Hermes AI: разочарование после 500 миллионов токенов — дорогая игрушка, а не рабочий инструмент

После полумиллиарда токенов и примерно 1000 долларов, потраченных на модели без подписок, разработчик под ником на Хабре пришёл к выводу: Hermes — дорогая игрушка, а не рабочий инструмент. Он предоставил агенту доступ к своей домашней лаборатории, но вместо стабильной помощи получил поломки gateway, падения Caddy и игнорирование явно прописанных скиллов. Это разбор того, почему Hermes не оправдал ожиданий, и какие уроки могут извлечь другие разработчики, рассматривающие AI-агентов для автоматизации.

Как разработчик тестировал Hermes: 1000 долларов и 500 миллионов токенов

Разработчик дал агенту Hermes доступ к своей домашней лаборатории, настроенной на базе Proxmox. Задача была проста: пусть агент автоматизирует рутинные операции — пишет скрипты, настраивает GPU passthrough, занимается транскрибацией. Вместо этого Hermes начал ломать собственный gateway, ронять Caddy и регулярно игнорировать явно прописанные скиллы. За всё время агент написал несколько полезных скриптов и настроил GPU passthrough с транскрибацией, но цена этих успехов оказалась слишком высокой.

Суммарно на токены было потрачено около 1000 долларов — это примерно 500 миллионов токенов. Разработчик отмечает, что оплачивал модели без подписок, поэтому каждая ошибка обходилась в реальные деньги. При этом Hermes иногда экономил время, но слишком часто проигрывал обычным скриптам и системе автоматизации n8n. Потери времени на отладку сбоев перевешивали любую выгоду.

Предыстория и контекст: почему Hermes привлёк внимание

Hermes — это AI-агент, позиционируемый как инструмент для автоматизации сложных рабочих процессов. Он способен выполнять команды в терминале, работать с API, писать код и управлять сервисами. Идея казалась заманчивой: дать агенту доступ к лаборатории и наблюдать, как он сам настраивает окружение, пишет скрипты и исправляет ошибки. На практике всё оказалось иначе.

Разработчик уже имел опыт с другими AI-инструментами, включая ChatGPT и локальные модели. Он хотел проверить, сможет ли Hermes заменить ручную настройку и написание скриптов. Для эксперимента он выделил отдельную среду в домашней лаборатории, чтобы минимизировать риски. Однако, как показал опыт, даже изолированная среда не спасла от системных сбоев.

Почему Hermes не справился: основные проблемы

Первая и главная проблема — нестабильность. Hermes регулярно ломал собственный gateway, через который проходили все запросы. Это приводило к тому, что агент переставал отвечать, и приходилось перезапускать сервис вручную. Вторая проблема — игнорирование скиллов. Разработчик явно прописал набор навыков (skills), которые агент должен был использовать, но Hermes их просто не замечал. Вместо этого он пытался решать задачи своими методами, часто ошибочными.

Третья проблема — падение Caddy. Caddy использовался как reverse proxy для доступа к сервисам лаборатории. Hermes несколько раз ронял его, что приводило к недоступности всех веб-интерфейсов. Разработчику приходилось вручную восстанавливать конфигурацию. В сумме эти проблемы делали агента не просто бесполезным, а вредным — он создавал больше работы, чем экономил.

Технические подробности: как Hermes работал в лаборатории

В лаборатории использовался Proxmox — гипервизор на базе Debian. Разработчик создал отдельную виртуальную машину для Hermes, предоставил агенту доступ к терминалу и API. Агент должен был выполнять задачи через SSH и REST-запросы.

Hermes успешно настроил GPU passthrough для виртуальной машины с транскрибацией — это позволило использовать видеокарту для обработки аудио. Также он написал несколько скриптов для автоматизации бэкапов и мониторинга. Но эти успехи были омрачены постоянными сбоями.

Агент часто зависал при выполнении длительных задач, не возвращал управление и требовал принудительной перезагрузки. При попытке исправить ошибки Hermes генерировал новые, ещё более серьёзные. Разработчик отметил, что агент не умеет учиться на своих ошибках — каждый раз он начинал с чистого листа. Это ключевой недостаток: без памяти о предыдущих действиях агент обречён повторять одни и те же ошибки.

Какие уроки можно извлечь из этого опыта с Hermes AI?

Главный урок — не доверяйте AI-агентам критически важные задачи без жёстких ограничений. Даже если агент демонстрирует успехи в отдельных операциях, его нестабильность может перечеркнуть всю экономию времени. Рекомендуется использовать изолированные среды, где сбой агента не затронет основные сервисы. Также стоит настроить автоматический откат изменений и регулярные бэкапы конфигураций.

Второй урок — проверяйте, как агент обрабатывает ошибки. Если он не умеет восстанавливаться после сбоев или игнорирует заданные правила, его ценность резко падает. Возможно, стоит рассмотреть альтернативы с открытым исходным кодом, которые можно доработать под свои нужды.

Кого затронет этот опыт и что это значит

Для разработчиков, которые рассматривают Hermes как замену рутинной автоматизации, этот случай — предупреждение. Агент пока не готов к реальным задачам в продакшене. Для бизнеса, вкладывающего средства в AI-агентов, это сигнал: не стоит доверять критически важные процессы без постоянного контроля.

В российском контексте ситуация усугубляется отсутствием локальных альтернатив с сопоставимым функционалом. Разработчики вынуждены либо мириться с нестабильностью Hermes, либо возвращаться к традиционным скриптам и n8n. Однако есть надежда, что по мере развития технологий появятся более надёжные решения.

Что будет дальше: перспективы Hermes и альтернативы

Разработчик планирует продолжать эксперименты, но уже с более строгими ограничениями. Он рассматривает возможность использования Hermes только для изолированных задач, без доступа к критическим сервисам. Также он тестирует альтернативы, включая AutoGPT и локальные модели на основе LLaMA.

Пока Hermes остаётся скорее игрушкой для энтузиастов, чем рабочим инструментом. Возможно, будущие обновления исправят основные проблемы, но на данный момент 500 миллионов токенов — это дорогой урок. Разработчикам стоит следить за обновлениями, но не спешить внедрять агента в production.

Итог

Hermes не оправдал ожиданий: после 1000 долларов и 500 миллионов токенов агент так и не стал надёжным помощником. Разработчикам стоит дважды подумать, прежде чем давать ему доступ к своим системам. Возможно, через год ситуация изменится, но пока традиционные скрипты и n8n остаются более эффективными. Опыт этого разработчика — ценный урок для всех, кто ищет идеального AI-ассистента.