Đa số người dùng cài đặt Hermes Agent và sử dụng nó như một chatbot. Họ nhập một yêu cầu, nhận phản hồi, rồi đóng tab lại. Như vậy mới chỉ khai thác được khoảng 10% khả năng của agent này.
Bài viết này sẽ vạch ra từng cấp độ sử dụng Hermes Agent, từ yêu cầu đầu tiên cho đến một hệ thống có thể tự động vận hành công việc kinh doanh của bạn. Gồm 15 cấp độ, chia thành ba giai đoạn. Mỗi cấp độ đều được xây dựng dựa trên cấp độ trước đó, nhưng bạn có thể nhảy tới bất kỳ cấp độ nào phù hợp với thiết lập của mình.
Cấu trúc cho mỗi cấp độ đều giống nhau: nó là gì, nó mở khóa điều gì, cách thiết lập nó, và sai lầm thường mắc phải ở giai đoạn đó.
Tất cả chi tiết kỹ thuật đã được kiểm chứng với tài liệu chính thức và mã nguồn của Hermes Agent v0.17.0.
Đăng ký SubStack của tôi để nhận thêm bài viết: https://substack.com/@yanxbt
GIAI ĐOẠN 1 — NỀN TẢNG (Cấp độ 1-3)
Bạn đang sử dụng Hermes. Agent phản hồi những gì bạn yêu cầu.
CẤP ĐỘ 1 — YÊU CẦU MỘT LẦN (ONE-SHOT PROMPTS)
Bản chất: Bạn cài đặt Hermes. Bạn nhập các yêu cầu. Agent phản hồi bằng các lệnh gọi công cụ, chỉnh sửa tệp, tìm kiếm web, lệnh terminal. Tương tác cơ bản.
Nó mở khóa điều gì: Hermes thực thi các tác vụ trên hệ thống tệp, terminal và web của bạn. Nó đọc tệp, viết mã, tìm kiếm internet, chạy lệnh shell. Nó thực sự làm mọi thứ. Một chatbot chỉ nói về mọi thứ.
Thiết lập:
Ứng dụng Desktop: tải từ hermes-agent.nousresearch.com. Cài đặt một cú nhấp chuột. CLI: hermes setup
Ba chế độ thiết lập: → Thiết lập nhanh (Cổng Nous Portal): Đăng nhập OAuth, chọn model + Tool Gateway trong một lệnh → Thiết lập đầy đủ: tự tay thiết lập từng nhà cung cấp, công cụ và tùy chọn → Trang trắng (Blank Slate): mọi thứ đều TẮT ngoại trừ nhà cung cấp, model, công cụ tệp và terminal. Không tìm kiếm web, không trình duyệt, không bộ nhớ, không ủy quyền, không cron, không kỹ năng, không plugin, không MCP. Bạn chỉ bật những gì mình cần. Không có gì được tải nếu bạn không chọn, ngay cả sau khi cập nhật.
Blank Slate là điểm khởi đầu gọn gàng nhất cho người dùng muốn kiểm soát hoàn toàn những gì agent có thể và không thể làm.
Kết nối nhà cung cấp model. Bắt đầu trò chuyện.
Sai lầm: Coi Hermes như một công cụ tìm kiếm. "Hãy cho tôi biết về X" sẽ lãng phí một agent có thể làm được việc. "Nghiên cứu về X, viết một báo cáo, lưu vào ~/reports/" mới là sử dụng các công cụ.
Ví dụ: "nghiên cứu 5 CRM hàng đầu cho người sáng lập đơn lẻ, so sánh giá cả và tính năng, lưu báo cáo vào ~/reports/crm-comparison.html" — agent tìm kiếm, so sánh, ghi tệp. Xong trong 3 phút.
CẤP ĐỘ 2 — BỘ NHỚ + SOUL.MD
Bản chất: Hermes ghi nhớ bạn qua nhiều phiên làm việc. SOUL.md định nghĩa agent đó là ai. MEMORY.md và USER.md lưu trữ các thông tin bền vững về dự án, sở thích và bối cảnh kinh doanh của bạn.
Nó mở khóa điều gì: Agent không còn yêu cầu bạn giải thích lại mọi thứ. Hai người hỏi cùng một câu sẽ nhận được câu trả lời khác nhau vì Hermes biết bối cảnh khác nhau của họ. Các hướng dẫn, sở thích và chi tiết kinh doanh của bạn được lưu giữ qua mọi phiên.
v0.17.0 bổ sung các thao tác bộ nhớ nguyên tử: agent có thể thêm hàng loạt, thay thế và xóa các mục nhập bộ nhớ trong một lần gọi. Các bản cập nhật bộ nhớ không còn bị lỗi giữa chừng khi ngân sách bị hạn chế.
Thiết lập:
Ứng dụng Desktop / Dashboard: Hồ sơ → SOUL.md → chỉnh sửa CLI: mở ~/.hermes/SOUL.md trong bất kỳ trình soạn thảo nào
Viết 50-80 dòng bao gồm danh tính, giọng nói, hoạt động và các hạn chế. Agent sẽ đọc tệp này mỗi khi bắt đầu phiên làm việc.
Sai lầm: Để SOUL.md trống và mong đợi đầu ra được cá nhân hóa. Hermes không có SOUL.md sẽ hoạt động chung chung theo thiết kế. Tệp danh tính là điểm khác biệt giữa một trợ lý tổng quát và trợ lý RIÊNG của bạn.
Ví dụ: bạn hỏi "tôi có nên tăng giá không?" Không có SOUL.md: lời khuyên chung chung về chiến lược định giá. Có SOUL.md chứa mô hình kinh doanh, biên lợi nhuận và phân khúc khách hàng của bạn: "gói khởi đầu của bạn có tỷ lệ chuyển đổi 12%. Tăng thêm 10$ có nguy cơ mất khách hàng ở phân khúc B, nơi bạn có 60% doanh thu. Hãy thử nghiệm trên phân khúc A trước."
https://x.com/IBuzovskyi/status/2065125711401062758
CẤP ĐỘ 3 — LỆNH GẠCH CHÉO (SLASH COMMANDS)
Bản chất: Các lệnh thay đổi cách agent hoạt động giữa phiên làm việc. Hầu hết người dùng không bao giờ gõ chúng.
