Hermes Agent: come ho trasformato il mio workflow con AI locale

L'AI non ti ruberà il lavoro. Ma qualcuno che sa orchestrare agenti AI locali, probabilmente sì. Negli ultimi quattro mesi ho sperimentato Hermes Agent come backbone del mio sistema di automazione personale, e il risultato è stato sorprendente: un'infrastruttura che apprende, memorizza, ricerca e costruisce workflow mentre io mi occupo d'altro. In questo articolo ti mostro come configurare Hermes Agent per sfruttarlo davvero, senza sprecare tempo (o denaro) in tentativi casuali.

Perché Hermes Agent è diverso dagli altri assistenti AI

La maggior parte degli assistenti AI che ho provato ha un limite chiaro: funzionano bene per conversazioni isolate, ma crollano quando provi a costruire qualcosa di continuativo. Hermes Agent si distingue per un motivo preciso: cresce con te. Non si limita a rispondere a prompt: memorizza contesto, sviluppa competenze (chiamate "skills"), e le riutilizza automaticamente quando servono.

Concretamente: se gli insegno a valutare idee di business secondo criteri specifici (budget bootstrap, niente VC, focus lifestyle), quella valutazione diventa una skill permanente. La prossima volta che gli passo un'idea, non devo rispiegare i criteri: li applica e basta. Questo cambia radicalmente il modo in cui lavoro con l'AI, perché elimina la ripetizione e trasforma ogni interazione in un mattoncino riutilizzabile.

Hardware: dove far girare il tuo agente

Prima di partire con la configurazione, serve decidere dove ospitare Hermes. Io uso un Mac Studio M4 con 64GB di RAM, sempre acceso, che mi permette di eseguire modelli locali potenti senza dipendere dal cloud. È un investimento iniziale importante, ma ammortizzato nel tempo rispetto ai costi API di servizi come Anthropic.

Se non hai un Mac Studio, le alternative valide sono quattro:

• VPS (Virtual Private Server): server cloud dedicato, costo da 5-6 euro al mese, sempre attivo
• Computer o laptop secondario: formattato e dedicato, tenuto acceso 24/7
• Computer personale principale: usa Docker per containerizzare l'agente e isolare i processi
• Macchina locale potente: workstation con almeno 16GB RAM per modelli locali decenti

La scelta dipende da budget e caso d'uso. Per chi inizia, un VPS economico o un laptop usato sono perfetti per testare senza impegno.

Setup iniziale: installazione e configurazione base

Hermes Agent si installa in due modi: via desktop app (solo macOS) o via terminale (macOS/Windows/Linux). La desktop app è ideale per chi preferisce evitare il terminale. Una volta scaricata e aperta, la prima schermata ricorda un chatbot classico: interfaccia pulita, campo di input, lista modelli.

Il primo passo critico è scegliere il modello driver , cioè il cervello principale dell'agente. Il consenso generale indica Claude Sonnet 3.5 come miglior driver, ma richiede API Anthropic (costosa con uso intensivo). Io uso Qwen 2.5 Coder 32B in versione quantizzata, eseguito localmente: prestazioni ottime, costo zero, privacy totale.

Dopo aver collegato il modello, il secondo passo è dare all'agente informazioni su di te. Invece di scriverle a mano, uso Claude o ChatGPT per generare una bio sintetica, che poi passo a Hermes con un semplice: "Ecco chi sono, memorizza queste informazioni." L'agente salva tutto nel file user.md nella directory ~/.hermes, leggibile anche via Obsidian se configuri la cartella come vault.

Come funziona il sistema di memoria a quattro livelli

Hermes ha un'architettura di memoria sofisticata, strutturata su quattro livelli progressivi. Il primo livello è composto da tre file markdown:

• memory.md: contiene info sull'infrastruttura (plugin attivi, progetti in corso, configurazioni chiave)
• user.md: dati personali e preferenze dell'utente
• system.md: identità e comportamento dell'agente

Questi file restano snelli per non appesantire il contesto. Il secondo livello è un database SQLite che archivia tutte le conversazioni. Quando serve recuperare informazioni passate, Hermes usa il tool "session_search" per interrogare questo archivio senza sovraccaricare la memoria attiva.

Il terzo livello è Honcho, un plugin esterno che analizza pattern impliciti nelle tue interazioni: preferenze non dichiarate, stili di lavoro ricorrenti, contesti progettuali. Si installa con un semplice "Aiutami a configurare Honcho" e arricchisce il contesto senza sforzo manuale.

Il quarto livello è Obsidian come second brain. Configuri un vault dedicato, colleghi Hermes, e gli insegni a salvare ricerche, PRD, brief giornalieri in note strutturate. Risultato: un archivio interrogabile, leggibile da te e accessibile dall'agente per continuare progetti interrotti settimane prima.

