Hermès et Obsidienne : Un coffre-fort de connaissances à trois agents avec révision humaine
Créez un orchestrateur, un chercheur et un bibliothécaire dans Hermes qui déplacent les notes de Bronze à Argent puis à Or dans un coffre-fort en Obsidienne, avec isolation Docker et processus de révision.
Sources: Built Multiples Agents to Research, Think and Remember on Its Own with Hermes + Obsidian
Un système de connaissances autonome peut être assemblé à partir d’Hermes, d’Obsidian et de trois rôles d’agents coopératifs : un orchestrateur, un chercheur et un bibliothécaire. Chaque rôle a une tâche précise, et une structure de dossiers empêche que les documents non examinés ne se mélent aux notes fiables.
Les composants
Hermes est un agent capable d’améliorer lui-même ses performances, développé par Nous Research. Il apprend en agissant, en analysant son propre travail pour y ajouter du contexte et des connaissances. Il dispose également de nombreuses fonctionnalités dont la configuration serait complexe dans Openclaw, ce qui en fait l’option plus fiable des deux.
Obsidian est une application de notes pour l’écriture libre, dont la force réside dans la capacité à relier les notes entre elles. Le résultat ressemble à un graphe dans lequel les idées d’une note sont connectées aux idées d’une autre.
Docker contrôle ce qu’un agent peut modifier. Hermes peut exécuter son backend à l’intérieur d’un conteneur, ce qui permet d’accorder des droits de lecture seule ou de lecture-écriture individuels aux dossiers montés.
En quoi cela diffère de RAG
Aucun découpage en fragments, aucune insertion d’embeddings, aucune recherche de similarité ni de stockage vectoriel n’est présent dans cette architecture, donc il ne s’agit pas d’un pipeline RAG. L’objectif est un ensemble d’agents autonomes qui gèrent leurs propres tâches et communiquent entre eux. Le bibliothécaire a la tâche la plus difficile, car il doit séparer les connaissances fiables des informations inutiles et faire appel à un humain lorsque une décision l’exige.
Les agents naviguent à travers un espace structuré par nom, lien et dossier. Une politique d’écriture régule le flux : d’abord en mode brut, puis en mode révision, et enfin dans le wiki. Cela correspond à un pipeline ETL pour les connaissances, permettant de transférer le contenu d’un niveau Bronze vers Silver, puis vers Gold, ce qui rend possible une sélection fiable des matériaux et une distinction entre ceux de bonne qualité et ceux de mauvaise qualité.
L’orchestrateur
L’orchestrateur est l’agent principal. Son travail est simple : il prend une instruction et la transmet au bon collègue. Son SOUL.md définit ce rôle :
# 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
Les compétences et outils par défaut doivent être désactivés. Un agent qui n’exécute pas de fonctionnalités inutiles est plus rapide :
List Disabled Skills:
llm-wiki
determinstic-codebase-auditing
List Disabled Tools:
Web Searching & Scraping
Task Delegation
Browser Automation
En configurant le backend avec Docker, on isole l’espace de travail, de sorte que l’agent ne peut ni modifier ni supprimer les données privées sur l’hôte. Cela constitue une barrière de sécurité utile entre l’agent et la machine.
Le chercheur
Le chercheur reçoit les tâches de l’orchestrateur et mène des investigations approfondies. Il ne modifie jamais le wiki ni la base de connaissances, car sa seule mission est de rechercher et de résumer des informations. Des outils de recherche peuvent être ajoutés afin qu’il puisse consulter des informations sur Internet. Son 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
La même suppression des compétences et outils par défaut s’applique ici :
List Disabled Skills:
llm-wiki
determinstic-codebase-auditing
List Disabled Tools:
Task Delegation
Code Execution
Cronjob
Il fonctionne également sur un backend Docker pour assurer la même isolation, et sa configuration monte l’emplacement du coffre-fort dans l’espace de travail du conteneur :
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
Le bibliothécaire
C’est l’agent clé, car il écrit dans le wiki et sélectionne ce qui y est ajouté. Les connaissances passent par les étapes Bronze, Argent et Or, et c’est à l’étape Argent qu’une personne peut examiner la table.
