Hermes und Obsidian: Ein Wissensspeicher mit drei Agenten und menschlicher Überprüfung
Stellen Sie in Hermes einen Orchestrierer, Forscher und Bibliothekar ein, die Notizen aus dem Bronze-, Silber- und Goldbereich in einem Obsidian-Tresor verschieben, wobei eine Docker-Isolation sowie Überprüfungen erfolgen.
Quellen: Built Multiples Agents to Research, Think and Remember on Its Own with Hermes + Obsidian
Ein autonomes Wissenssystem kann aus Hermes, Obsidian sowie drei kooperierenden Agentenrollen zusammengestellt werden: einem Orchesterer, einem Forscher und einem Bibliothekar. Jede Rolle hat eine spezifische Aufgabe, und eine Ordnerstruktur hält unüberprüftes Material von vertrauenswürdigen Notizen getrennt.
Die Komponenten
Hermes ist ein sich selbst verbessernender Agent von Nous Research. Er lernt durch Handeln, indem er seine eigenen Arbeiten wiederholt, um Kontext und Wissen hinzuzufügen. Zudem verfügt er über viele Funktionen, die in Openclaw mühsam konfiguriert werden würden, wodurch er die zuverlässigere Option der beiden ist.
Obsidian ist eine Notiz-App für freiformiges Schreiben, deren Stärke darin liegt, Notizen miteinander zu verknüpfen. Das Ergebnis ähnelt einem Graphen, in dem Ideen in einer Notiz mit Ideen in einer anderen verbunden sind.
Docker bestimmt, was ein Agent berühren darf. Hermes kann seinen Backend-Teil in einem Container ausführen, sodass montierte Ordner individuell nur zum Lesen oder sowohl zum Lesen als auch Schreiben freigegeben werden können.
Unterschied zu RAG
In dieser Architektur gibt es weder Teilung in Blöcke noch Einbetten, keine Ähnlichkeitssuche und keinen Vektor-Speicher – daher handelt es sich nicht um einen RAG-Pipeline. Das Ziel sind autonome Agenten, die ihre eigenen Aufgaben erledigen und miteinander kommunizieren. Der Bibliothekar hat die schwierigste Aufgabe, denn er muss zuverlässiges Wissen von Unnötigem trennen und bei Entscheidungen, die menschliche Hilfe erfordern, einen Menschen hinzuziehen.
Agenten bewegen sich in einem strukturierten System über Namen, Links und Ordner. Eine Schreibrichtlinie steuert den Ablauf: Zuerst Rohdaten, dann Überprüfung und schließlich in die Wiki-Ebene. Das entspricht einer ETL-Pipeline für Wissen, bei der Inhalte von der Bronzenebene zur Silberebene und anschließend zur Goldenebene übergehen, was es ermöglicht, Materialien zuverlässig zu kuratieren und Gutes von Schlechtem zu unterscheiden.
Der Orchesterleiter
Der Orchesterleiter ist der Hauptagent. Seine Aufgabe ist einfach: Er nimmt eine Anweisung entgegen und leitet sie an den richtigen Teamkollegen weiter. Sein SOUL.md definiert die Rolle:
# Orchestrator
**Role:** Orchestrator
**Mission:** Coordinates my agent team. Clarifies the outcome and acceptance criteria,
> delegates bounded research to @researcher, reviews returned work for relevance, completeness, inspectable citations, uncertainty, and unresolved gaps, and requests one focused revision when necessary. Hands accepted work to @librarian, but never authorizes durable writes without my approval.
> Can retrieve & retain to Hindsight, alongside a built-in memory.md & user.md for always-on context (which is minimal)
You are Orchestrator, a persistent named agent (profile `orchestrator`) on this machine.
You keep your own memory, skills, and conversation history across sessions.
## Team protocol
- Begin by stating the Outcome, Acceptance criteria, Owner, Deliverable, and
Stop condition.
- Delegate research to @researcher rather than doing the specialist's work.
- Review the return for scope and evidence adequacy; do not claim to have
independently verified facts you did not inspect.
- If the return is inadequate, request one focused revision. If it is
adequate, stop for the user's approval before involving @librarian.
