Делюсь опытом эксплуатации Hermes в домашней лаборатории и выводами, к которым пришёл в процессе.

Оглавление

• Позиционирование

• Хорошее применение (почти)

• Что я сам бы не смог сделать

• Hermes плохо кодирует

• Хайп

• Автоматизация ради автоматизации

• Итог

Позиционирование

Я сжег полмиллиарда токенов на Hermes и по сей день не понял, зачем он мне нужен.

Правда, у меня сожглись не только токены, но и материнская плата на домашней лаборатории, где крутился Hermes. Именно благодаря этому у меня появилось окно для рефлексии, которой я хотел бы поделиться с вами.

Итак. Hermes позиционирует себя как агент, который растет вместе с тобой. Это закрепляется в скиллах. За счёт них каждый раз, когда появляется повторяющаяся задача, Hermes её выполняет немножко точнее.

Это неправда. Он создает скиллы и правит их ненадежным образом. У него нет жестко запрограммированных триггеров. Пока ты ему явно не скажешь создать или поправить скилл, он в 99 из 100 сессий будет работать как обычный ИИ-агент.

Но это только полбеды. Потому что сами скиллы не гарантируют, что агент будет им следовать.

Я наивно предположил, что если я создам скилл, в котором опишу архитектуру своей домашней лаборатории, пропишу IP-адреса и скажу, что он может проверять, а что нет, то это сделает работу более безопасной. Он не будет выполнять опасных команд и ничего не сломает.

На деле это оказалось частично рабочим. Он несколько раз самоубивался тем, что ломал gateway, который ему предоставлял доступ в интернет через VPN. Он несколько раз прихлопывал мне Caddy, из-за чего ни я, ни он не могли достучаться до определенных сервисов.

Некоторые модели, такие как DeepSeek Pro или GLM, не поддерживают изображения. У Hermes есть специальная настройка, которая позволяет поставить модель для распознавания картинок. У меня она работала плохо, и я попросил её слегка переписать.

Он залез в свой исходный код и снова самоубился. После этого я решил на всей домашней директории, где работает агент, инициализировать Git. Потому что вчитываться в 150 вызовов инструментов, чтобы понять, где именно он сделал ошибку – это не самое увлекательное занятие.

Вы, наверное, уже думаете, что я буду только хаить Hermes. Я, конечно, буду. Но сначала расскажу о том, в чём он оказался небесполезен.

Хорошее применение (почти)

Я нашел чертовски крутое применение. Возможно, вы знаете, что Ozon блокирует прямой парсинг их сайтов. Что, честно говоря, выглядит как абсолютная глупость, потому что в современных реалиях люди довольно сильно полагаются на поиск товаров через ИИ-чат. То есть Ozon буквально теряет деньги из-за ограничения такого жирного канала продаж.

Но я нашел решение на Apify, которое позволяет парсить товары и их как-то анализировать, сравнивать, находить лучшие варианты. В общем, пушка-гонка.

Это всё можно подключить к Hermes и заставить его анализировать сотни товаров, находить из них те, которые удовлетворяют по техническим требованиям, по описаниям, и получать прямые ссылки на них.

Работает это более-менее хорошо, но... Но недолго. Потому что агент может один раз взять и втупую считать сразу сотню элементов из таблицы, и его контекст забьется.

То есть пока ты ему не объяснишь, как обрабатывать данные, как это делать безопасно, он может сделать глупую ошибку, и вся его эффективность пойдет насмарку. При этом парсинг Озона не является бесплатным. Там есть очень небольшой бесплатный лимит, который быстро исчерпывается, а потом нужно платить десятки долларов.

Получается, что вроде бы Hermes может выполнить работу, которая недоступна в ChatGPT, но при этом для того, чтобы он делал это хорошо, нужно долго сидеть, сжигать токены, сжигать доллары и обучать его не делать глупости. Как-то не пахнет это выгодой.

Что я сам бы не смог сделать

Ладно, на самом деле есть вещи, которые мне понравились и которые я сам бы, скорее всего, никогда бы не реализовал.

Я попросил написать агенту скрипт, который читает базу данных в Navidrom и удаляет альбомы или авторов, у которых я поставил одну звезду (⭐). Чистая экономия места. Я этих авторов слушать все равно больше не собираюсь, так зачем мне их хранить?