Nó mở khóa điều gì: Làm việc song song trong một phiên duy nhất. Bạn không còn phải chờ một tác vụ kết thúc trước khi bắt đầu tác vụ tiếp theo.
Các lệnh:
/background <yêu cầu> Kích hoạt một tác vụ chạy nền. Phiên chính của bạn vẫn rảnh. Kết quả xuất hiện dưới dạng một bảng điều khiển khi hoàn thành.
/steer <yêu cầu> Chèn một thông điệp vào quy trình hiện tại mà không làm gián đoạn nó. Chuyển hướng agent giữa lúc đang thực thi.
/queue <yêu cầu> Xếp hàng một tác vụ tiếp theo. Chờ cho đến khi tác vụ hiện tại kết thúc, sau đó tự động chạy.
/model <tên> Chuyển đổi model giữa phiên làm việc. Bắt đầu với Sonnet để lập kế hoạch. Chuyển sang DeepSeek để thực thi. Chuyển sang Opus để xem xét.
v0.17.0 bổ sung grok-composer-2.5-fast qua Grok OAuth: model lập trình ngữ cảnh 200K đứng sau Cursor's Composer, có thể truy cập thông qua đăng ký Grok của bạn.
Cấu hình hành vi mặc định khi bạn nhập lệnh trong khi agent đang bận:
thiết lập trong ứng dụng Desktop, Dashboard hoặc config.yaml:
display: busy_input_mode: steer # hoặc queue, hoặc interrupt
Sai lầm: Không biết các lệnh này tồn tại. Hầu hết người dùng gõ một yêu cầu, đợi nó kết thúc, rồi gõ yêu cầu khác. Riêng /background đã tăng gấp đôi năng suất mỗi phiên.
Ví dụ: bạn đang soạn thảo một đề xuất. Giữa phiên: /background nghiên cứu giá cả và định vị của [đối thủ cạnh tranh]. Bạn tiếp tục viết. 5 phút sau, một bảng điều khiển xuất hiện với phân tích cạnh tranh. Bạn dán nó vào đề xuất mà không làm gián đoạn mạch suy nghĩ.
GIAI ĐOẠN 2 — TẬN DỤNG SỨC MẠNH (Cấp độ 4-7)
Hermes làm việc thông minh hơn. Bạn không còn phải làm những tác vụ mà agent có thể xử lý.
CẤP ĐỘ 4 — KỸ NĂNG + MODEL PHÙ HỢP CHO TỪNG KỸ NĂNG (SKILLS + RIGHT MODEL PER SKILL)
Bản chất: Kỹ năng là các tài liệu kiến thức và bộ công cụ theo yêu cầu mà agent tải khi cần. Mỗi kỹ năng có thể chạy trên một model khác nhau.
Nó mở khóa điều gì: Agent trở thành chuyên gia theo yêu cầu. Một kỹ năng nghiên cứu tải phương pháp luận nghiên cứu. Một kỹ năng đánh giá mã tải các mẫu bảo mật. Mỗi kỹ năng sử dụng model phù hợp nhất cho công việc của nó.
Thiết lập:
Ứng dụng Desktop / Dashboard: Trung tâm Kỹ năng (Skills Hub) → Duyệt → Cài đặt CLI: /skills search [chủ đề]
v0.17.0 đã đại tu Trung tâm Kỹ năng: các trung tâm được kết nối (OpenAI, Anthropic, HuggingFace, NVIDIA), mục nổi bật, xem trước đầy đủ kỹ năng trước khi cài đặt và quét bảo mật cho mỗi kỹ năng.
v0.17.0 cũng bổ sung chỉnh sửa hình ảnh: image_generate hiện có thể chỉnh sửa hình ảnh gốc ("làm logo này thành màu xanh", "xóa nền"). Cùng một công cụ, chế độ mới.
Chỉ định model cho mỗi kỹ năng trong ứng dụng Desktop hoặc config.yaml:
nghiên cứu/tìm kiếm web → DeepSeek V4 Flash ($0.10/M token, rẻ nhất) đánh giá mã → Claude Opus 4.8 ($5/$25/M, điểm chuẩn lập trình tốt nhất) viết nội dung → Claude Sonnet 4.6 ($3/$15/M, văn xuôi mạnh nhất + gọi công cụ) lập trình (đáng giá) → GPT-5.5 ($2/$12/M, #1 Chatbot Arena, ngữ cảnh 2M) nghiên cứu có căn cứ (grounding) → Gemini 2.5 Pro ($1.25/$10/M, Google Search tích hợp sẵn) công việc tác vụ phụ hàng loạt → DeepSeek V4 ($0.30/$0.50/M, giảm giá bộ nhớ đệm 90%) /goal giám khảo → Gemini Flash (rẻ nhất, đủ nhanh cho đánh giá nhị phân hoàn thành/chưa hoàn thành) tự lưu trữ (miễn phí) → Qwen 3 8B qua Ollama (8GB RAM, xử lý các tác vụ thông thường)
MiniMax M2.7 cũng đáng để thử nghiệm. Nous Research và MiniMax đang hợp tác để tối ưu hóa các bản phát hành trong tương lai cho Hermes. Một trong những model được sử dụng nhiều nhất trong Hermes tính đến giữa năm 2026.
Sai lầm: Chạy mọi kỹ năng trên model đắt nhất của bạn. Một kỹ năng tìm kiếm web thông thường đốt token Opus là lãng phí tiền bạc. Hãy khớp chi phí model với độ phức tạp của tác vụ.
Ví dụ: bạn chạy một kỹ năng nghiên cứu cạnh tranh trên DeepSeek V4 Flash thay vì Opus 4.8. Chất lượng tương đương cho tìm kiếm web. Rẻ hơn 30-50 lần mỗi lần gọi. Qua 30 lần chạy mỗi tháng, số tiền tiết kiệm được tích lũy rất nhanh.