Skills, tools e integrazioni: il cuore operativo

Hermes distingue tra tools (funzionalità pre-configurate gestite da News Research, come ricerca web, generazione immagini, automazione browser) e skills (istruzioni personalizzate che l'agente apprende lavorando con te).

Esempio pratico: ho chiesto a Hermes di valutare un'idea di business secondo criteri specifici (bootstrap, no VC, sostenibilità lifestyle). Dopo la valutazione, gli ho detto: "Trasforma questo in una skill per valutare future idee." Da quel momento, posso invocare la skill con /business_idea_evaluator e ottenere analisi strutturate su 10 dimensioni con score pesato e raccomandazione go/caution/no-go.

Le integrazioni connettono Hermes a servizi esterni: provider di modelli (Anthropic, OpenAI, Groq), app di messaggistica (Discord, Telegram), strumenti di automazione. Io uso Discord per ricevere alert e brief giornalieri: ogni mattina, Hermes compila notizie AI rilevanti, le sintetizza e genera un podcast audio via NotebookLM (tramite MCP), che mi arriva su un canale dedicato.

Gli MCP (Model Context Protocol) estendono ulteriormente le capacità native. NotebookLM, Obsidian, e altre piattaforme non supportate nativamente diventano accessibili installando l'MCP corrispondente: "Aiutami a configurare MCP NotebookLM" e segui le istruzioni.

Cron jobs: automazione ricorrente senza sforzo

I cron jobs sono task schedulati che si ripetono automaticamente. Io ne uso diversi:

• Brief giornaliero AI: ogni sera alle 23:00, Hermes ricerca news AI, le sintetizza e genera un audio-briefing
• Sincronizzazione Apple Notes → Obsidian: riassume note sparse e le organizza nel vault
• Health check infrastruttura: ogni notte verifica che modelli locali e multi-agent system girino correttamente

Configurare un cron job è banale: descrivi cosa vuoi automatizzare, quando e con che cadenza. Hermes lo imposta e lo esegue in autonomia.

Modelli open-source locali: privacy e costo zero

Usare API cloud (Anthropic, OpenAI) con un agente attivo 24/7 diventa insostenibile economicamente. La soluzione è eseguire modelli open-source in locale. Io uso Qwen 2.5 Coder 32B quantizzato, eseguito tramite llama.cpp (alternativa più veloce e configurabile rispetto a Ollama).

Perché llama.cpp invece di Ollama? Controllo diretto sui parametri del modello (temperatura, top-p, context window), latenza inferiore, nessun wrapper intermedio. Setup iniziale richiede 30 minuti di terminale, ma una volta configurato gira senza intoppi.

Risultato pratico: tutte le demo che ho mostrato finora girano su modello locale, senza costi API, con privacy totale. Per task complessi (ragionamento profondo, generazione codice avanzato), chiamo Claude via API, ma il 90% delle operazioni quotidiane resta in-house.

Multi-agent system: quando un agente non basta

Hermes supporta orchestrazione multi-agente: più istanze che collaborano su task paralleli. Io uso Discord come hub: canali separati per sviluppo software, ricerca, automazione. Esempio recente: ho chiesto a Hermes di progettare un'app Pomodoro desktop con timer visivo e salvataggio sessioni su Obsidian.

Hermes ha scritto le specifiche, generato il codice, e buildato l'app. Nel frattempo, su un canale parallelo, un altro agente lavorava su widget desktop alternativi. Build completata in 10 minuti, app funzionante con UI fluttuante sempre visibile, dati sincronizzati su Obsidian.

L'orchestrazione avanzata usa una Kanban board nativa per coordinare agenti, assegnare priorità, gestire dipendenze. Non ho ancora esplorato tutte le possibilità, ma già così il sistema è potentissimo.

Cosa ho imparato costruendo con Hermes

Dopo quattro mesi di uso quotidiano, una cosa è chiara: il valore di Hermes non sta nella singola risposta brillante, ma nell'accumulo progressivo di contesto, skills e automazioni. È la differenza tra un assistente usa-e-getta e un collaboratore che diventa più utile ogni giorno.

C'è una domanda che tengo aperta: stiamo davvero usando l'AI, o stiamo delegando così tanto da diventarne dipendenti? Per ora, la risposta per me è semplice: finché resto consapevole di cosa delego e perché, l'AI è un moltiplicatore. Il giorno in cui smetto di capire cosa sta facendo, diventa un problema.

Se stai iniziando con Hermes, il mio consiglio è di non strafare: configura memoria e modello driver, insegnagli 2-3 skills pratiche, automatizza un solo workflow ricorrente. Una volta che funziona, espandi. La tentazione di costruire subito un sistema complesso è forte, ma la vera magia emerge dall'iterazione graduale.