhecimento: Dentro de 12 meses, você estará escolhendo entre assinar um serviço de agente em nuvem (US$ 30/mês?) e executar um agente local comparável em seu próprio hardware (US$ 0 contínuos após a configuração). Para trabalhos com sensibilidade à privacidade — consultoria, saúde, finanças, direito — está se tornando a escolha óbvia.

Se você é um desenvolvedor: O Hermes é de código aberto sob licença MIT. Você pode instalá-lo hoje no seu laptop atual e combiná-lo com o LM Studio ou Ollama executando o Qwen 3.6. Nenhum DGX Spark é necessário. A questão do hardware é sobre qualidade de vida, não capacidade. Comece com o que você tem.

Se você é um fundador ou operador: Isso pressiona todo o mercado de SaaS de agentes. Ferramentas que vendem "X com tecnologia de IA" por US$ 20/mês agora competem com um agente local que faz a mesma coisa de graça. Os jogos de SaaS defensáveis são aqueles com redes, dados ou fluxos de trabalho que não podem ser replicados localmente. Os vulneráveis são aqueles que são apenas "Claude com uma camada de tinta".

Se você está em segurança ou indústrias regulamentadas: A história de soberania de dados para IA acabou de se tornar vastamente mais forte. Dizer a alguém "você não pode usar IA para este trabalho porque envia dados para a OpenAI" deixa de ser uma restrição quando um agente comparável é executado inteiramente no local.

Agora a parte que a maioria das coberturas pula. Como realmente executar isso você mesmo.

Como realmente executá-lo (a configuração completa)

A postagem do blog da NVIDIA diz "Visite o repositório do GitHub, combine com um modelo local e pronto." Essa frase pula cerca de seis decisões reais e três armadilhas potenciais. Aqui está a configuração real, em português claro, com os problemas destacados.

O que você vai precisar

Realidade honesta do hardware antes de começar. O Hermes pode rodar com uma API remota (Anthropic, OpenAI, OpenRouter, Nous Portal), mas isso anula a maior parte do propósito. Para a configuração apenas local em que este guia se concentra:

Seu hardware - Experiência realista

8 GB de RAM, gráficos integrados - Terá dificuldades. Use API em nuvem.

16 GB de RAM, GPU de médio porte (RTX 3060/4060) - Funciona com modelos menores. Mais lento, mas utilizável.

MacBook Pro M3/M4 com 32 GB+ de memória unificada - Roda Qwen 3.6 27B suavemente. Genuinamente produtivo.

Desktop com RTX 3090/4090 - O ponto ideal. Rode Qwen 3.6 35B com qualidade próxima à nuvem.

NVIDIA DGX Spark ou estação de trabalho RTX PRO - O que a postagem da NVIDIA está vendendo. Exagero para a maioria.

A linha honesta: se você consegue rodar Qwen 3.6 27B ou maior localmente, terá uma ótima experiência com o Hermes. Se não conseguir, use o caminho da API em nuvem (que é dramaticamente mais simples). Pule para a seção API em Nuvem no final se esse for o seu caminho.

Você também precisa de:

• macOS, Linux ou Windows 11 com WSL2 (o Hermes requer um ambiente Unix; usuários do Windows o executam dentro do WSL2)
• Pelo menos 20 GB de espaço livre em disco para o modelo
• 30 minutos de tempo ininterrupto

Etapa 1. Instale seu servidor de modelo local (15 minutos)

O caminho mais não técnico é o LM Studio. O caminho mais técnico é o Ollama. Ambos funcionam. Escolha um.

Opção A: LM Studio (recomendado para não desenvolvedores)

1. Acesse lmstudio.ai e baixe o instalador para seu sistema operacional
2. Instale como qualquer outro aplicativo
3. Abra o LM Studio e vá para a aba Descobrir
4. Pesquise por Qwen 3.6 27B (ou 35B se seu hardware aguentar)
5. Escolha a versão de quantização Q4 — é o ponto ideal entre tamanho e qualidade
6. Clique em Download. Aguarde 10-15 minutos
7. Após o download, mude para a aba Desenvolvedor (chamada "Servidor Local" em versões mais antigas)
8. Clique em Carregar Modelo e escolha o modelo Qwen 3.6 que você acabou de baixar
9. Importante: nas configurações, ative "Servir na Rede" (caso contrário, usuários do WSL2 não conseguem acessá-lo)
10. Clique em Iniciar Servidor — por padrão, ele roda em http://localhost:1234

Verifique se está funcionando: abra seu navegador, vá para http://localhost:1234/v1/models. Você deve ver uma resposta JSON listando seu modelo carregado.

