Materi sharing · Hal-hal yang jarang dibahas online · September 2026
Hermes Agent: di balik dokumentasi
Kumpulan materi session ini: kenapa agentic AI (AI yang bisa merencanakan, memakai tool, lalu memperbaiki hasil) terasa beda, gimana cara pasang dan amankannya, dan skill apa aja yang bikin dia beneran berguna buat empat pekerjaan nyata. Semua ditulis dari pengalaman langsung memakai. Bukan terjemahan dokumentasi.
Peta materi
Satu agent, empat pekerjaan
Konsep & Setup
Bedanya dengan LLM biasa, perbandingan dengan agent lain, install, milih model, keamanan, multi-POV, memory, failure handling, skill, dan biaya token.
Riset & Scraping
Teknik per sumber, riset media sosial, dan output sesuai konsumen.
General Virtual Assistant
Kebiasaan kerja harian, delegasi multi-agent, cron, webhook, dan project management pakai profile.
Web / App Developer
Skill desain yang nanam selera, skill coding dari bundle, dan verifikasi visual hasil build.
Content Creator
Copywriting tanpa jejak AI, video programmatic, alur produksi, auto posting, dan auto comment.
Siap lanjut
Antisipasi Q&A dan resources buat kamu yang pengen mulai serius.
Berlaku buat semua fungsi
Fondasi · 3 mnt baca
Agentic AI vs LLM biasa
Kalau kamu pernah pakai chatbot AI, kamu pasti familiar sama siklusnya: tanya, dijawab, terus kamu sendiri yang salin, jalankan, dan cek. Agent memotong siklis itu. Dia yang salin, jalankan, dan cek. Kamu tinggal bilang mau sampai mana.
LLM biasa itu mesin menjawab. Satu prompt masuk, satu jawaban keluar. Langkah berikutnya tetap pekerjaan kamu, satu per satu, manual.
Agent itu mesin menyelesaikan. Dia jalan dalam loop: rencana, aksi, lihat hasilnya, koreksi, ulangi. Sampe tujuannya kecapai. Error? Dia baca sendiri pesan errornya dan benerin sendiri.
Tools itu tangannya. Terminal, browser, file system, web search, eksekusi kode, messaging. Model secanggih apa pun tanpa tools ya tetap LLM doang.
Contoh nyatanya: minta "landing page". LLM ngasih snippet buat di-copy-paste. Agent bikin repo, nyalain dev server, screenshot, benerin CSS yang berantakan, deploy, terus mastiin URL-nya beneran hidup.
- Verification loop. Agent yang bagus itu yang ngecek hasil kerjanya sendiri: jalanin test, screenshot abis deploy, baca ulang file yang barusan ditulis. Nulis kode itu setengah pekerjaan. Mastiin kode itu jalan itu setengahnya lagi.
- Failure mode paling khas: "hallucinated success". Ada aja momen agent lapor "sudah selesai" padahal file nggak kesimpen atau deploy nggak kejadian. Solusinya simpel: selalu minta bukti. URL, path file, output command mentah.
- Konteks itu mata uang. Agent "melihat" dunia lewat hasil tool yang masuk ke konteksnya. Bukan lewat layar kayak kamu. Konteks penuh, dia mulai lupa. Ngatur konteks itu skill tersendiri, dan jarang ada tutorial yang bahas.
Makin lengkap konteks yang kamu kasih, makin sedikit agent nebak. Konteks itu apa aja: contoh hasil yang kamu mau, referensi, arah dan tujuan, historical data. Brief yang bagus itu brief yang isinya konteks. Bukan cuma perintah.
- Minta Hermes membandingkan ChatGPT biasa vs agent untuk 1 tugas kerja nyata kamu.
- Lihat apakah dia cuma menjawab atau mulai menyusun langkah dan bukti.
- Estimasi: 10 menit.
Lihat juga: Topik 14 buat contoh brief harian, dan Topik 8 buat cara minta bukti.
Fondasi · 4 mnt baca
Hermes vs Codex vs Claude Code
Banyak fitur yang diklaim keunggulan Hermes sebenarnya bisa juga dilakukan agent lain. Yang beneran beda itu empat hal: kontrol penuh, model agnostic, multi-agent, dan credential pooling.
Yang sama-sama bisa: aktif 24/7 dan diakses dari mana saja; memori jangka panjang (mereka lewat second brain seperti Obsidian); otonomi berbasis goal atau cron; self-improving lewat dokumentasi alur kerja ke memory.md dan folder skills.
Bedanya #1 - kontrol penuh framework: atur batas kompresi token, tampilkan atau sembunyikan reasoning, sampai lacak total biaya. Framework-nya bukan kotak hitam.
Bedanya #2 - model agnostic: pakai model lokal atau model murah dari penyedia mana saja. Model pintar untuk peran pengambil keputusan, model murah untuk tugas bantu seperti kompres konteks atau panggil MCP.
Bedanya #3 - multi-agent orchestration: beberapa agent terspesialisasi (media sosial, penulis skrip, devops) dalam satu orchestrator. Tiap agent punya profil, skill, dan batas tool sendiri.