De nouveaux matériaux sont stockés dans vault/raw. Tout ce qui nécessite une vérification humaine se retrouve dans vault/review. La révision par un être humain a lieu dans trois situations :
- Une page est créée ou mise à jour.
- Un nouveau contenu contredit une page existante.
- Une approbation antérieure est réappliquée pour modifier le contenu.
Tout finit par arriver dans la couche Or, qui contient des pages détaillées telles que les concepts et les entités. La curatelle consiste à conserver ce que le réviseur a approuvé et à jeter ce qu’il n’a pas approuvé.
SOUL.md du bibliothécaire :
# 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.
Deux compétences permettent d’effectuer l’ETL, llm-wiki et llm-wiki-review, et elles se trouvent toutes deux dans le dossier des compétences du bibliothécaire.
Le bibliothécaire a également besoin d’un backend Docker, dont le profil dans config.yaml doit être mis à jour comme ceci :
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
Dans la configuration d’exemple, le dossier du coffre-fort Obsidian contient deux sous-dossiers : un pour les compétences wiki et un pour l’espace de travail. Le dossier des compétences wiki est monté à /workspace dans le conteneur, tandis qu’un dossier en lecture seule est monté à /workspace/RO. L’accès est défini pour chaque montage grâce à un suffixe :ro ou :rw. Un chemin comme /workspace/RO:ro est en lecture seule, et un chemin sans suffixe, comme /workspace, est par défaut en lecture et écriture.
Les variables d’environnement fonctionnent différemment une fois que l’agent est containerisé. Il ne peut pas lire directement le fichier .env du hôte, donc elles sont transmises via le paramètre docker_forward_env dans le profil du bibliothécaire :
.env:
WIKI_PATH=/workspace
OBSIDIAN_VAULT_PATH=/workspace
Les trois couches en pratique
Une note brute en Bronze :
Une page d’évaluation en Argent :
La page d’index en Or :
Et une page de comparaisons en Or :
Ces quatre captures d’écran montrent les couches que gère le bibliothécaire. Une fois celles-ci en place, vient un test d’intégration : il s’agit de demander à l’orchestrateur de coordonner les autres agents, d’ingérer de nouvelles connaissances et de les organiser.
L’exécution du processus de bout en bout
La première étape consiste à créer le groupe de bots dans l’application desktop Hermes, comprenant l’orchestrateur, le bibliothécaire (doté des compétences en wiki) et le chercheur.
Puis on soumet une demande d’ingestion à l’orchestrateur :
@orchestrator get new article related to AGI and ASI, then store it to article, then run wiki skill
L’orchestrateur demande au chercheur de collecter des matériaux et de les stocker dans le coffre-fort. Le bibliothécaire récupère ensuite ce contenu de niveau Bronze et le promeut au niveau Silver.
Après approbation, les connaissances passent au niveau Gold, plus précisément dans les dossiers consacrés aux concepts, comparaisons, entités et requêtes du coffre-fort.
La page brute de niveau Bronze finit archivée dans le dossier des contenus bruts. Le bibliothécaire ne la lit ni ne l’analyse à nouveau, car son niveau de en-tête ainsi que son statut d’analyse ont changé.
Pourquoi ce n’est pas du RAG
Le RAG repose sur un chemin de lecture unidirectionnel. Le texte est divisé, intégré et comparé en fonction de sa similarité ; les meilleurs résultats sont collés dans une demande, puis un modèle génère une réponse. Les passages qui reviennent dépendent de probabilités, le corpus reste un index passif, et rien n’y est renvoyé.
La configuration ci-dessus fonctionne de manière inverse. Les agents naviguent dans un coffre-fort structuré par nom, lien et dossier, et ils récupèrent ce dont ils ont besoin, au moment où ils en ont besoin, de manière déterministe. Les connaissances se déplacent le long d’une frontière de politique composée de Bronze (Brut), Silver (Révision) et Gold (Wiki), et ce déplacement n’appartient à aucun processus RAG.