Opção B: Ollama (recomendado para desenvolvedores)

1. Acesse ollama.com e baixe o instalador
2. Instale
3. Abra um terminal e execute:

1ollama pull qwen3.6
2ollama serve

1. Isso inicia o Ollama na porta 11434 e baixa o modelo Qwen 3.6

Configuração crítica do Ollama que pega todo mundo: o Ollama padrão tem uma janela de contexto muito baixa (geralmente 4K tokens). O Hermes precisa de pelo menos 64K. Defina isso antes de executar:

1export OLLAMA_HOST=0.0.0.0
2ollama run qwen3.6 -c 65536

O -c 65536 define o contexto para 64K. Sem isso, o Hermes rejeitará o modelo na inicialização porque o prompt do sistema + os esquemas de ferramenta preenchem a janela menor.

Etapa 2. Instale o Hermes Agent (5 minutos)

O Hermes vem com um script de instalação de uma linha. No seu terminal:

1GitHub → NousResearch/hermes-agent → scripts/install.sh

Se você estiver no Windows, execute isso de dentro do WSL2 (abra Ubuntu/Debian pelo menu Iniciar primeiro).

O script:

• Baixa a CLI do Hermes para sua máquina
• Configura um diretório de dados local (tipicamente ~/.hermes/)
• Instala dependências necessárias (Node.js, etc.) se você não as tiver

Quando terminar, recarregue seu shell:

1source ~/.bashrc   # ou ~/.zshrc, dependendo do seu shell

Verifique a instalação:

1hermes --version

Se você vir um número de versão, está tudo certo.

Etapa 3. Conecte o Hermes ao seu modelo local (5 minutos)

É aqui que muitos guias de configuração são vagos. Aqui está o fluxo exato.

Execute:

1hermes model

Você verá um menu de provedores. Role até o final e escolha "Endpoint personalizado (auto-hospedado / vLLM / etc.)".

Então:

• URL: Se você usou o LM Studio, digite http://localhost:1234/v1. Se usou o Ollama, digite http://localhost:11434/v1
• Chave da API: Pressione Enter para pular (servidores locais não precisam de uma)
• Nome do modelo: LM Studio: o nome exato do arquivo do modelo que você carregou (veja na aba "Meus Modelos" do LM Studio) Ollama: qwen3.6 (ou o que você baixou)

É isso. O Hermes agora está configurado para usar seu modelo local.

Importante: o requisito de janela de contexto de 64K

O Hermes requer pelo menos 64K tokens de contexto. Isso pega todo mundo na primeira vez. Se você vir um erro na inicialização como "Contexto do modelo muito pequeno", a correção está no lado do servidor do modelo, não no lado do Hermes:

• LM Studio: Ao carregar o modelo, expanda as configurações avançadas e defina o comprimento do contexto para 65536+
• Ollama: Passe -c 65536 ao executar o modelo
• llama.cpp: Use -ctx-size 65536

Sem isso, nada mais funcionará. Não pule esta etapa.

Etapa 4. Execute sua primeira sessão do Hermes (5 minutos)

No seu terminal:

1hermes

Isso inicia a sessão interativa do Hermes. Na primeira vez que você executar, o Hermes faz algumas perguntas de integração: confirme sua seleção de modelo, opcionalmente conecte um gateway (Telegram, Discord, Slack, etc.; você pode pular por enquanto), e você está dentro.

Experimente uma primeira tarefa que exercite as capacidades reais do Hermes:

"Pesquise o estado atual das estruturas de IA agêntica em 2026, focando no ecossistema de código aberto. Salve o que aprender como uma habilidade para que possamos construir sobre ela na próxima vez."