То же самое я сделал с подкастами в Audiobookshelf. Если я послушал подкаст, то скрипт автоматически считывает это из базы данных и удаляет на диске соответствующие файлы и папки.

Для меня большим камнем преткновения также было GPU passthrough. Сам бы я запыхался изучать гайды, перезагружать, вчитываться в логи, проверять, что я правильно прокинул GPU в виртуальную машину. Агент в этом смысле куда более внимательный, и он быстрее гуглит. Но я всё равно не торопился с этим. Агент мне всё дотошно объяснил, потом реализовал, и на удивление это работало крайне надежно.

Также я написал с помощью агента себе крошечные, но полезные сервисы, например, по транскрибации аудио с GPU-ускорением или cron-задачи, которые поддерживают всю мою кастомную настройку на всех виртуальных машинах.

В итоге. Написал скрипты – работают. Сделал GPU passthrough – работает. Запилил транскрибацию – летает. Удобно? Круто? Ну, не знаю, у меня ведь материнская плата сгорела, я теперь не могу этим воспользоваться.

Hermes плохо кодирует

Воодушевившись тем, что Hermes может кодировать, я попытался сделать пайплайн. Идея довольно простая. У меня есть RSS, и у него есть API. Мне нужно сделать так, чтобы агент просматривал мою RSS-ленту и находил материалы, которые соответствуют моим текущим интересам, а далее отправлял их в Zotero.

С этой задачей я прекрасно справляюсь вручную, но я подумал, что если это можно автоматизировать и смотреть только лишь в один Zotero, в его Inbox, то это уменьшит рутину.

5 или 6 часов я пытался это сделать с Hermes. Мы вроде бы и API-вызовы обернули в MCP-инструмент, и вроде выглядит всё рабочим. Но на деле он оказался дырявым, и в админке RSS у меня сыпалось множество ошибок.

Hermes не умеет кодировать, пользоваться инструментами и качественно отлаживать, как это делает, например, Claude Code. Hermes генерирует множество мертвых функций, не переиспользует их. Создает модули, потом забывает о них.

У Hermes есть возможность делегировать задачи Codex, Claude Code или OpenCode. Но проблема в том, что даже если эти агенты напишут что-то вменяемое в нормальной кодой инфраструктуре, то проверять-то все равно будет Hermes. А у него нет связи с реальностью. Он не видит интерфейс, не всегда может получить логи ошибок. И опять же, это полбеды.

Zotero я также подключил через готовый MCP. Несмотря на то, что я написал скилл с конкретными действиями, агент из раза в раз их игнорировал. Он мог добавить свои теги в Zotero, поместить источники не в ту коллекцию, которая ему была явно прописана. Он мог считать источник из RSS-ленты, но не пометить его прочитанным.

Такие несостыковки меня начали раздражать. В итоге вроде бы и MCP-сервер сделал, и последовательность прописал, но из-за того, что работа с этим описана словами, а не кодом, это приводит к недетерминированному поведению.

Решил вместо MCP сделать маленькие атомарные скрипты, которые выполняют строго ограниченное количество операций с захардкоженными переменными. Это не помогло.

Возникает вопрос. Я потратил кучу времени на то, чтобы победить агента, чтобы он сделал работу качественно. Но что мне мешало пойти в n8n и сделать за 40 минут полностью детерминированный workflow без LLM-шаманства? Ответ неожиданный. Ничего, кроме хайпа, на который я повёлся.

Хайп

Маркетинговый нарратив "личный Джарвис" пошёл ещё с OpenClaw. С тех пор он только набирал обороты и, хуже того, всё больше отрывался от реальности. Вы просто посмотрите на количество звёзд у проекта. Это неадекватно много для решения, которое как бы работает, но что-то серьёзное с помощью него сделать крайне тяжело.

Сейчас я стану слегка токсичным. Так что уберите детей от экрана.

Невероятное количество людей занимается bullshit job. У огромного количества людей низкая техническая грамотность, преобладает магическое мышление, люди любят преувеличивать. Социальные сети раздувают из мухи слона.