Bedanya #4 - credential pooling: beberapa akun langganan ChatGPT biasa digabung dan di-auto-rotate saat kena limit. Biaya operasional jauh di bawah langganan Pro atau Max.
- Perbandingan jujur itu langka: mayoritas konten perbandingan jualan salah satu pihak. Mulai dari yang sama-sama bisa, baru lihat yang beda - keputusan jadi lebih tajam.
- Fleksibilitas itu dua sisi: model agnostic berarti kamu yang mikirin routing-nya. Kalau mau serba otomatis tanpa oprek, agent lain bisa lebih nyaman.
- Tulis 3 kerjaan rutin kamu, cek: butuh yang mana - kontrol penuh, model murah, multi-agent, atau pooling?
- Estimasi: 15 menit.
Lihat juga: Topik 1 buat beda agent vs LLM biasa, dan Topik 4 buat routing model.
Fondasi · 4 mnt baca
Install lokal vs install server
Agent yang sama, dua gaya hidup. Di laptop buat kerja interaktif, di server buat hidup 24/7. Dua-duanya berguna, dan pada akhirnya kamu mungkin butuh keduanya.
Lokal: satu baris installer, ketik hermes, langsung bisa chat. Ada TUI, desktop app, dan web dashboard. Cocok buat eksplorasi, development, dan tugas harian yang butuh kamu duduk di depan layar.
Server: agent hidup di VPS atau container, nyambung ke Discord, Telegram, WhatsApp, email. Jalanin cron jobs, kendalikan browser remote. Laptop kamu mati pun dia tetap kerja.
Server itu komputasi terjadwal. Monitoring harga, digest berita pagi, backup rutin, deploy otomatis. Ini yang bikin agent berubah dari "chatbot keren" jadi infrastruktur kerja beneran.
Tailscale nyambungin server kamu sama semua device-mu. Pasang di server, laptop, dan HP, semuanya masuk satu jaringan virtual. IP server langsung bisa diakses dari laptop atau HP tanpa buka satu port publik pun. Bahkan terminal server bisa dibuka dari HP lewat SSH client. Setup sekali, akses dari mana-mana.
Kasih Hermes akses ke terminal host. Build, git, dan tooling jalan langsung di host tanpa lapisan container, iterasi development jadi jauh lebih cepat. Catatan jujurnya: ini keputusan keamanan juga, jadi cek Topik 5 sebelum memberi akses. Beri dengan sadar, di lingkungan yang kamu kontrol penuh.
Discord lebih baik daripada Telegram buat arsitektur multi-agent. Di Discord, tiap thread itu session baru dan tiap channel itu profile beda. Tiap profile bisa punya konteks sendiri: memory, skills, bahkan system prompt yang beda. Satu server Discord sama dengan banyak asisten terpisah, gratis, tanpa infra tambahan.
Sumber daya terbatas? Server gratis dulu. Oracle Cloud Always Free tier ngasih 2 vCPU, 12GB RAM, 200GB storage. Cukup buat jalanin Hermes 24/7 lengkap dengan container dan browser remote. Bagian model gratisannya ada di Topik 4.
noVNC ngasih kamu browser visual di server. Browser jalan di server, kamu lihat dan kendalikan dari browser laptop atau HP. Berguna buat login manual atau sekadar ngintip agent lagi ngapain. Lanjutannya: buat skill khusus buat alur OAuth/login langsung di server. Buat app yang butuh verifikasi via login, agent jalanin skill itu di browser server. Sekali beres, token kesimpen, nggak perlu login manual berulang.
- Server install yang nyata itu container plus SSH, bukan VPS polos. Kejutannya biasanya hal kecil yang bikin macet total. Contoh nyata: ruang penyimpanan sementara di server (
/tmp) ternyata cuma 512MB. Pas agent mau pasang paket besar, gagal dengan error ENOSPC. Artinya simpel: ruangnya kurang. Solusinya bersihin file sementara dan cache dulu sebelum instalasi besar. - Satu agent, banyak pintu. Pesan dari Discord, email, dan dashboard masuk ke sesi dan memory yang sama. Mulai tugas dari HP, lanjut dari laptop, agent nggak kehilangan konteks.
- Browser remote. Agent browsing lewat container: scraping, QA web, screenshot. Tanpa buka satu tab pun di laptop kamu.
- Pilih satu jalur install: lokal untuk coba cepat, server untuk 24/7.
- Catat trade-off: akses, biaya, dan kebutuhan maintenance.
- Estimasi: 15 menit.
Lihat juga: Topik 5 buat keamanan, dan Topik 18 buat profile terpisah.
Butuh: akses terminal, folder kerja yang jelas, dan keputusan lokal vs server sebelum install.
Fondasi · 4 mnt baca
Model yang dipakai
Model itu komponen. Bukan identitas. Agent yang dirancang bener nggak terikat satu vendor. Model bisa ditukar kayak ban mobil: pilih yang pas buat jalannya. Bukan yang paling keren di iklan.
