Murad Library
Info
Murad LibraryREF-0574MD

Hermes Agent Skills That Make It 10x More Powerful

Catalogued
Reading
8 min read

Metadados

Sumario inteligente

TL;DR

O episódio apresenta diversas skills e ferramentas que ampliam a eficácia do Hermes agent — reduzindo esquecimento por excesso de contexto, orquestrando múltiplos agentes de codificação, filtrando saídas de terminal e automatizando revisões de segurança — e explica como instalá‑las e usá‑las. O foco é mostrar skills-chave (Planning with Files, Delegate Setup, RTK, Mantis, Agent Reach, Skill Retriever) e por que elas melhoram precisão e custo ao operar agentes.

Pontos-chave

  • Comunidade criou muitas skills úteis para o Hermes que resolvem problemas que o agente sozinho não lida.
  • Problema central: agentes de codificação esquecem detalhes em conversas longas por excesso de informação na janela de contexto, especialmente modelos Opus.
  • Planning with Files: converte plano em três arquivos (taskplan.md, findings.md, progress.md) e usa um hook para forçar sua inclusão no contexto, evitando que o agente os ignore.
  • Instalação: comandos e detalhes estão no repositório; hooks são instalados automaticamente e a skill inclui regras e descrições dos arquivos.
  • Delegate Setup: conjunto de skills que orquestra múltiplos agentes de codificação instalados, mapeia tarefas para o melhor agente e executa sem pedir permissão a cada ação.
  • Fluxo do Delegate Setup: identifica ferramentas instaladas, propõe um mapa de responsabilidades (modelo e esforço), pede aprovação e então distribui e reúne resultados.
  • RTK (Runtime Toolkit): ferramenta externa que filtra saídas de comandos de terminal para enviar ao agente apenas as partes relevantes (por exemplo, só falhas de testes), reduzindo ruído na janela de contexto; há uma skill que roteia comandos via RTK.
  • Patrocinador Plural: Workbenches — agentes que operam infraestrutura, integrando-se a observabilidade e ferramentas existentes para investigar alertas automaticamente.
  • Mantis (Google): conjunto de skills de revisão de segurança abrangente, com várias especializações (Mantis Plan, Mantis Reflect etc.) e suporte a execuções agendadas via cron do Hermes para revisões repetidas.
  • Agent Reach: skill que dá acesso a sites normalmente restritos a modelos (Reddit, GitHub, Instagram etc.) usando métodos gratuitos, ampliando fontes de pesquisa.
  • Problema adicional: quando o Hermes cria muitas skills, nomes e descrições enviados a cada mensagem incham a janela de contexto.
  • Skill Retriever (plugin): precede a chamada ao modelo dividindo mensagens e descrições de skills, correspondendo relevância e enviando só as skills mais pertinentes; reduz tokens enviados (de ~11.000 para ~2.300 segundo os docs).
  • Benefícios gerais: menor custo por interação, menos distração do agente por informações irrelevantes e maior precisão nas respostas.
  • Chamadas à ação no vídeo: instalar skills demonstradas, inscrever-se no canal, apoiar via AI Labs Pro ou super thanks.

Topicos

  • Hermes agent
  • skills comunitárias
  • janela de contexto
  • Planning with Files
  • hooks
  • Delegate Setup
  • RTK (filtragem)
  • Mantis (segurança)
  • Agent Reach
  • Skill Retriever
  • orquestração
  • cron jobs

Citacoes

  • Essas outras skills são construídas por pessoas que já resolveram problemas que o Hermes não consegue lidar por conta própria, e elas empacotaram essas soluções em skills que você pode usar.
  • Ela mantém o plano onde o agente não pode ignorá‑lo.
  • Isso porque ela usa um hook, que insere forçosamente os três arquivos na janela de contexto, razão pela qual o modelo não pode optar por ignorá‑los.
  • ele economiza mais de 9.000 tokens a cada interação.
  • É basicamente um engenheiro de plantão que nunca dorme.
  • A skill RTK que criamos neste vídeo pode ser encontrada no AI Labs Pro, que é a nossa comunidade.

Perguntas em aberto

  • Quais são as implicações legais, de privacidade e de termos de serviço ao usar Agent Reach para acessar conteúdo que alguns sites restringem a modelos?
  • Como gerenciar segurança, permissões e auditoria quando Delegate Setup envia comandos a agentes que não pedem aprovação antes de executar mudanças?
  • Como ajustar ou estender as regras de filtragem do RTK para comandos de terminal menos comuns ou personalizados?
  • Qual o impacto em latência e custos (tokens/CUs) ao usar hooks e plugins como Skill Retriever em diferentes volumes de interação?
  • Como manter e atualizar o índice do Skill Retriever conforme novas skills são criadas automaticamente pelo Hermes ao longo do tempo?
  • Que práticas recomendadas seguir para revisar e validar automaticamente os 'findings' gerados por agents (evitar correções automatizadas inseguras)?