Блогеры стараются из любого мелкого апдейта продукта сделать инфоповод и похайпить. Кликбейты, игра на страхе, на FOMO. А ведь нужно же ещё поддерживать собственные воронки на курсы по быстрому изучению ИИ, по агентам.

Интересно, что чем более предметным является материал, чем более реальную проблему человек пытается решить, тем меньше людей посмотрят и оценят этот материал. То есть платформы сами душат материалы, которые обладают прикладной пользой и глубиной, но зато раздувают и дают жизнь пустым, но громким общаниям ("ИИ уволит всех", "OpenClaw заменит целые команды", буэ).

Да и разумейте сами, Cisco сказала, что агенты – это огромная дыра в безопасности, но разве это хоть кого-то остановило?

Кажется, что нет. Проекты плодятся, токены жгутся, люди пишут восторженные посты.

Автоматизация ради автоматизации

Давайте просто посмотрим правде в глаза и что люди в массе своей пытаются автоматизировать с помощью сложных ИИ-агентов.

Разбор почты.

Я уже много лет использую Thunderbird. У меня за всё время в нем органично накопилась сотня правил и фильтров. Когда я открываю его, то все письма раскидываются по соответствующим папкам. Часть из них помечается как important. Их мне следует прочитать в первую очередь. Таких писем меньшинство. Все остальные не требуют моего внимания ни на этой неделе, ни на следующей.

Это простейшая автоматизация, которая не требует вообще работы LLM. При этом работает эта система на сто процентов детерминированно – она не ошибается.

Так и в чем резон платить двадцать или больше долларов ради того, чтобы сделать ту работу, которая делается бесплатно, в бесплатной открытой программе?

ИИ-брифинги.

Будем честны. Мало людей хотят тонуть в информационном мусоре. Тогда почему вдруг люди посчитали, что рассеянный информационный мусор в постах, твитах, новостях хуже, чем концентрированный в одном брифинге?

Будем честны вдвойне. Когда вы получаете такие ИИ-брифинги, вы понимаете, какой у вас следующий шаг? Если нет, то зачем вы забиваете этим мусором себе голову? Так или иначе, если у вас есть проект и вы движетесь в какую-то сторону, то у вас уже есть задачи, которые вам нужно делать. Именно это и приведет вас к результату. Чтение сжатых новостей – это всё ещё чтение новостей. Это примерно так же бесполезно, как думскролинг.

Презентации.

Я попросил Hermes сгенерировать мне презентацию по конкретным моим заметкам. Получилось это откровенно плохо. Я не смог довести это до конца, потому что мне надоело вносить правки через чат.

Если вы помните, то я говорил, что Hermes плохо кодирует. На самом деле он плохо выполняет любую специфическую работу. С теми же презентациями намного эффективнее пойти в OpenDesign или в Canva. Там можно сделать себе черновик с помощью ИИ, а потом ручками быстренько докрутить. Это на порядок лучше, чем заставлять агента без нормального визуального интерфейса делать визуальные элементы.

Даже в Excalidraw можно быстрее сделать хорошую презентацию с помощью Claude Code, скилла и собственных докручиваний.

Проекты.

Не раз встречал, как автономных агентов по типу OpenClaw или Hermes отправляют кружиться вокруг определенного репозитория и вносить туда правки.

Опять же, вы готовы довериться стохастической системе, которая может сделать все, что угодно с вашим проектом, в том числе его сломать или отправить в продакшн неработающую версию? Даже в OpenClaw цикл разработки имеет довольно много этапов, его разрабатывает не сам OpenClaw, и в конечном итоге пулл-реквесты принимают люди.

Итог

Потраченные мною 500 миллионов токенов – это примерно 1000 долларов, если пользоваться моделями не через подписки.

При этом я не смог найти место, где отбил бы хотя бы 100 долларов. Складывается представление, что это определенный финансовый пузырь, где токены сжигаются, создается ощущение продуктивности, но по факту ты платишь деньги не за результат, а за то, чтобы чувствовать себя на острие современных технологий.

Поставлю ли я себе еще когда-нибудь Hermes? Не знаю. Но если у вас есть личные кейсы или весомые аргументы, то я готов их обсудить и пересмотреть свое мнение.

Новые материалы раньше всего выходят в моём Telegram-канале. Там же можно обсудить статью, задать вопрос и поделиться собственным опытом.