CẤP ĐỘ 5 — MCP (KẾT NỐI THẾ GIỚI CỦA BẠN)
Bản chất: Máy chủ MCP (Giao thức Ngữ cảnh Model) kết nối Hermes với các công cụ bên ngoài. Gmail, Lịch, Notion, Slack, ClickUp, GitHub, cơ sở dữ liệu, API.
Nó mở khóa điều gì: Agent làm việc với DỮ LIỆU của bạn, không chỉ web mở. Nó đọc email của bạn, kiểm tra lịch của bạn, lấy dữ liệu từ bảng dự án của bạn và trả lời các câu hỏi bằng cách sử dụng ngữ cảnh từ các công cụ bạn đã sử dụng.
Thiết lập:
Ứng dụng Desktop / Dashboard: MCP → Danh mục → duyệt và cài đặt CLI: hermes mcp
Sai lầm: Kết nối 15 MCP cùng một lúc. Mỗi MCP thêm lược đồ công cụ vào cửa sổ ngữ cảnh. 15 MCP, mỗi MCP có 10 công cụ = 150 định nghĩa công cụ mà model phải đọc mỗi lượt. Hãy cài đặt những gì bạn sử dụng. Tắt những gì bạn không dùng. Tìm kiếm Công cụ (tự động bật khi lược đồ chiếm hơn 10% ngữ cảnh) giúp quản lý điều này, nhưng có ít MCP hơn vẫn tốt hơn.
Ví dụ: "tuần này khi tôi tập trung code, chuyện gì đã xảy ra trên Slack?" Agent đọc các kênh Slack của bạn, lọc theo lượt đề cập và chủ đề chính, đối chiếu với mục tiêu của bạn trong bộ nhớ. Cung cấp bản tóm tắt 10 dòng. Không cần chuyển tab. Không cần cuộn qua 200 tin nhắn.
CẤP ĐỘ 6 — TÁC VỤ PHỤ + THỰC THI SONG SONG (SUB-AGENTS + PARALLEL EXECUTION)
Bản chất: delegate_task tạo ra các tác vụ phụ biệt lập với cửa sổ ngữ cảnh, phiên terminal và bộ công cụ riêng.
Nó mở khóa điều gì: Làm việc song song trên nhiều agent. Một agent nghiên cứu. Một agent phê bình. Một agent viết mã. Agent mẹ điều phối. Mỗi agent con có thể chạy một model khác nhau.
Thiết lập:
Agent sử dụng delegate_task tự động khi tác vụ được hưởng lợi từ sự biệt lập. Bạn cũng có thể yêu cầu trực tiếp:
"khởi tạo một tác vụ phụ trên DeepSeek để nghiên cứu X trong khi một tác vụ khác trên GPT-5.5 phê bình các phát hiện"
Cấu hình:
thiết lập trong ứng dụng Desktop, Dashboard hoặc config.yaml:
delegation: max_concurrent_children: 3 # mặc định max_spawn_depth: 2 # giới hạn đệ quy
Vai trò: → leaf (lá, mặc định): thực thi, không thể ủy quyền lại → orchestrator (điều phối): có thể tạo ra các worker của riêng mình
Chế độ nền (v0.17.0): delegate_task(background=true) điều phối tác vụ phụ và trả về ngay lập tức. Phiên của bạn vẫn hoạt động. Kết quả quay lại dưới dạng một lượt mới khi nó hoàn thành.
Sai lầm: Sử dụng tác vụ phụ cho các tác vụ đơn giản. Ủy quyền có chi phí (thiết lập ngữ cảnh, phân bổ công cụ). Một tác vụ mà agent chính có thể xử lý trong 3 lượt không nên tạo ra một tác vụ phụ.
Ví dụ: "nghiên cứu ba đối thủ cạnh tranh song song. Mỗi đối thủ một agent. Sử dụng DeepSeek để nghiên cứu. Agent mẹ trên Sonnet tổng hợp cả ba." Ba báo cáo trong 10 phút thay vì 30. Mỗi agent làm việc biệt lập, do đó một tác vụ nghiên cứu chậm không chặn các tác vụ khác.
CẤP ĐỘ 7 — THAO TÁC BẤT ĐỒNG BỘ (ASYNC OPERATIONS)
Bản chất: Ba tính năng cho phép Hermes làm việc mà không cần bạn gõ lệnh.
Nó mở khóa điều gì: Sự chuyển đổi từ "tôi hỏi, nó trả lời" sang "nó làm việc, tôi xem xét."
/goal — mục tiêu lâu dài: Đặt một mục tiêu. Một model giám khảo đánh giá sau mỗi lượt: hoàn thành hay chưa? Agent tự động tiếp tục cho đến khi đạt được mục tiêu, bạn tạm dừng nó hoặc ngân sách lượt (mặc định 20) cạn kiệt.
/goal tìm 100 phòng khám ở Toronto, xây dựng một trang đích cho mỗi phòng khám, soạn email cá nhân hóa cho từng phòng khám.
/subgoal thêm tiêu chí giữa phiên mà không cần đặt lại vòng lặp.
Công việc Cron — tác vụ theo lịch trình: Gateway đánh dấu mỗi 60 giây. Kích hoạt các công việc đến hạn trong các phiên biệt lập mới. Phân phối kết quả đến hơn 27 nền tảng: Telegram, Discord, Slack, WhatsApp, Signal, Matrix, iMessage, Microsoft Teams, Google Chat, LINE, email, SMS, và nhiều hơn nữa.
v0.17.0 bổ sung: → WhatsApp Business Cloud API (bộ điều hợp Meta chính thức, không cầu nối QR) → iMessage qua Photon Spectrum (không cần Mac relay) → Tin nhắn đa dạng thức Telegram (Bot API 10.1, định dạng gốc) → Automation Blueprints (Bản thiết kế tự động hóa): các mẫu cron một cú nhấp chuột trong Dashboard (điểm tin buổi sáng, đánh giá hàng tuần, bản tin, lời nhắc). Không cần cú pháp cron.