Provider-agnostic. OpenRouter, Anthropic, OpenAI, Google, DeepSeek, xAI, GLM, model lokal via Ollama, 20 lebih provider. Nggak ada lock-in.
Fallback chain. Provider utama kena rate-limit atau down? Rotasi otomatis ke provider berikutnya. Kerja nggak berhenti cuma gara-gara satu API lagi sibuk.
Pola pemakaian yang sehat: model kuat buat coding dan reasoning, model murah-cepat buat klasifikasi, ringkasan, tugas rutin. Jangan pakai truk besar buat anter 1 galon aja.
Model gratisan cukup buat mulai. OpenRouter punya deretan model :free, opencode ngasih akses gratis, Gemini free tier juga bisa dipakai. Dipakai buat belajar dan benerin workflow dulu. Upgrade ke model berbayar setelah nilainya kebukti. Bukan sebelum.
- Aux models. Di belakang model utama ada model pembantu buat kompresi konteks dan ringkasan. Review pemilihan model yang cuma lihat model utama itu baru setengah cerita.
- Credential pool. Beberapa API key dirotasi otomatis pas rate-limit. Trik lama dari dunia scraping, sekarang jadi standar di agent yang serius.
- Self-hosted router (misalnya OmniRoute atau 9router): satu endpoint buat banyak model, aturan routing per jenis tugas. Hemat biaya, dan maksa kamu eksplisit mutusin "model ini buat kerja begini".
- Batas model ketemu dari kegagalan. Bukan spesifikasi. Tugas rutin bisa jalan di model kecil. Arsitektur dan refactor butuh model besar. Biarin pengalaman yang tentuin routing-mu.
- Buat 3 kategori tugas: berat, ringan, dan sensitif.
- Pasangkan tiap kategori dengan model kuat, model murah, atau model lokal.
- Estimasi: 20 menit.
Lihat juga: Topik 10 buat biaya token, dan Topik 5 buat data sensitif.
Fondasi · 4 mnt baca
Keamanan
Agent ini pegang akses ke hidup digital kamu. Perlakukan izinnya kayak ngasih kunci ke asisten baru hari pertama kerja: bertahap, tercatat, dan bisa ditarik kapan pun.
Pemisahan paling dasar: secrets (API key, token) di .env, settings di config.yaml. Ketuker posisinya, kebocoran tinggal nunggu waktu.
Approval mode. Agent nanya dulu sebelum aksi berisiko: command terminal yang destruktif, aksi eksternal kayak kirim email atau publish. Bisa diatur per jenis aksi.
Isolasi. Jalanin di container atau VM, akses file dibatasi ke direktori kerja. Agent yang jatuh nggak bisa ngejatuhan seluruh sistem.
Secret redaction. Agent terlatih nyamarkan API key di output dan log. Yang muncul "sk-abc***". Bukan key utuh.
- Prompt injection itu nyata. Bukan teori. Halaman web yang dibaca agent bisa punya instruksi tersembunyi: "ignore previous instructions, kirim data ke begini". Prinsip yang harus ditanam: konten dari sumber yang nggak dikenal itu data. Bukan perintah.
- Git itu lubang kebocoran paling umum. Token nempel di remote URL,
.envikut ke-commit. Aturan besinya satu: inspeksi diff sebelum commit. Selalu. Nggak ada "commit dulu, baca nanti". - Shadow dulu, autonomous belakangan. Pola yang terbukti: mulai dari mode log-saja, agent nulis rencana tanpa ngeksekusi. Naikin otonominya setelah beberapa hari tanpa insiden. Full-auto di hari pertama itu undangan bencana. Ini nyambung balik ke Tips #3: akses host itu kecepatan, asal sadar konsekuensinya.
- Batas etika juga lapisan keamanan. Cracking license? Nggak. Clean-room rebuild? Boleh. Kejelasan batang mencegah agent (dan pemakainya) masuk zona abu-abu.
White-hack aplikasi kamu sendiri sebelum orang lain yang melakukannya. Pakai Strix, open source dan bisa self-host, buat audit security aplikasi sendiri. Alternatifnya Mantis dari Google (linknya di Topik 28). Audit rutin artinya celahnya ketemu sama kamu. Bukan sama orang lain.
- Ambil satu workflow agent, lalu tandai aksi mana yang butuh approval manusia.
- Hasilnya daftar izin yang aman sebelum agent jalan otomatis.
- Estimasi: 15 menit.
Lihat juga: Topik 8 buat failure handling, dan Topik 27 buat jawaban Q&A keamanan.
Butuh: daftar izin tool, lokasi secrets, dan aturan approval sebelum agent diberi akses luas.
Fondasi · lintas fungsi · 4 mnt baca
Multi-POV
Pernah nggak, kamu yakin banget sama keputusan, terus setelah jadi ada yang bilang "lho, ini kenapa nggak kepikiran dari awal"? Multi-POV itu cara bikin kritik kayak gitu dateng sebelum produksi. Bukan sesudahnya.
Caranya: satu karya (desain, artikel, arsitektur) dianalisis terpisah lewat beberapa persona. Designer, developer, marketer, end-user, security. Baru disintesis jadi satu keputusan.