Observe o que acontece. O Hermes irá:

1. Decompor a pergunta em subtarefas
2. Gerar subagentes para trabalho paralelo onde for útil
3. Pesquisar na web, ler fontes, sintetizar
4. Produzir uma resposta estruturada
5. Salvar o procedimento subjacente como uma habilidade no disco — visível em ~/.hermes/skills/

Esse último passo é o que torna o Hermes diferente de um chatbot. Na próxima vez que você pedir ao Hermes para fazer uma tarefa de pesquisa relacionada, ele encontrará e reutilizará a habilidade que acabou de criar.

Digite /exit quando terminar.

Etapa 5. Verifique se a mágica realmente aconteceu

A proposta de valor do Hermes é o loop de auto-aprimoramento. Verifique se está funcionando:

1ls ~/.hermes/skills/

Você deve ver um ou mais arquivos .md — estes são os procedimentos aprendidos pelo Hermes. Abra um em qualquer editor de texto. Você verá um fluxo de trabalho estruturado com etapas, ferramentas usadas e notas sobre o que funcionou.

Este é o recurso matador. Após um mês de uso, este diretório terá de 20 a 50 habilidades, cada uma capturando como o Hermes aprendeu a fazer um tipo específico de tarefa para você. Essas habilidades tornam cada tarefa subsequente mais rápida e precisa.

O "modelo de aprofundamento de quem você é" mencionado na postagem da NVIDIA reside em ~/.hermes/memory/ — suas preferências, seus projetos, seus padrões recorrentes. Abra esses arquivos também. Eles são markdown simples. Você pode lê-los e editá-los você mesmo, se quiser.

Opcional: Conecte um gateway

O recurso pouco mencionado: o Hermes pode ser acessado de aplicativos de mensagens. Execute:

1hermes gateway

Você verá opções para Telegram, Discord, Slack, WhatsApp, Signal e e-mail.

O mais fácil de configurar é o Telegram:

1. No Telegram, procure por @BotFather e crie um novo bot. Ele lhe dará um token.
2. Cole o token quando o Hermes pedir.
3. Pronto. Agora você pode enviar mensagens para seu bot pelo Telegram e o Hermes responderá — rodando localmente na sua máquina, usando seu modelo local.

Este é o momento em que a configuração deixa de parecer "uma coisa de CLI no meu computador" e começa a parecer "meu assistente de IA pessoal". Você pode enviar mensagens de texto do seu telefone enquanto seu laptop fica em casa fazendo o trabalho.

O que pode dar errado (os 5 problemas de configuração mais comuns)

Problema 1: Erro "Contexto do modelo muito pequeno" na inicialização. Correção: Defina o contexto para pelo menos 64K no seu servidor de modelo (veja a Etapa 3). Esta é a falha mais comum de todas.

Problema 2: O Hermes não consegue conectar ao seu modelo local. Correção: Confirme que seu servidor de modelo está rodando e acessível. Teste com curl <http://localhost:1234/v1/models> (LM Studio) ou curl <http://localhost:11434/v1/models> (Ollama). Se você receber JSON de volta, o servidor está bem — verifique novamente sua configuração de URL do Hermes.

Problema 3: O WSL2 não consegue alcançar um servidor de modelo hospedado no Windows. Correção: No Windows 11 22H2+, ative o modo de rede espelhada do WSL2. Ou execute seu servidor de modelo dentro do WSL2 em vez de no host Windows.

Problema 4: O Hermes está lento. Correção: Quase certamente é o modelo, não o Hermes. Tente um modelo menor (Qwen 3.6 8B em vez de 35B) ou uma quantização mais agressiva (Q4 em vez de Q6). Se você estiver apenas com CPU, espere lentidão — esta é uma carga de trabalho que quer uma GPU.

Problema 5: O Hermes "esquece" coisas entre as sessões. Correção: Verifique se ~/.hermes/ realmente tem arquivos. Se estiver vazio, sua instalação não foi concluída corretamente. Execute o script de instalação novamente.

O atalho da API em nuvem (se seu hardware não aguentar o local)

Se sua máquina realmente não consegue rodar um modelo de 27B+ e você ainda quer experimentar o Hermes:

1. Pule as Etapas 1, 3 e as notas sobre "contexto"
2. Após instalar o Hermes (Etapa 2), execute hermes model
3. Escolha um provedor de nuvem — OpenRouter, Nous Portal ou Anthropic são os mais suaves
4. Adicione sua chave de API
5. O resto da configuração é o mesmo — o Hermes ainda roda localmente na sua máquina, apenas chama um modelo em nuvem para o pensamento

Isso custa por token em vez de US$ 0, mas lhe dá a experiência de agente (memória, habilidades, auto-aprimoramento) em hardware que não pode rodar os modelos localmente.