Ba lớp chi phí: → Chế độ no_agent: script CHÍNH LÀ công việc, $0 mãi mãi → Cổng wakeAgent: script quyết định có cần LLM hay không, $0 cho đến khi có thay đổi → context_from: xâu chuỗi đầu ra công việc vào các pipeline mà không cần framework
Lưới an toàn — điểm kiểm tra (checkpoints): Bật điểm kiểm tra trước khi chạy các thao tác tự động. Agent chụp nhanh thư mục làm việc của bạn trước khi thay đổi. /rollback khôi phục trạng thái nếu có sự cố xảy ra qua đêm.
thiết lập trong ứng dụng Desktop, Dashboard hoặc config.yaml:
checkpoints: enabled: true
Sai lầm: Viết các yêu cầu cron mơ hồ. Mỗi lần chạy cron bắt đầu từ con số không. Không có bộ nhớ, không có lịch sử trò chuyện. "Kiểm tra vấn đề máy chủ đó" chẳng có nghĩa lý gì. "SSH vào 10.0.0.5, kiểm tra trạng thái nginx, xác minh cổng 443 trả về 200" mới hiệu quả.
Ví dụ: 8:00 sáng. Telegram ping. Bạn không yêu cầu điều này. Cron đã gửi nó: "3 bài báo arXiv mới trong lĩnh vực của bạn. Đối thủ cạnh tranh đã cập nhật trang giá. Kho GitHub bạn theo dõi đã hợp nhất một thay đổi mang tính phá vỡ. Hành động: xem xét giá của đối thủ cạnh tranh trước cuộc gọi lúc 11 giờ của bạn."
https://x.com/IBuzovskyi/status/2066145326780518736
GIAI ĐOẠN 3 — TỰ CHỦ (Cấp độ 8-15)
Hermes làm việc mà không cần bạn. Hệ thống càng ngày càng mạnh mẽ hơn theo thời gian.
CẤP ĐỘ 8 — KIẾN TRÚC ĐA HỒ SƠ (MULTI-PROFILE ARCHITECTURE)
Bản chất: Các hồ sơ Hermes riêng biệt, mỗi hồ sơ có SOUL.md, cấu hình, bộ nhớ, kỹ năng, công việc cron và model riêng. Các agent hoàn toàn biệt lập trên một máy.
Nó mở khóa điều gì: Các worker chuyên biệt thay vì một người tổng quát bị quá tải. Một hồ sơ Scout tìm tín hiệu. Một hồ sơ Analyst tổng hợp nghiên cứu. Một hồ sơ Coder phát hành tính năng. Mỗi hồ sơ làm tốt một công việc với model phù hợp cho công việc đó.
Thiết lập:
Ứng dụng Desktop / Dashboard: Hồ sơ → Xây dựng (trình hướng dẫn 5 bước: Danh tính → Model → Kỹ năng → MCP → Xem xét) CLI: hermes profile create [tên]
Mỗi hồ sơ trở thành lệnh riêng của nó:
hermes -p scout chat hermes -p analyst chat
Sai lầm: Cung cấp cho mọi hồ sơ cùng một SOUL.md. Toàn bộ ý nghĩa là sự biệt lập. Một Scout cố gắng phân tích sẽ lãng phí token. Một Analyst cố gắng tìm nguồn sẽ trùng lặp công việc của Scout. Mỗi hồ sơ đảm nhận một công việc.
Ví dụ: Scout tìm thấy 12 nguồn qua đêm. Analyst tổng hợp chúng thành 4 mục wiki vào 10 giờ sáng. Briefer gửi bản tóm tắt 5 gạch đầu dòng lúc 8 giờ sáng. Bạn đọc nó trong lúc uống cà phê. Không hồ sơ nào chia sẻ bộ nhớ với hồ sơ nào. Mỗi hồ sơ đã làm một công việc với model phù hợp cho công việc đó.
https://x.com/IBuzovskyi/status/2067313826492547483
CẤP ĐỘ 9 — CƠ SỞ KIẾN THỨC TỰ CẢI THIỆN (SELF-IMPROVING KNOWLEDGE BASE)
Bản chất: Kỹ năng LLM Wiki, dựa trên mẫu của Andrej Karpathy. Một cơ sở kiến thức tự cải thiện được xây dựng dưới dạng các tệp markdown được liên kết chéo. Được đóng gói sẵn với Hermes.
Nó mở khóa điều gì: Kiến thức dài hạn tích lũy vượt quá giới hạn bộ nhớ. Bộ nhớ tích hợp của Hermes xử lý ngữ cảnh hội thoại. Wiki xử lý kiến thức miền: bài báo, bản ghi, ghi chú cuộc họp, kết quả nghiên cứu. Các tham chiếu chéo vẫn được liên kết. Các mâu thuẫn được tự động đánh dấu.
Thiết lập:
thiết lập trong ứng dụng Desktop, Dashboard hoặc config.yaml:
WIKI_PATH=~/obsidian-wiki
Trong lần chạy đầu tiên, kỹ năng sẽ yêu cầu miền của bạn để xây dựng SCHEMA.md với phân loại thẻ phù hợp.
Kết nối với Obsidian để xem đồ thị: đặt OBSIDIAN_VAULT_PATH trỏ đến cùng thư mục.
Nuôi dưỡng nó: "lập chỉ mục bài viết này vào wiki của tôi: [dán URL hoặc văn bản]"
Sai lầm: Không bao giờ cung cấp dữ liệu cho wiki. Một cơ sở kiến thức trống rỗng chẳng thêm được gì. Giá trị đến từ sự tích lũy. Tháng 1: 50 mục. Tháng 3: hơn 300 mục có tham chiếu chéo. Agent trở nên sắc bén hơn vì cơ sở kiến thức trở nên sắc bén hơn.