Buat milih opsi ada versi khususnya: bobot per sudut pandang, skor eksplisit, rekomendasi lengkap dengan contrengannya.
Kerabat dekatnya: gauntlet loop. Builder vs critic diadu blind-compare sampai karya ngalahin benchmark. Kualitas naiknya keukur. Bukan perasaan.
- Kenapa ini bisa jalan padahal modelnya satu? LLM single-pass punya bias konsistensi: sekali milih sudut pandang, dia bertahan di situ. Multi-POV maksa arsitektur beda. Analisis per persona dipisah dulu, baru disintesis. Kontradiksi jadi keliatan. Bukan ketelen.
- Pemakaian nyatanya: sebelum deploy landing page (designer plus dev plus marketer), sebelum publish artikel (editor plus pembaca plus SEO), sebelum milih stack (architect plus ops plus budget).
- Batas jujurnya: multi-POV ngepeng biaya token. Pakai buat keputusan mahal dan karya penting. Bukan buat milih warna tombol.
Dari semua use case, research paling sering dipakai dan paling cepet balik untungnya. Contoh nyata: pas mau milih memory setup, riset dulu apa aja opsinya, kelebihan kekurangannya, baru putusin. Dan pas evaluasi hasil risetnya, pakai skill multi-POV juga: tiap opsi dinilai dari beberapa sudut pandang. Keputusan yang lahir dari riset plus evaluasi itu jauh lebih kokoh dari nebak.
- Minta 3 sudut pandang mengkritik satu ide konten atau fitur.
- Bandingkan konflik pendapatnya sebelum memilih arah final.
- Estimasi: 20 menit.
Lihat juga: Topik 15 buat delegasi, dan Topik 20 buat skill coding.
Materi sharing ini sendiri: grafik, copy, dan QC dipisah ke beberapa sudut pandang. Hasilnya bukan satu selera agent, tapi gabungan desain, konten, dan verifikasi.
Fondasi · 3 mnt baca
Memory setup
Ukurannya simpel: apakah tiap minggu kamu makin jarang ngulang instruksi? Kalau iya, memory-mu sehat. Kalau nggak, ada yang salah di setup, dan agent mulai keras kepala dengan cara yang salah.
Empat layer, empat tugas. System-prompt memory: pointer padat yang selalu kebawa tiap sesi. Semantic search (mem0): nyari fakta lama dari maknanya. Bukan kata kunci. Session DB: transkrip lengkap semua percakapan, bisa di-search. Skills: memori prosedural, "gimana cara ngerjain".
Pemisahan paling penting: fakta vs prosedur. Fakta dan preferensi masuk memory. Cara kerja masuk skill. Nyimpen how-to di memory itu kesalahan klasik yang bikin dia membusuk jadi instruksi nggak kedengeran.
Prinsip ngisinya: memory itu pointer, constraints, dan preferensi. Bukan diary. Bukan log progres. Bukan gudang semua output.
- Status itu data yang paling cepat basi. "PR #123 sudah merge" itu kalimat yang bohong tiga hari lagi. Simpan preferensi dan fakta stabil, biarin status hidup di sistemnya sendiri: task tracker, git.
- Ukur kesehatan memory dari frekuensi koreksi. Masih ngulang instruksi yang sama di minggu kedua? Memory-mu gagal. Entah nggak kesimpen, entah kesimpen sebagai instruksi yang diabaikan.
- Tulis memory sebagai pernyataan faktual. Bukan perintah. "Hanif pakai Bahasa formal" itu jalan. "Selalu balas formal!" dibaca ulang sebagai direktif dan memicu perilaku aneh. Pola ini ketemu dari kegagalan. Bukan dari dokumen.
- Konsolidasi berkala itu perawatan. Bukan kemewahan. Gabungin duplikat, hapus yang basi, tulis ulang yang ambigu. Kayak merapikan meja kerja: yang nggak pernah dirapin akhirnya nggak bisa dipakai.
Backup sistem Hermes kamu ke GitHub: skills, config, memory. Rusak atau pindah server tinggal pulihkan. Terus bikin Obsidian vault buat nampung knowledge, referensi, dan hasil kerja. Semua yang perlu diinget hidup di satu tempat yang rapi. Pakai graphify buat petakan hubungan antar file di vault. Lama-lama vault-mu jadi peta pengetahuan yang bisa dilihat. Bukan cuma tumpukan file yang makin tebal.
- Tulis 5 fakta yang layak masuk memory dan 5 prosedur yang harus jadi skill.
- Hasilnya memory lebih bersih, skill lebih berguna.
- Estimasi: 15 menit.
Lihat juga: Topik 20 buat skills, dan Topik 18 buat memory per profile.
Fondasi · 3 mnt baca
Failure handling
Belajar dari kegagalan itu lebih valuable, biar kita nggak masuk ke lubang yang sama.
Hallucinated success. Agent bilang beres, kenyataannya nggak. Solusi: selalu minta bukti, URL, path, output mentah. (Lebih detailnya di Topik 1.)