Acoes

  • Você: Instalar a skill Planning with Files a partir do repositório e executar para gerar taskplan.md, findings.md e progress.md no seu projeto (prazo: após revisar o repositório listado na descrição)
  • Você: Instalar o conjunto Delegate Setup e selecionar as ferramentas de codificação instaladas (escolher entre as ~18 opções durante a instalação) (prazo: antes de delegar tarefas entre agentes)
  • Você: Executar Delegate Setup para mapear tarefas aos agentes, revisar o plano sugerido e aprová‑lo para iniciar a execução automática (prazo: sempre que for delegar um fluxo de trabalho complexo)
  • Você: Instalar a ferramenta RTK no dispositivo e adicionar a skill que roteia comandos do Hermes pelo RTK (prazo: imediatamente para reduzir ruído de saída de terminal)
  • Você: Instalar Mantis (Google) e habilitar as skills de revisão de segurança; configurar cron jobs no Hermes para rodar revisões agendadas (prazo: ao publicar ou hospedar uma nova versão do app)
  • Você: Instalar Agent Reach para permitir buscas em plataformas normalmente restritas (Reddit, GitHub, Instagram, etc.) e usar a skill para pesquisas de tópico
  • Você: Instalar e habilitar o plugin Skill Retriever para reduzir o número de tokens enviados pelo Hermes ao modelo (prazo: para projetos com muitas skills instaladas)
  • Você: Avaliar relatórios coletivos e findings gerados pelos agentes (Delegate Setup, Mantis, Planning with Files) e incorporar correções/documentação conforme necessário (prazo: após cada execução ou sessão longa do agente)
  • Você: Considerar apoiar o canal/AI Labs Pro se desejar acessar a skill RTK mostrada no vídeo

Capitulos

  • 00:00:00 - 00:00:51 | Introdução a Hermes e skills
    • Visão geral sobre o lançamento do Hermes Agent, a crescente comunidade de skills e observação de que a maioria das skills pode ser usada com outros agentes de codificação.
  • 00:00:51 - 00:03:04 | Problema do contexto e 'Planning with Files'
    • Explica por que agentes esquecem detalhes em conversas longas e apresenta o skill Planning with Files, que cria taskplan.md, findings.md e progress.md e usa um hook para forçar o plano no contexto.
  • 00:03:04 - 00:04:46 | Delegate Setup: orquestração entre agentes
    • Apresenta a necessidade de delegar tarefas entre ferramentas (Cloud Code, Codex, Cursor etc.) e descreve o conjunto Delegate Setup que detecta agentes instalados, propõe um plano de delegação e executa as tarefas aprovadas.
  • 00:04:46 - 00:06:20 | RTK: filtrar saída de terminal
    • Mostra o problema da verbosidade das saídas de terminal e como o RTK corta e mantém apenas as partes relevantes (por exemplo, falhas de testes), filtrando o output antes que entre na janela de contexto.
  • 00:06:20 - 00:07:12 | Patrocinador — Plural
    • Apresentação do patrocinador Plural e sua solução Workbenches, agentes que operam infraestrutura integrados às ferramentas existentes para investigar alertas e propor ações.
  • 00:07:12 - 00:08:45 | Mantis: revisão de segurança (Google)
    • Descrição do conjunto Mantis para revisão de segurança, com skills especializados (ex.: Mantis Plan e Mantis Reflect) que podem ser agendados no Hermes para revisões periódicas e alertas automáticos.
  • 00:08:45 - 00:09:41 | Agent Reach: acesso a conteúdos restritos
    • Explica o skill Agent Reach, que dá ao Hermes acesso a sites normalmente bloqueados para agentes (Reddit, GitHub, Instagram, Twitter etc.), usando métodos gratuitos para pesquisa de conteúdo.
  • 00:09:41 - 00:11:04 | Problema de muitos skills e o Skill Retriever
    • Aponta que nomes e descrições de muitos skills consomem grande parte do contexto e apresenta o Skill Retriever, que seleciona apenas as descrições mais relevantes, reduzindo tokens por turno de ~11k para ~2.3k.
  • 00:11:04 - 00:11:29 | Ativando o Skill Retriever (plugin)
    • Indica que o Skill Retriever vem como plugin; após instalação e ativação na área de plugins, a lista de skills enviada ao modelo ficará muito menor, melhorando custo e precisão.
  • 00:11:29 - 00:11:52 | AI Labs Pro, encerramento e agradecimentos
    • Menciona que o RTK criado no vídeo está disponível no AI Labs Pro, convida ao apoio ao canal e encerra com agradecimentos e links na descrição.

Did this resonate?

Related documents