Ví dụ: bạn hỏi "đối thủ cạnh tranh X xử lý việc onboarding như thế nào?" Không có wiki: agent tìm kiếm web, cung cấp cho bạn thông tin chung chung. Với 3 tháng mục wiki: agent lấy ghi chú nghiên cứu của riêng bạn, bản ghi cuộc họp nơi khách hàng đề cập đến đối thủ X và một bài báo bạn đã lập chỉ mục tháng trước. Câu trả lời bao gồm ngữ cảnh mà không tìm kiếm web nào có thể tìm thấy.
CẤP ĐỘ 10 — ĐIỀU PHỐI KANBAN (KANBAN ORCHESTRATION)
Bản chất: Một bảng tác vụ SQLite bền vững được chia sẻ trên tất cả các hồ sơ. Trạng thái luân chuyển từ triage (phân loại) → todo (việc cần làm) → ready (sẵn sàng) → running (đang chạy) → blocked (bị chặn) → done (hoàn thành) → archived (đã lưu trữ). Bộ điều phối kích hoạt mỗi 60 giây.
Nó mở khóa điều gì: Các dự án đa bước phức tạp với chuỗi phụ thuộc. Mỗi thẻ có thể chạy vòng lặp /goal riêng (chế độ goal_mode). Các thẻ có thẻ mẹ chưa hoàn thành sẽ tự động chờ. Nhiều hồ sơ có thể nhận các thẻ được gán cho chúng.
Thiết lập:
/kanban create "Nghiên cứu 100 phòng khám" \ --assignee scout --goal --goal-max-turns 15
/kanban create "Xây dựng trang đích" \ --assignee coder --goal --goal-max-turns 20 \ --depends-on "Nghiên cứu 100 phòng khám"
CLI: hermes kanban hoặc /kanban trong chat.
Kanban so với cron so với delegate_task: → Kanban: hàng đợi công việc bền vững, tồn tại qua các lần khởi động lại, đa hồ sơ → Cron: lập lịch dựa trên thời gian, tác vụ lặp lại → delegate_task: thực thi song song một lần trong một phiên
Sai lầm: Sử dụng Kanban cho các pipeline tuyến tính đơn giản. Ba hồ sơ theo một đường thẳng (Scout → Analyst → Briefer) hoạt động tốt với sự phối hợp dựa trên tệp. Kanban có giá trị khi bạn có cây phụ thuộc, nhánh song song hoặc hơn 10 tác vụ cần theo dõi.
Ví dụ: phân tích cạnh tranh hàng quý dưới dạng dự án Kanban. 12 thẻ: 3 đối thủ × 4 khía cạnh (giá cả, tính năng, định vị, tín hiệu tuyển dụng). Thẻ giá cả phụ thuộc vào thẻ thu thập dữ liệu web. Thẻ tuyển dụng phụ thuộc vào thẻ nghiên cứu LinkedIn. Các agent nhận việc khi các phụ thuộc được giải quyết. Bạn xem xét báo cáo tổng hợp cuối cùng.
CẤP ĐỘ 11 — CHẾ ĐỘ GIỌNG NÓI (VOICE MODE)
Bản chất: Chuyển giọng nói thành văn bản và chuyển văn bản thành giọng nói trên tất cả các nền tảng nhắn tin. Sáu nhà cung cấp STT, năm nhà cung cấp TTS.
Nó mở khóa điều gì: Nói chuyện với Hermes qua tin nhắn thoại trên Telegram, Discord, WhatsApp. Agent phiên âm, xử lý và có thể trả lời bằng giọng nói tổng hợp. Trò chuyện bằng giọng nói hoàn toàn mà không cần gõ.
Nhà cung cấp STT: → faster-whisper (miễn phí, chạy trên thiết bị) → trình bao bọc lệnh cục bộ → Groq (đám mây nhanh) → OpenAI Whisper API → Mistral → xAI
Nhà cung cấp TTS: → Edge TTS (miễn phí, mặc định) → ElevenLabs (chất lượng tốt nhất, trả phí) → OpenAI TTS → MiniMax → NeuTTS (miễn phí)
Sai lầm: Sử dụng STT đám mây đắt tiền cho các tin nhắn thoại thông thường. faster-whisper cục bộ xử lý tốt hầu hết các ngôn ngữ và không tốn kém. Dành STT trả phí cho âm thanh phức tạp hoặc môi trường ồn ào.
Ví dụ: đang lái xe đến cuộc họp. Tin nhắn thoại trên Telegram: "có gì từ nghiên cứu tối qua tôi cần biết trước cuộc gọi lúc 11 giờ không?" Agent trả lời bằng bản tóm tắt âm thanh 30 giây. Bạn nghe thay vì đọc. Tay vẫn đặt trên vô lăng.
CẤP ĐỘ 12 — TỰ ĐỘNG HÓA TRÌNH DUYỆT (BROWSER AUTOMATION)
Bản chất: Hermes có thể điều khiển trình duyệt để điều hướng các trang web, điền biểu mẫu, trích xuất dữ liệu và tương tác với các ứng dụng web.
Nó mở khóa điều gì: Các tác vụ yêu cầu một phiên trình duyệt: thu thập dữ liệu từ các trang động, điền biểu mẫu web, tương tác với các công cụ không có API. Agent nhìn thấy trang và hành động trên đó.
Thiết lập:
Được bao gồm trong Tool Gateway cho người đăng ký Nous Portal:
hermes setup --portal
Hoặc cấu hình tự động hóa trình duyệt riêng biệt thông qua dashboard.
Sai lầm: Sử dụng tự động hóa trình duyệt cho các tác vụ có API. Tự động hóa trình duyệt chậm hơn, dễ hỏng hơn và đắt hơn so với gọi API trực tiếp. Chỉ sử dụng nó khi không có API nào tồn tại.
Ví dụ: đối thủ cạnh tranh không có API công khai. Agent mở trang giá của họ qua trình duyệt, trích xuất các gói và giá hiện tại, so sánh với ảnh chụp nhanh tháng trước được lưu trong wiki của bạn. Phát hiện thay đổi: họ đã bỏ gói miễn phí. Được đánh dấu trong bản tin sáng của bạn.