- Do not write to the Wiki. Update your built-in memory.md & user.md when applicable to assist with operational efficiency & effectiveness
Standardfähigkeiten und -werkzeuge sollten deaktiviert werden. Ein Agent, der nicht unnötige Funktionen ausführt, ist schneller:
List Disabled Skills:
llm-wiki
determinstic-codebase-auditing
List Disabled Tools:
Web Searching & Scraping
Task Delegation
Browser Automation
Durch die Einrichtung des Backends auf Docker wird der Arbeitsbereich isoliert, sodass der Agent keine privaten Daten auf dem Host ändern oder löschen kann. Das stellt eine sinnvolle Sicherheitsbarriere zwischen dem Agenten und der Maschine dar.
Der Forscher
Der Forscher nimmt Aufträge vom Orchestrierer entgegen und führt die eingehende Untersuchung durch. Er bearbeitet weder das Wiki noch die Wissensdatenbank, da Forschung und Zusammenfassung seine einzigen Aufgaben sind. Suchwerkzeuge können hinzugefügt werden, damit er im Internet nach Informationen suchen kann. Sein SOUL.md:
# Researcher
**Role:** Researcher
**Mission:** Investigates bounded current-reality questions using current and original sources. Produces concise, inspectably cited briefings with uncertainty, counterevidence, and unresolved gaps, then returns them to @orchestrator for quality review. Does not write to the wiki.
You are Researcher, a persistent named agent (profile `researcher`) on this machine.
You keep your own memory, skills, and conversation history across sessions.
## Research protocol
- Research bounded questions about current real-world conditions using recent evidence and the most direct or original sources available.
- Provide inspectable citations and distinguish evidence, inference, uncertainty, counterevidence, and unresolved gaps.
- Save each completed briefing as a Markdown file under `/workspace/article`, using a clear descriptive filename.
- Include the research question, date, summary, findings, source links, uncertainty, counterevidence, and unresolved gaps.
- Return the briefing and its file path to @orchestrator for review.
- Do not hand work directly to @librarian unless the user explicitly requests it.
- Treat the Markdown file as a working research artifact-not private memory or canonical Wiki knowledge.
- Write only wiki inside /workspace/article
Dieselbe Anpassung der Standardfähigkeiten und -werkzeuge gilt auch hier:
List Disabled Skills:
llm-wiki
determinstic-codebase-auditing
List Disabled Tools:
Task Delegation
Code Execution
Cronjob
Außerdem läuft es auf einem Docker-Backend für dieselbe Isolation, und seine Konfiguration montiert den Speicherort des Tresors in den Container-Arbeitsbereich:
terminal:
backend: docker
modal_mode: auto
cwd: /workspace/article
timeout: 180
env_passthrough: []
shell_init_files: []
auto_source_bashrc: true
docker_image: nikolaik/python-nodejs:python3.11-nodejs20
docker_forward_env: []
singularity_image: docker://nikolaik/python-nodejs:python3.11-nodejs20
modal_image: nikolaik/python-nodejs:python3.11-nodejs20
daytona_image: nikolaik/python-nodejs:python3.11-nodejs20
container_cpu: 1
container_memory: 5120
container_disk: 51200
container_persistent: true
docker_volumes:
- /Users/dmitri/Documents/ai-agent-workflow/obsidian/ai-agent/wiki-skill/raw/articles:/workspace/article
Der Bibliothekar
Dies ist der entscheidende Akteur, da er in die Wiki-Einträge schreibt und bestimmt, was hinzugefügt wird. Das Wissen durchläuft die Stufen Bronze, Silber und Gold – in der Silberstufe kann eine Person die Tabellen überprüfen.
Neues Material wird in vault/raw eingefügt. Alles, was eine menschliche Überprüfung benötigt, landet in vault/review. Die menschliche Überprüfung findet in drei Fällen statt:
- Eine Seite wird erstellt oder aktualisiert.
- Neuer Inhalt steht im Widerspruch zu einer bestehenden Seite.
- Eine frühere Genehmigung wird erneut angewendet, um den Inhalt zu ändern.
Alles gelangt schließlich in die Goldschicht, in der detaillierte Seiten wie Konzepte und Entitäten gespeichert sind. Die Kuratierung bedeutet, das zu behalten, was von einem Überprüfer genehmigt wurde, und das Weitere zu entfernen.
Der Bibliothekars SOUL.md:
# Librarian
**Role:** librarian
You are Librarian, a persistent named agent (profile `librarian`) on this machine.
You keep your own memory, skills, and conversation history across sessions.
Zwei Fähigkeiten ermöglichen den ETL-Prozess, llm-wiki und llm-wiki-review, und beide befinden sich im Fähigkeitsordner des Bibliothekars.
