Гермес та Обсидіан: сховище знань із трьома агентами та людським переглядом
Налаштуйте в Hermes оркестратора, дослідника та бібліотекаря, які переміщують нотатки від рівня Бронза до Срібла та потім до Золота у сховищі Obsidian, з ізоляцією через Docker та процедурою перевірки.
Джерела: Built Multiples Agents to Research, Think and Remember on Its Own with Hermes + Obsidian
Автономну систему знань можна створити за допомогою Hermes, Obsidian та трьох взаємодіючих ролей агентів: оркестратора, дослідника та бібліотекаря. Кожна роль виконує конкретні функції, а структура папок забезпечує розділення непереглянутого матеріалу від надійних нотаток.
Компоненти
Hermes — це агент, здатний до самовдосконалення, від компанії Nous Research. Він навчається, аналізуючи власну роботу з метою додавання контексту та знань. Крім того, він має багато функцій, налаштування яких у Openclaw було б складним, що робить його більш надійним варіантом серед цих двох.
Obsidian — це додаток для нотаток, призначений для вільного форматування тексту, чия сильна сторона — поєднання нотаток між собою. Результат нагадує граф, у якому ідеї з однієї нотатки пов’язані з ідеями з іншої.
Docker контролює те, до чого може мати доступ агент. Hermes може запускати свій бекенд усередині контейнера, тож монтовані папки можна надати правами лише на читання або на читання та запис окремо.
У чому різниця від RAG
У цій схемі немає жодних етапів розділення на частини, вбудовування даних, пошуку схожості чи зберігання векторів, тому це не є пайплайном RAG. Метою є сукупність автономних агентів, які виконують свої завдання та спілкуються між собою. Бібліотекар має найскладніше завдання, адже він розділяє надійні знання від непотрібного та залучає людину, коли для прийняття рішення це необхідно.
Агенти переміщуються через структурований сховище за назвою, посиланням та папкою. Політика запису керує потоком даних: спочатку сирі дані, потім їх перегляд, а далі запис у Вікі. Це еквівалентно пайплайну ETL для знань, який переміщує контент від рівня Bronze до Silver, а потім до Gold, що забезпечує надійну обробку матеріалів та визначення якості інформації.
Оркеструвальник
Оркеструвальник — це основний агент. Його завдання просте: отримати інструкцію та передати її відповідному колезі. У файлі SOUL.md визначається його роль:
# 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
Стандартні навички та інструменти слід вимкнути. Агент, який не використовує непотрібні елементи, працює швидше:
List Disabled Skills:
llm-wiki
determinstic-codebase-auditing
List Disabled Tools:
Web Searching & Scraping
Task Delegation
Browser Automation
Встановлення бекенду у Docker ізолює робоче середовище, тож агент не може змінювати чи видаляти приватні дані на хості. Це ефективний механізм безпеки між агентом та комп’ютером.
Дослідник
Дослідник отримує завдання від оркестратора та проводить глибоке дослідження. Він ніколи не редагує вікі чи базу знань, адже його єдиними обов’язками є дослідження та узагальнення інформації. Можна додати інструменти пошуку, щоб він міг шукати інформацію в Інтернеті. Його 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
Тут також застосовується те саме скорочення стандартних навичок та інструментів:
List Disabled Skills:
llm-wiki
determinstic-codebase-auditing
List Disabled Tools:
Task Delegation
Code Execution
Cronjob
Він також працює на базі Docker для досягнення тієї ж ізоляції, а його конфігурація монтує місцезнаходження сховища у робочу зону контейнера:
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
Бібліотекар
Це ключовий елемент, адже саме він пише у wiki та контролює те, що потрапляє до нього. Знання проходять через стадії Бронзова, Срібна та Золота, і саме на стадії Срібної людина може переглянути таблицю.
Новий матеріал потрапляє до vault/raw. Усе, що потребує перевірки людиною, опиняється у vault/review. Перевірка людиною відбувається у трьох ситуаціях:
- Створюється або оновлюється сторінка.
- Новий контент суперечить існуючій сторінці.
- Попередня затверджена версія використовується для зміни контенту.
Усе в кінцевому підсумку потрапляє у золотий рівень, де зберігаються детальні сторінки, такі як концепції та ентитети. Кураторство означає зберігати те, що схвалив рецензент, та видаляти те, що ні.
SOUL.md бібліотекаря:
# 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.
Два навички дозволяють виконувати ETL: llm-wiki та llm-wiki-review, і обидві знаходяться у папці навичок бібліотекаря.
Бібліотекарю також потрібен бекенд Docker, причому його профіль у файлі config.yaml потрібно оновити наступним чином:
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
У прикладній конфігурації папка Obsidian vault містить дві підпапки: одну для wiki skill та одну для робочого простору. Папка wiki-skill монтується у /workspace у контейнері, а папка лише для читання — у /workspace/RO. Доступ налаштовується для кожного монтажу за допомогою суфікса :ro або :rw. Шлях на кшталт /workspace/RO:ro є лише для читання, а шлях без суфікса, наприклад /workspace, за замовчуванням дозволяє читати та записувати.
Змінні середовища функціонують інакше після того, як агент стає частиною контейнера. Він не може безпосередньо читати файл .env хоста, тому вони передаються через параметр docker_forward_env у профілі librarian:
.env:
WIKI_PATH=/workspace
OBSIDIAN_VAULT_PATH=/workspace
Три шари на практиці
Базова сторінка Бронзи:
Сторінка огляду Срібла:
Сторінка індексу Золота:
І сторінка порівнянь Золота:
Ці чотири скріншоти демонструють шари, якими керує бібліотекар. Після їх налаштування слід провести тест інтеграції: попросити оркестратора координувати роботу інших агентів, отримувати нові знання та їх обробляти.
Робота від початку до кінця
Першим кроком є створення групи ботів у десктопному додатку Hermes, яка містить оркестратора, бібліотекаря (з навичками роботи у вікі) та дослідника.
Потім надайте оркестратору запит на отримання даних:
@orchestrator get new article related to AGI and ASI, then store it to article, then run wiki skill
Організатор змушує дослідника збирати матеріали та зберігати їх у сховищі. Потім бібліотекар бере цей матеріал рівня „Бронза“ та піднімає його до рівня „Срібло“.
Після схвалення знання переходить до рівня „Золото“, а саме потрапляє до папок з концепціями, порівняннями, елементами та запитами сховища.
Необроблена сторінка рівня „Бронза“ опиняється у папці з необробленими матеріалами. Бібліотекар більше ніколи її не читає та не обробляє, оскільки її рівень заголовка та статус обробки змінилися.
Чому це не є RAG
RAG — це однонапрямковий шлях читання. Текст розділяється, вбудовується та порівнюється за схожістю; найкращі результати вставляються у запит, а модель пише відповідь. Те, які уривки будуть обрані, залежить від ймовірностей; корпус залишається пасивним індексом, і ніщо не повертається до нього назад.
Вищеописана схема працює навпаки. Агенти навігують у структурованому сховищі за назвою, посиланням та папкою та детерміновано отримують потрібні дані у потрібний час. Знання переміщуються в межах політики Bronze (Raw), Silver (Review) та Gold (Wiki), і це переміщення не належить до жодного процесу RAG.