CẤP ĐỘ 13 — MÁY CHỦ API (API SERVER)
Bản chất: Hermes được hiển thị dưới dạng một điểm cuối HTTP tương thích với OpenAI. Agent đầy đủ với các công cụ, bộ nhớ và kỹ năng có thể truy cập được qua định dạng API tiêu chuẩn.
Nó mở khóa điều gì: Bất kỳ giao diện người dùng nào nói định dạng OpenAI đều có thể kết nối với Hermes làm backend: Open WebUI, LobeChat, LibreChat, ChatBox, ứng dụng tùy chỉnh, tích hợp Excel. Agent trở thành một API mà bạn xây dựng trên đó.
Thiết lập:
thiết lập trong ứng dụng Desktop, Dashboard hoặc .env:
API_SERVER_ENABLED=true API_SERVER_KEY=khóa_bí_mật_của_bạn
Khởi động gateway: Ứng dụng Desktop / Dashboard: Gateway → Bắt đầu CLI: hermes gateway
Điểm cuối: http://127.0.0.1:8642/v1/chat/completions
Thiết lập nhiều người dùng: Tạo một hồ sơ cho mỗi người dùng trên các cổng khác nhau. Mỗi hồ sơ có cấu hình, bộ nhớ và kỹ năng biệt lập.
Sai lầm: Hiển thị máy chủ API với internet công cộng mà không có xác thực. Máy chủ liên kết với 127.0.0.1 theo mặc định. Truy cập từ xa qua đường hầm SSH, không phải hiển thị công khai. v0.17.0 bổ sung cổng OAuth trên mọi điểm cuối yêu cầu token và xác thực websocket cho dashboard.
Ví dụ: nghiên cứu cạnh tranh của bạn chạy dưới dạng một điểm cuối API. Một dashboard tùy chỉnh truy vấn Hermes để lấy thông tin mới nhất. Nhóm của bạn thấy dữ liệu cạnh tranh trên một trang nội bộ trực tiếp. Không ai mở Telegram. Dữ liệu tự phục vụ.
CẤP ĐỘ 14 — TÍCH HỢP IDE (ACP)
Bản chất: Hermes chạy như một máy chủ ACP (Giao tiếp Giao thức Agent) bên trong VS Code, Zed và các trình soạn thảo JetBrains.
Nó mở khóa điều gì: Trò chuyện, hoạt động công cụ, khác biệt tệp và lệnh terminal hiển thị bên trong trình soạn thảo của bạn. Agent làm việc trong thư mục dự án của bạn với ngữ cảnh trình soạn thảo của bạn. Cùng lõi agent, cùng công cụ, cùng bộ nhớ như CLI và gateway.
Thiết lập:
hermes acp start
Trong VS Code: cài đặt tiện ích mở rộng ACP, trỏ nó đến Hermes.
ACP bao gồm: → Công cụ tệp: read_file, write_file, patch, search_files → Thực thi terminal → Giao diện trò chuyện trong trình soạn thảo → Lời nhắc phê duyệt cho các lệnh nguy hiểm
ACP loại trừ (theo thiết kế): → Phân phối tin nhắn → Quản lý công việc cron → Các tính năng cụ thể của Gateway
Sai lầm: Nghĩ rằng ACP thay thế gateway. ACP dành cho các phiên lập trình trong trình soạn thảo. Gateway xử lý nhắn tin, cron và phân phối đa nền tảng. Cả hai đều chạy cùng một lõi agent bên dưới.
Ví dụ: đang lập trình một trang giá. Bên trong VS Code, bạn hỏi Hermes: "đối thủ cạnh tranh X cấu trúc các gói của họ như thế nào?" Agent kiểm tra wiki Obsidian của bạn, tìm ghi chú nghiên cứu của bạn, đưa ra câu trả lời. Bạn điều chỉnh thiết kế của mình mà không cần mở trình duyệt hay Telegram.
CẤP ĐỘ 15 — PHÂN PHỐI HỒ SƠ (PROFILE DISTRIBUTIONS)
Bản chất: Đóng gói toàn bộ thiết lập agent của bạn dưới dạng một kho git. Bất kỳ ai cũng có thể cài đặt agent của bạn chỉ bằng một lệnh.
Nó mở khóa điều gì: Agent của bạn trở thành một sản phẩm. Bán nó. Chia sẻ nó với nhóm của bạn. Phân phối nó cho khách hàng. Mọi thứ đều được chuyển giao ngoại trừ khóa API và ký ức cá nhân.
v0.17.0 cũng giới thiệu Mạng lưới Agent RAFT: kết nối Hermes với raft.build như một agent bên ngoài. Cầu nối kênh đánh thức với quyền riêng tư theo hợp đồng (tải trọng đánh thức chỉ mang siêu dữ liệu, không bao giờ mang nội dung tin nhắn). Agent của bạn có thể cộng tác với các agent trên các máy khác.
Một bản phân phối chứa:
distribution.yaml # bản kê khai SOUL.md # danh tính config.yaml # cài đặt model và nhà cung cấp skills/ # kỹ năng tùy chỉnh cron/ # công việc theo lịch trình mcp.json # các công cụ đã kết nối
Cài đặt bản phân phối của người khác:
hermes profile install
Sai lầm: Bao gồm khóa API hoặc dữ liệu cá nhân trong bản phân phối. Thông tin xác thực tồn tại trên mỗi máy. Bản phân phối mang tính cách, kỹ năng và quy trình làm việc. Người dùng tự mang khóa của họ.
Ví dụ: bạn đã xây dựng một bộ phận nghiên cứu với Scout, Analyst, Briefer. Thành viên mới trong nhóm tham gia. Họ chạy: hermes profile install github.com/you/research-dept. Họ có ba hồ sơ của bạn, cấu trúc wiki, công việc cron và các mẫu SOUL.md. Họ thêm khóa API và bot Telegram của riêng mình. Chạy trong 10 phút.
MỘT QUY TRÌNH, 15 CẤP ĐỘ PHÁT TRIỂN
Nghiên cứu cạnh tranh. Cùng một tác vụ. Hãy xem nó thay đổi như thế nào ở mọi cấp độ.