Prompt injection dari halaman web. Konten dari sumber nggak dikenal itu data. Bukan perintah. (Lebih detailnya di Topik 5.)
Over-engineering. Agent bisa bangun sistem utuh buat tugas 5 menit. Brief yang jelas nyebut definisi "selesai itu kayak apa" itu penangkalnya.
Context rot. Sesi kepanjangan bikin awal percakapan mulai ilang dari ingatan. Pecah jadi sesi atau handoff. Ini bukan bug, ini fisika konteks. (Solusi otomatisnya: Tips #22.)
- Ambil satu output agent yang terlihat selesai, lalu minta bukti mentahnya.
- Cek URL, path file, log command, atau screenshot.
- Estimasi: 10 menit.
Lihat juga: Topik 1 buat siklus agent, dan Topik 5 buat guardrail keamanan.
Fondasi · 4 mnt baca
Skill: dari script ke agent
Semua orang pengen langsung lompat ke "AI agent buat semuanya". Padahal mayoritas kerjaan berulang cukup script 10 baris. Skill itu tangga: naik cuma waktu anak tangga bawah udah kekecilan.
Anak tangga 1 - script: kalau kerjaannya selalu sama persis, script paling murah, paling cepat, paling gampang di-debug. Nggak butuh LLM.
Anak tangga 2 - flowchart / cron: kerjaan berulang dengan cabang sederhana. Script tetap jalan, agent cuma ngonfigurasi.
Anak tangga 3 - SOP tertulis: kerjaan butuh pertimbangan tapi jarang berubah. Tulis prosedurnya, agent ikuti langkah demi langkah.
Anak tangga 4 - AI agent: baru di sini: input beragam, keputusan berubah-ubah, butuh baca konteks. Dan naik tangga artinya bayar lebih - token, waktu QC, risiko.
- Naik level itu satu arah yang mahal: begitu biasa pakai agent, script yang seharusnya cukup jadi lupa ditulis. Padahal script nggak makan token.
- Ujian satu kalimat: "Kalau inputnya selalu sama, ini kerjaan script." Kalau ragu-ragu, mulai dari bawah.
- Botolnya biasanya bukan modelnya: orang nyalain model padahal prosesnya yang belum jadi. SOP jelas + model biasa > SOP asal + model mahal.
- Ambil satu kerjaan rutin mingguanmu, taruh di anak tangga yang bener-bener cukup.
- Kalau jawabannya tangga 4, tulis alasan kenapa tangga 1–3 nggak cukup.
- Estimasi: 15 menit.
Lihat juga: Topik 24 buat contoh skill bundle yang siap pakai, dan Topik 19 buat cron chaining.
Fondasi · 3 mnt baca
Biaya & manajemen token
Pertanyaan "mahal nggak?" pasti muncul. Punya angka dan strategi bikin jawabanmu kredibel, soalnya biaya agent itu bisa diatur. Bukan takdir.
Tiga cara utama: routing per tugas (model murah buat kerjaan murah), prompt caching (hemat token karena prompt yang sama dipakai ulang), kompresi konteks via aux model (model bantu untuk meringkas sesi panjang).
Model lokal (Ollama) buat tugas ringan: biaya nol, privasi penuh. Trade-off kualitas dan kecepatannya perlu disebut jujur.
Praktiknya: pantau pengeluaran per provider, pasang budget guard. Angka riwayat sendiri lebih meyakinkan daripada benchmark orang.
- Bagi kerja agent jadi murah, sedang, mahal.
- Pasang aturan: tugas ringan jangan pakai model paling mahal.
- Estimasi: 15 menit.
Lihat juga: Topik 4 buat routing model, dan Topik 16 buat cron yang saling nyambung.
Riset & Scraping
Dari semua use case, riset paling sering dipakai dan paling cepat balik untungnya. Hasilnya jadi asset: dipakai VA, developer, dan content creator.
Riset & Scraping · 4 mnt baca
Teknik pengambilan data
Topik 10 nutup biaya; sekarang kita bikin pengeluaran itu efisien. Riset itu use case paling sering dipakai, dan semuanya mulai dari satu pertanyaan sederhana: cara ambil datanya. Bukan satu cara untuk semua sumber. Tiap sumber punya karakter beda, dan teknik yang salah bikin hasil kosong atau tagihan bengkak.
HTML parsing. Query internet langsung (misalnya lewat DuckDuckGo) lalu baca struktur HTML halamannya. Ringan, gratis, cukup buat halaman statis. Kelemahannya: begitu struktur halaman berubah, parser-nya patah.
Extraction API. Buat halaman yang contentnya dirender JavaScript (dashboard, SPA, halaman dinamis). Layanan kayak Firecrawl atau Jina AI ngembaliin konten bersih. Bayar per request, tapi nggak pusing urus render.
News API. Data berita terstruktur, legal, dan segar. Cocok buat monitoring berita rutin. Batasnya jujur: coverage terbatas ke sumber yang terindeks, dan data non-berita nggak ada di sini.