Der Bibliothekar benötigt außerdem einen Docker-Backend, wobei sein Profil in config.yaml wie folgt aktualisiert werden muss:
terminal:
backend: docker
modal_mode: auto
cwd: /workspace
timeout: 180
env_passthrough: []
shell_init_files: []
auto_source_bashrc: true
docker_image: nikolaik/python-nodejs:python3.11-nodejs20
docker_forward_env:
- OBSIDIAN_VAULT_PATH
- WIKI_PATH
singularity_image: docker://nikolaik/python-nodejs:python3.11-nodejs20
modal_image: nikolaik/python-nodejs:python3.11-nodejs20
daytona_image: nikolaik/python-nodejs:python3.11-nodejs20
container_cpu: 1
container_memory: 5120
container_disk: 51200
container_persistent: true
docker_volumes:
- /Users/dmitri/Documents/ai-agent-workflow/obsidian/ai-agent/wiki-skill:/workspace
- /Users/dmitri/Documents/ai-agent-workflow/obsidian/ai-agent/RO:/workspace/RO:ro
In der beispielhaften Konfiguration enthält die Obsidian-Vault-Ordnerstruktur zwei Unterordner – einen für die Wiki-Fähigkeit und einen für eine Arbeitsumgebung. Der Ordner für die Wiki-Fähigkeit wird im Container unter /workspace montiert, während ein nur zum Lesen zugänglicher Ordner unter /workspace/RO montiert wird. Der Zugriff wird pro Montage mit dem Suffix :ro oder :rw festgelegt. Ein Pfad wie /workspace/RO:ro ist nur zum Lesen zugänglich, während ein Pfad ohne Suffix, wie /workspace, standardmäßig zum Lesen und Schreiben freigegeben ist.
Umgebungsvariablen funktionieren anders, sobald der Agent konteinerisiert wird. Er kann die .env-Datei des Hosts nicht direkt lesen, weshalb sie über den Parameter docker_forward_env im Bibliothekar-Profil übergeben werden.
.env:
WIKI_PATH=/workspace
OBSIDIAN_VAULT_PATH=/workspace
Die drei Ebenen in der Praxis
Eine rohe Bronzeneintragung:
Eine silberne Bewertungsseite:
Die goldene Indexseite:
Sowie eine goldene Vergleichsseite:
Diese vier Screenshote zeigen die Ebenen, die der Bibliothekar pflegt. Sobald diese eingerichtet sind, folgt ein Integrationstest: Der Orchestrierer wird beauftragt, die anderen Agenten zu koordinieren, neue Erkenntnisse aufzunehmen und sie zu kuratieren.
Von Anfang bis Ende ausführen
Der erste Schritt besteht darin, die Bot-Gruppe in der Hermes-Desktop-App zu erstellen, die den Orchestrierer, den Bibliothekar (mit Wiki-Fähigkeiten) sowie den Forscher enthält.
Anschließend wird dem Orchestrierer eine Anfrage zur Dateneingabe übermittelt:
@orchestrator get new article related to AGI and ASI, then store it to article, then run wiki skill
Der Orchestrator weist den Forscher an, Material zu sammeln und es im Tresor zu speichern. Der Bibliothekar holt anschließend diesen Bronzeneintrag ab und erhöht dessen Status auf Silber.
Nach Genehmigung wechselt das Wissen in den Goldstatus – genauer gesagt in die Konzepte-, Vergleiche-, Entitäten- und Abfragesortierungen des Tresors.
Die ursprüngliche Bronzeseite wird schließlich im Rohdatenordner archiviert. Der Bibliothekar liest sie niemals wieder oder verarbeitet sie erneut, da sich ihr Header-Status sowie der Verarbeitungsstatus geändert haben.
Warum es kein RAG ist
RAG ist ein einspuriger Lesepfad. Der Text wird aufgeteilt, eingebettet und anhand der Ähnlichkeit abgeglichen; die besten Ergebnisse werden in einen Prompt eingefügt, und ein Modell erstellt eine Antwort. Welche Abschnitte zurückkommen, hängt von der Wahrscheinlichkeit ab; das Korpus bleibt ein passiver Index, und nichts fließt wieder hinein.
Die obige Konfiguration funktioniert auf die umgekehrte Weise. Agenten navigieren in einem strukturierten Speicher nach Name, Link und Ordner und holen sich deterministisch das, was sie benötigen, genau dann, wenn sie es benötigen. Das Wissen bewegt sich entlang einer Richtliniengrenze von Bronze (Rohdaten), Silber (Überprüfung) und Gold (Wiki), und diese Bewegung gehört zu keinem RAG-Prozess.