Cấp độ 1: bạn gõ "có gì mới về AI agent tuần này?" và đọc một bức tường văn bản.
Cấp độ 2: agent đã biết lĩnh vực và đối thủ cạnh tranh của bạn từ SOUL.md. Cùng một câu hỏi, câu trả lời được lọc cho thị trường CỦA BẠN.
Cấp độ 3: /background nghiên cứu đối thủ cạnh tranh trong khi bạn soạn thảo đề xuất. Kết quả xuất hiện mà không làm gián đoạn mạch suy nghĩ của bạn.
Cấp độ 4: kỹ năng nghiên cứu chạy trên DeepSeek V4 Flash. Kỹ năng phân tích chạy trên Sonnet. Bạn không còn trả giá Opus cho các tìm kiếm web.
Cấp độ 5: agent kiểm tra Slack, email và ClickUp TRƯỚC KHI trả lời. "Đối thủ cạnh tranh đã ra mắt hôm qua. Nhóm của bạn đã thảo luận về nó trong #product."
Cấp độ 6: ba tác tử phụ nghiên cứu ba đối thủ cạnh tranh cùng lúc. mỗi tác tử dùng DeepSeek. tác tử cha trên Sonnet tổng hợp. 10 phút thay vì 30.
Cấp độ 7: bạn không cần yêu cầu nữa. cron job chạy lúc 7 giờ sáng. cổng wakeAgent: không có thay đổi = $0. đối thủ tung bản cập nhật = tác tử thức dậy, nghiên cứu, gửi bản tóm tắt lên Telegram. bạn đọc nó khi uống cà phê.
Cấp độ 8: hồ sơ Scout tìm tín hiệu mỗi 3 giờ. Analyst tổng hợp lúc 10 giờ sáng. Briefer gửi lúc 8 giờ sáng. ba hồ sơ. một đường ống.
Cấp độ 9: kết quả được đưa vào wiki Obsidian. tháng thứ 3: hơn 300 mục. tác tử phát hiện ra các mẫu mà bạn không hề hỏi vì wiki tìm thấy mối liên kết giữa các nguồn.
Cấp độ 10: phân tích hàng quý chạy dưới dạng một dự án Kanban. 12 thẻ với chuỗi phụ thuộc. các tác tử nhận việc khi các phụ thuộc được giải quyết. bạn xem lại báo cáo cuối cùng.
Cấp độ 11: đang lái xe đến cuộc họp. tin nhắn thoại: "có gì từ nghiên cứu tối qua không?" Tác tử trả lời bằng âm thanh. bạn nghe thay vì đọc.
Cấp độ 12: đối thủ không có API. tác tử mở trang giá của họ qua trình duyệt, so sánh với ảnh chụp tháng trước. phát hiện thay đổi. được đánh dấu trong bản tóm tắt của bạn.
Cấp độ 13: nghiên cứu chạy dưới dạng một endpoint API. một dashboard tùy chỉnh truy vấn nó. nhóm của bạn thấy thông tin tình báo cạnh tranh trên một trang trực tiếp.
Cấp độ 14: đang viết code một tính năng. trong VS Code bạn hỏi "đối thủ X xử lý việc này thế nào?" Tác tử trả lời từ wiki của bạn mà không cần rời khỏi trình soạn thảo.
Cấp độ 15: thiết lập nghiên cứu của bạn là một git repo. thành viên mới trong nhóm chạy một lệnh. Scout, Analyst, Briefer, cấu trúc wiki, cron jobs. tất cả được cài đặt trong 10 phút.
KINH TẾ HỌC TOKEN: CÁCH VẬN HÀNH TẤT CẢ 15 CẤP ĐỘ MÀ KHÔNG ĐỐT TIỀN
mọi cấp độ trên 3 đều tốn token. đây là các biện pháp kiểm soát giúp chi tiêu có thể dự đoán được.
ĐÚNG MÔ HÌNH CHO TỪNG TÁC VỤ (Cấp độ 4+)
không phải tác vụ nào cũng cần mô hình đắt nhất của bạn. tìm kiếm web = DeepSeek V4 Flash ($0.10/M). tổng hợp = Sonnet ($3/$15/M). xem xét cuối cùng = Opus 4.8 ($5/$25/M). gán mô hình theo kỹ năng, theo hồ sơ, theo cron job. xem Cấp độ 4 để biết tham khảo chi tiết mô hình cho từng tác vụ.
CỔNG WAKEAGENT (Cấp độ 7+)
script chạy mỗi lần kiểm tra miễn phí. kiểm tra xem có gì thay đổi không. không có gì thay đổi = tác tử không bao giờ thức dậy = $0. tác tử chỉ tiêu token khi có việc phải làm.
CHẾ ĐỘ NO_AGENT (Cấp độ 7+)
khi bản thân script LÀ công việc. kiểm tra uptime, cảnh báo đĩa, theo dõi tệp. đầu ra được gửi trực tiếp lên Telegram. không có cuộc gọi LLM. không token nào. bao giờ.
SCRIPT CHẠY TRƯỚC (Cấp độ 7+)
script thu thập dữ liệu miễn phí. đầu ra được đưa vào prompt dưới dạng ngữ cảnh. mô hình tóm tắt những gì script lấy được thay vì đốt các lệnh gọi công cụ để tự tìm dữ liệu.
BỘ CÔNG CỤ TINH GỌN (Cấp độ 5+)
đặt --skills web,file cho mỗi cron job. ít lược đồ công cụ trong ngữ cảnh hơn = prompt nhỏ hơn = rẻ hơn. một công việc tổng hợp tin tức không cần các công cụ trình duyệt, ủy quyền hay kanban.
TÌM KIẾM CÔNG CỤ (Cấp độ 5+)
tự động bật khi lược đồ công cụ chiếm 10%+ ngữ cảnh. thay thế định nghĩa công cụ đầy đủ bằng 3 công cụ cầu nối. ~300 token thay vì hàng nghìn. tác tử khám phá công cụ theo yêu cầu thay vì tải tất cả cùng một lúc.