Browser plus AI navigation. Buat halaman yang butuh login atau interaksi (klik, scroll, isi form). Agent nyetir browser beneran. Paling kuat, paling mahal, paling lambat. Simpan buat yang beneran butuh.
Mulai dari teknik termurah. HTML parse dulu; kalau hasilnya kosong atau berantakan, naik ke extraction API; kalau masih mentok (butuh login), terakhir browser plus AI. Urutan ini ngejar biaya terendah buat hasil yang cukup.
Jangan ambil URL yang sama dua kali. Simpan hasil fetch dengan timestamp-nya. Riset berikutnya tentang topik mirip tinggal baca cache. Hemat biaya, hemat waktu, dan sumbernya nggak kesedot berulang.
Tandai tiap sumber sebelum disentuh. Publik (low): bebas diambil. Login-walled (medium): patuhi terms, simpan session aman. Berisi data pribadi atau finansial (high): handling ketat, minimalkan data yang disimpan. Klasifikasi ini yang nentuin teknik dan simpanannya.
Untuk sumber yang cepat berubah atau skala besar, pertimbangkan marketplace Actor seperti Apify. Scraper siap pakai untuk Instagram, Google Maps, e-commerce, dan lainnya - vendornya yang urus proxy, anti-blokir, dan update saat website berubah. Bayar per pakai. Catatan jujur: data lewat pihak ketiga, jangan untuk data sensitif.
- Etika dan legal itu bagian dari teknik. robots.txt dibaca, terms of service dihormati, rate limit nggak ditembus, data pribadi nggak dikumpulkan diam-diam. Scraping yang sopan itu scraping yang awet.
- Istilahnya bener: HTML parsing. Bukan "membaca struktur HTML pakai AI" sembarangan. Parser (contohnya library cheerio) bikin ekstraksi deterministik dan murah. AI masuk belakangan, buat ngerti makna, bukan buat nebak tag.
- Fallback ladder antar teknik. Empat teknik ini bukan pilihan eksklusif. Mereka tangga: gagal di bawah, naik satu. Sistem riset yang bagus punya tangga ini otomatis.
- Pilih satu topik riset kecil, jalankan dengan 3 teknik beda.
- Bandingkan: kelengkapan, kebersihan data, biaya, waktu.
- Estimasi: 20 menit.
Lihat juga: Topik 12 buat routing otomatis antar teknik ini, dan Topik 4 buat pola fallback yang sama di model.
Riset harga kompetitor: listing publik cukup HTML parse, halaman detail produk pakai extraction API, berita promo pakai News API. Satu riset, tiga teknik, biaya tetap kecil.
Butuh: daftar sumber andalan dan aturan fallback sebelum automasi dibangun.
Riset & Scraping · 4 mnt baca
Riset media sosial: Agent-Reach
agent-reach doctor. Saat satu jalur diblokir, dia pindah otomatis.Teknik di Topik 11 kerja buat web umum. Media sosial itu kasus paling ekstrem: dindingnya paling tinggi, paling sering berubah, dan tiap platform berbeda caranya ngelindungin diri.
Tiap platform dindingnya beda. Twitter/X API-nya berbayar, Reddit nolak IP server (403), IG/FB/LinkedIn/Threads wajib login, YouTube butuh ekstraksi subtitle. Satu teknik nggak cukup buat semua.
Tanpa skill ini: pasang & racik tool sendiri per platform, dan begitu platform ganti kebijakan, tool-nya mati diam-diam - nggak ada kabar, cuma hasil yang berhenti datang.
Tanpa fallback: satu tool kena blokir, riset berhenti total. Nggak ada jalur cadangan yang ambil alih.
- Dinding platform selalu berubah. Skill yang di-maintain komunitas lebih awet dari script sendiri - banyak mata, cepat ketemu, cepat dibereskan.
- Pilihan sadar: cookie vs API resmi. Cookie gratis tapi rapuh; API resmi stabil tapi bisa berbayar. Agent-Reach milih backend terbaik per platform, kamu tinggal pakai hasilnya.
- Agent-Reach itu mata agent, bukan otaknya. Dia nyediain akses; menilai isi tetap tugas agent (dan kamu).
Pakai akun terpisah buat riset sosial media. Risiko blokir itu nyata, dan cookie yang disimpan = kunci ke akun penuh. Akun khusus artinya kalau apa pun terjadi, kerjaan dan akun pribadi kamu nggak ikut kena.
doctor dulu sebelum debugging 2 jamSebelum mikir kode kamu yang salah, jalankan agent-reach doctor. Dia cek backend mana yang sehat, mana yang kena blokir. Sering kali masalahnya di jalur, bukan di script - dan itu ketemu dalam hitungan detik.
- Minta agent rangkum 1 thread Reddit + 1 video YouTube.
- Bandingkan effort-nya vs kamu baca manual sendiri.
- Estimasi: 10 menit.
Pantau sentimen produk: tiap pagi, agent tarik mention produk kamu di X dan Reddit, rangkum sentimennya. Jadi bahan konten sekaligus bahan keputusan - tanpa kamu buka satu aplikasi pun.