As preocupações honestas

Três coisas para pensar antes de assumir que isso muda tudo da noite para o dia.

O auto-aprimoramento tem modos de falha. O mesmo loop que torna o Hermes melhor pode torná-lo mais estranho. Um agente que otimiza seus próprios prompts pode se afastar silenciosamente de seus objetivos reais. A Nous Research fornece proteções — testes de regressão, portões de avaliação, fluxos de trabalho de "mutação de bloqueio ruim" — mas essas proteções exigem manutenção ativa. Se você implantar o Hermes e parar de observar, pode não notar quando ele começar a estar sutilmente errado.

A segurança é uma questão real. Agentes que escrevem suas próprias habilidades, instalam servidores MCP e executam código em sua máquina são uma nova superfície de ataque. Envenenamento de habilidades, injeção de prompt através de conteúdo buscado, ferramentas maliciosas — estas não são preocupações teóricas. Trate o agente como software executável, não um assistente amigável.

A história do hardware ainda é áspera nas bordas. O DGX Spark é um produto real, mas também é caro, com fornecimento restrito, e a maioria dos revisores ainda não colocou as mãos em um. A história do Hermes-no-laptop é boa hoje; a história do Hermes-no-DGX-Spark levará um trimestre para amadurecer.

Nada disso mina a tese maior. São apenas os asteriscos que todo profissional honesto deve conhecer.

O que eu realmente faria neste fim de semana

Se você é novo no Hermes e tem um hardware decente, aqui está o caminho que eu seguiria:

1. Instale o LM Studio + Qwen 3.6 27B — 15 minutos
2. Instale o Hermes — 5 minutos
3. Configure o Hermes para o LM Studio — 5 minutos
4. Defina a janela de contexto para 65536 (o problema) — 1 minuto
5. Execute sua primeira tarefa — 5 minutos
6. Depois ignore todo o resto por uma semana. Use o Hermes diariamente para trabalho real. Observe o diretório de habilidades se encher.

Não tente otimizar, personalizar ou adicionar gateways ainda. O objetivo principal do Hermes é o loop de auto-aprimoramento — e isso só entra em ação se você realmente o usar para tarefas reais ao longo do tempo. Passe sua primeira semana usando-o, não ajustando-o.

Na segunda semana, você saberá se esta é a estrutura de agente que muda como você trabalha, ou se seu hardware/caso de uso é uma combinação ruim. Ambos os resultados são dados úteis.

O panorama geral

Por dois anos, a narrativa dominante tem sido: a IA melhora ficando maior, e maior significa nuvem. A implicação é que a IA séria vive em outro lugar, e seu trabalho é chamá-la.

Hermes + Qwen 3.6 + DGX Spark é a primeira contra-narrativa crível. A IA séria pode viver na sua mesa. Ela pode se aprimorar. Ela pode funcionar continuamente. Ela pode saber coisas sobre você que você nunca colocaria em um sistema em nuvem. As concessões que costumavam tornar a IA local um projeto de hobby — mais lenta, mais burra, mais complicada — estão evaporando trimestre a trimestre.

Isso não mata a IA em nuvem. Os modelos de fronteira continuarão vivendo em data centers. O raciocínio mais difícil ainda acontecerá em escala. Mas para os 80% do trabalho agêntico que é seguir padrões, executar fluxos de trabalho e reter contexto — isso está se movendo para sua máquina.

O que significa que muitas coisas mudam a jusante. A vantagem competitiva para "SaaS com tecnologia de IA" fica mais fina. A história de soberania de dados para empresas fica mais fácil. O piso de privacidade para indivíduos fica mais alto. O custo de executar um agente vai de "por requisição" para "amortizado sobre o hardware que você já possui".

Este anúncio é um único ponto de dados. Mas a trajetória em que ele se encontra é a mais importante na IA agêntica agora — e quase ninguém fora do Hacker News está lendo dessa forma.

Essa é a parte que ninguém está lhe contando.

Se isso foi útil - siga meu canal no telegram:

https://t.me/+ygATQAt9sUM1N2U6**