Hermes Agent Desktop: личный опыт и пошаговая настройка под реальные задачи

В сфере искусственного интеллекта произошло заметное событие. Azamat_Safarov 45 минут назад Hermes Agent Desktop: личный опыт и пошаговая настройка под реальные задачи Простой 9 мин 1. 2K Искусственный интеллект Программирование * Open source * DevOps * Обзор Я пользуюсь Hermes Agent уже месяц. Всё это время работал через командную строку (WSL) потому что на windows версии не было, Конечно, уже это довольно ощутимое ограничение, так как Hermes не имел полный выход к файлам в Windows, за это время свыкся с терминалом запускал через hermes chat.

недавно вышла версия v0. 2, и вместе с ней десктопный установщик на Electron. Windows, macOS, Linux.

Технические детали

Скачал, поставил, пошёл по настройкам. Оказалось, что в GUI тринадцать разделов, и каждый из них что-то решает. Ниже — гайд по тому, как можно оптимизировать настройки под себя.

Model — основная модель и вспомогательные задачиОткрываем первый раздел. Здесь выбирается основная модель и распределяются вспомогательные задачи (auxiliary tasks). Main Model — я использую Ollama Cloud, поэтому у меня стоит ollama-cloud/kimi-k2.

Это основная модель для диалогов в триллион параметров. Context Length — должен показывать 0. Hermes по режиму автоопределения выставляет стандарт под каждую модель.

Отраслевые последствия

Он запрашивает у провайдера актуальный лимит контекста и подстраивается. Я оставил ноль, потому что провайдеры обновляют лимиты (Kimi перешёл с 128K на 256K), и захардкоженное число быстро устареет. Auxiliary Models — здесь распределяются вспомогательные задачи: vision, web_extract, compression, skills_hub, approval, mcp, title_generation, session_search, curator и другие.

По поводу моделей вспомогательных задач, у меня есть отдельная статья, где я объясняю какие модели лучше выбирать, ибо токенов они тратят знатно, так как постоянно работают на заднем фонеТак что я сделал. По умолчанию все auxiliary-задачи висят на provider: auto, и если провайдер не настроен, система молча откатывает на основную модель, у меня это Kimi. Это невероятно дорого — триллион параметров тратится на генерацию заголовков и просто поиск по сессиям.

Я открыл редактор конфига и прописал каждой задаче свою модель:Vision — qwen3-vl:235b-instruct. Это визуальная модель, обученная на скриншотах и изображениях. Для анализа картинок справляется лучше, чем текстовая.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.