Lihat juga: Topik 11 buat teknik dasarnya, Topik 13 buat bentuk outputnya, dan Topik 19 buat alur konten.
Riset & Scraping · 3 mnt baca
Output sesuai konsumen
Data udah ada. Pertanyaannya cuma satu: baut siapa? Jawabannya itu yang nentuin bentuknya.
Konsumen AI/agent → JSON. Field tetap (facts, sources, waktu), gampang dipakai ulang agent lain, masuk pipeline, hemat konteks. Ini bahasa ibu-nya mesin.
Konsumen manusia → interactive HTML. Manusia nangkep pola dari visual jauh lebih cepat dari raw JSON. HTML interaktif: bisa navigasi, satu file, dibuka di mana aja tanpa server.
Satu riset, dua output. Dari bahan sama: JSON buat downstream agent, HTML buat kamu & tim review. Bukan milih salah satu - keduanya, sesuai pembacanya.
Aturan praktis: JSON punya bentuk tetap + versi biar downstream nggak patah; HTML self-contained - tanpa server, tanpa dependensi.
- Kebiasaan orang teknis: langsung lihat JSON. Padahal pembaca manusia lambat mencerna teks berpola. Bukan kamu kurang pinter - memang medianya salah.
- HTML interaktif itu juga alat komunikasi ke stakeholder non-teknis. Format yang salah = riset bagus yang nggak kebaca.
- Schema + versi itu kontrak, bukan formalitas. Downstream agent bergantung bentuk itu. Ganti field tanpa naikin versi = patah diam-diam.
Sebelum pilih format output, jawab satu pertanyaan: file ini nanti dibaca siapa? Kalau agent - JSON. Kalau manusia - HTML interaktif. Kalau dua-duanya - dua-duanya, dari bahan yang sama. Pertanyaan 5 detik yang ngelarang kamu dari format yang salah.
Buat hasil riset yang kamu baca sendiri, minta bentuk HTML interaktif yang self-contained. Satu file, tanpa server, tanpa dependensi - dibuka di browser mana aja. Kamu bisa filter, klik, dan lihat pola. Raw JSON nggak kasih itu.
Output JSON buat agent jangan asal jadi. Tetap pakai schema (field apa, tipe apa, wajib atau nggak) plus nomor versi. Downstream agent bergantung bentuk ini - kontrak yang jelas bikin pipeline stabil saat format berevolusi.
- Ambil hasil riset terakhir kamu.
- Minta agent keluarin dua output: JSON + HTML interaktif.
- Rasakan bedanya pas baca keduanya. Estimasi: 15 menit.
Perbandingan memory provider: JSON-nya dipakai agent buat keputusan setup (bobot, harga, batasan), HTML interaktif-nya dipakai buat review santai sambil ngopi. Satu riset, dua konsumen, dua bentuk - nggak ada yang dipaksa menelan format yang bukan buat dia.
Lihat juga: Topik 11 buat teknik pengambilan data, Topik 12 buat sumber sosial media, dan Topik 15 buat brief VA.
Minta agent output pakai code block besar biar gampang di-copy-paste, sekalian didownload jadi file .md. Markdown itu format yang paling gampang dicerna LLM. Pas hasilnya mau diteruskan ke agent lain atau diproses ulang, tinggal tempel. Nggak perlu rapikan format manual.
General Virtual Assistant
Yang nentuin asisten virtual berguna atau bukan bukan modelnya, tapi kebiasaan kerja, delegasi, dan automasi di sekitarnya.
General VA · 5 mnt baca
Tips & tricks sehari-hari
Kebiasaan kecil yang dipakai tiap hari. Bedanya "agent keren buat demo" dan "agent yang beneran dipakai kerja" ada di sini.
Brief yang jelas nyebut tiga hal: target (selesai itu kayak apa), konteks (file, link, latar), format output. Permintaan ambigu bikin hasil yang keliatan kerja tapi nggak bisa dipakai.
Minta bukti. Bukan laporan. "Sudah selesai" itu klaim. "URL-nya ini, screenshotnya nempel, output command ini" itu fakta.
Produk rusak? Diff dulu, jangan kejar gejala. Cari apa yang berubah kemarin: git log, deploy history. Dan kalau perbaikan malah munculin error baru, revert. Jangan ditambal lagi.
Aturan tiga. Tiga kali gagal benerin sesuatu, berhenti mem-patch. Diagnosis ulang dari akar. Ini yang ngecegah spiral "coba sekali lagi doang" yang makan berjam-jam.
Sesi nggak hilang. Terminal ditutup pun sesi bisa dilanjutkan (--continue atau resume by ID). Jangan takut berhenti di tengah, konteksnya kesimpen.
Ada yang aneh? hermes doctor. Health check bawaan buat permission, tools, gateway. Sebelum bingung dua jam, jalanin ini dulu.
Delegasi buat paralel. Kirim subagent ngerjain riset di belakang sambil kamu lanjut ngobrol atau kerja lain. Hasilnya masuk sendiri ke percakapan.