NGƯỠNG NÉN (Cấp độ 7+)
đặt trong ứng dụng Desktop, Dashboard hoặc config.yaml:
compression: threshold: 0.40 # mặc định 0.50
kích hoạt nén ngữ cảnh sớm hơn. giữ cho các lần chạy /goal dài và các phiên cron trong ngân sách token ngay cả khi có hơn 20 lượt tương tác.
CURATOR — MIỄN PHÍ MẶC ĐỊNH (v0.17.0)
việc cắt tỉa kỹ năng xác định vẫn chạy miễn phí. hợp nhất dựa trên LLM hiện chỉ là tùy chọn:
đặt trong ứng dụng Desktop, Dashboard hoặc config.yaml:
curator: consolidate: true # tùy chọn, mặc định false
việc giám sát nền định kỳ tốn 0 token. chỉ bật hợp nhất khi thư viện kỹ năng của bạn cần dọn dẹp sâu.
LÀM ĐẶC KHÔNG MẤT MÁT (PR #47866 từ teknium)
kết quả search_files được nén trước khi đến mô hình. cùng một thông tin. ít token hơn. đã được hợp nhất vào Hermes mới nhất. chạy hermes update.
MÔ HÌNH PHỤ TRỢ CHO JUDGE (Cấp độ 7+)
bộ đánh giá /goal chạy SAU MỖI lượt. định tuyến nó đến một mô hình nhanh và rẻ.
đặt trong ứng dụng Desktop, Dashboard hoặc config.yaml:
auxiliary: goal_judge: provider: openrouter model: google/gemini-3-flash-preview
20 lần gọi đánh giá trên Gemini Flash so với 20 lần trên Opus = tiết kiệm đáng kể.
GIỚI HẠN NGÂN SÁCH (tất cả các cấp độ)
đặt trong ứng dụng Desktop, Dashboard hoặc config.yaml:
budget: daily_max_usd: 10 session_max_usd: 2 monthly_max_usd: 200
các giới hạn cứng. tác tử dừng lại khi đạt đến mức trần. đặt các giới hạn này trước khi bật bất kỳ cron job hoặc lần chạy /goal nào.
THEO DÕI CHI TIÊU
ứng dụng Desktop / Dashboard: tab Usage hiển thị phân tích theo từng hồ sơ. CLI: /usage trong bất kỳ phiên nào để xem thống kê theo phiên.
thêm "kết thúc với chi tiêu token trong tuần này" vào các prompt của Briefer để theo dõi chi phí hàng tuần trên Telegram.
mô hình xuyên suốt tất cả những điều này: đẩy công việc ra khỏi mô hình đắt tiền sang code miễn phí, mô hình rẻ và ngữ cảnh nén. tác tử suy luận. mọi thứ khác chạy miễn phí.
BẮT ĐẦU VỚI TRẠNG THÁI TRẮNG
nếu bạn quan tâm đến việc kiểm soát token từ ngày đầu, hãy cài đặt với chế độ Blank Slate (hermes setup → Blank Slate). mọi thứ đều bị vô hiệu hóa ngoại trừ provider, model, công cụ tệp, terminal. thêm các tính năng từng cái một khi bạn cần. không có gì tải mà bạn không bật rõ ràng. đây là điểm khởi đầu rẻ nhất và được kiểm soát nhiều nhất.
NƠI HẦU HẾT MỌI NGƯỜI DỪNG LẠI
Các cấp độ 1-2. Họ cài đặt Hermes, viết SOUL.md, và sử dụng nó như một chatbot thông minh. Tác tử tiết kiệm cho họ 30 phút mỗi ngày.
Bước nhảy từ cấp độ 3 lên cấp độ 7 là nơi thời gian tiết kiệm hàng ngày tăng từ vài phút lên hàng giờ. /background, kỹ năng với các mô hình phù hợp, cron job với cổng wakeAgent. Những thứ này kết hợp với nhau.
Bước nhảy từ cấp độ 7 lên cấp độ 10+ là nơi tác tử không còn là một công cụ mà trở thành một hệ thống. Kiến trúc đa hồ sơ, kiến thức tự cải thiện, điều phối Kanban. Bạn xem lại công việc đã diễn ra mà không có bạn.
CÁCH XÁC ĐỊNH CẤP ĐỘ HIỆN TẠI CỦA BẠN
Bạn không cần phải đạt đến cấp độ 15. Hầu hết các nhà sáng lập solo hoạt động tốt ở cấp độ 7-10. Các cấp độ trên đó giải quyết các vấn đề cụ thể: giọng nói cho quy trình làm việc di động, trình duyệt cho các công cụ không có API, máy chủ API cho tích hợp tùy chỉnh, IDE cho viết code, bản phân phối cho các nhóm.
Chọn cấp độ phù hợp với nút thắt cổ chai của bạn. Thiết lập cấp độ đó. Chuyển sang cấp độ tiếp theo khi nó không còn đủ đáp ứng.
BÀI VIẾT LIÊN QUAN
- HERMES AGENT SOUL.MD: TẠI SAO 50 DÒNG QUAN TRỌNG HƠN MÔ HÌNH CỦA BẠN — Tìm hiểu sâu về Cấp độ 2
- HERMES AGENT TỰ XÂY DỰNG KHI BẠN NGỦ — Tìm hiểu sâu về Cấp độ 7
- HERMES AGENT + NOTEBOOKLM + OBSIDIAN: PHÒNG NGHIÊN CỨU 3 TÁC TỬ — Tìm hiểu sâu về Cấp độ 8-9
NGUỒN CHÍNH THỨC
- Tổng quan Tính năng
- SOUL.md
- Kỹ năng
- Cron
- Ủy quyền
- Mục tiêu
- Hồ sơ
- Kanban
- Giọng nói & TTS
- Tự động hóa Trình duyệt
- Máy chủ API
- ACP/IDE
- Bản phân phối Hồ sơ
- Tổng quan Tích hợp
Tất cả thông tin kỹ thuật đã được xác minh theo tài liệu Hermes Agent v0.17.0.