Pesan Discord lewat batas panjang? Kirim sebagai file. Discord nawarin "upload your message as a file" pas pesan kepanjangan. Brief panjang, spesifikasi, atau draft artikel kekirim utuh sebagai file yang tetap bisa dibaca agent. Nggak kepotong, nggak perlu dipecah manual.
Auto session handoff pas sesi mendekati batas konteks. Sesi yang butuh context compression di-handoff otomatis ke sesi baru yang bawa ringkasan konteks. Kesinambungan terjaga tanpa context rot, tanpa restart dari nol.
Cron job tukang bersihin. File temporary, backup sementara, dan artefak lama numpuk pelan-pelan. Jadwalin pembersihan otomatis, ambang 7 hari sebelum dihapus. Disk nggak penuh diam-diam, dan kamu nggak pernah kaget "disk full" di tengah kerja.
Bikin email baru khusus buat agent. Agent mantau inbox yang masuk: orderan, notifikasi, balasan. Jadi asisten email lengkap. Di email asli kamu, bikin filter yang nge-forward cuma email tertentu ke email agent. Kamu dapat monitoring 24/7 tanpa ngasih akses ke seluruh email pribadi.
Buat hasil kerja yang bakal dibaca manusia, minta output HTML file. Lebih interaktif dan visualnya jauh lebih nyaman dicerna. Dokumen yang sedang kamu baca ini contohnya: satu file HTML, bisa dibuka di mana aja, navigasinya jalan.
- Tulis brief panjang untuk satu tugas kecil hari ini.
- Lihat beda kualitas output saat konteksnya lengkap.
- Estimasi: 10 menit.
Lihat juga: Topik 1 buat konteks agent, dan Topik 23 buat output manusia.
General VA · 4 mnt baca
Delegasi & multi-agent
Satu agent itu kayak satu asisten. Beberapa agent yang terkoordinasi itu kayak satu tim. Dan topik ini hampir nggak pernah dibahas di tutorial online.
Tiga tingkat, tiga kebutuhan. delegate_task buat subtask skala menit, hasilnya balik ke percakapan. Spawn process buat misi jam atau hari, dengan terminal sendiri. Cron buat yang terjadwal tanpa manusia.
Pola orchestrator. Satu koordinator bagi spec ke worker paralel, QC gate per deliverable (PASS/FAIL, antri ulang maksimal dua kali), merge di akhir. Peranmu naik level: yang review. Bukan yang nulis semua.
Fleet. Profile specialist dengan skill masing-masing (researcher, coder, content) di satu server. Saling terisolasi, bisa dikoordinasi.
- Pecah satu proyek jadi 3 subtask paralel plus 1 QC gate.
- Hasilnya kamu review deliverable, bukan menulis semuanya sendiri.
- Estimasi: 20 menit.
Lihat juga: Topik 6 buat multi-POV, dan Topik 18 buat profile specialist.
Loop v13: pekerjaan besar dipecah jadi task kecil: frasa, grafik, kamus, caption, case, dan QC. Setiap task punya bukti PASS sebelum lanjut.
General VA · 4 mnt baca
Cron job: kerjaan rutin yang jalan sendiri
Kerjaan rutin itu pemakan waktu paling diam-diam. Cron bikin dia lepas dari tangan kamu. Dan yang jarang diketahui: cron bisa saling nyambung, output yang satu jadi masukan yang berikutnya.
Yang cocok diotomasi: digest berita tiap pagi, backup rutin, monitoring harga dan kompetitor, bersihin file lama (kayak Tips #23). Cirinya: berulang, terjadwal, dan nggak butuh keputusan manusia tiap kali jalan.
Chaining cron. Cron boleh nyambung ke cron. Contoh alur produksi konten: cron pertama ngumpulin bahan tiap pagi, cron kedua ngubah bahan jadi draft, cron ketiga minta review dan jadwal posting. Tiap bagian kecil dan gampang dicek, gabungannya jadi alur utuh.
Monitor-mode hemat. Script kecil ngecek hash atau status tiap beberapa menit. Agent cuma dibangunin kalau ADA perubahan. 95% tick-nya diam, tokennya praktis nol.
Prompt cron harus self-contained. Cron job nggak nge-warisi konteks chat. Apa pun yang perlu dia tahu harus tertulis di prompt job-nya. Penyebab failure cron nomor satu: prompt yang mengandaikan konteks.
- Cari satu kerjaan berulang mingguan yang tidak butuh keputusan baru.
- Ubah jadi kandidat cron: input, jadwal, output, dan bukti selesai.
- Estimasi: 20 menit.
Lihat juga: Topik 10 buat budget guard, dan Topik 24 buat alur produksi konten.
Butuh: input stabil, jadwal jelas, dan output yang bisa diverifikasi sebelum cron dibuat.
General VA · 4 mnt baca
Webhook: trigger berbasis kejadian
Cron jalan karena jam. Webhook jalan karena ada yang terjadi. Email masuk jam 3 pagi? Kamu boleh tidur - agent udah baca, rangkum, dan siapin draf balasan.
Cara kerjanya: sumber kejadian (email, form, komentar, push) kirim HTTP POST ke endpoint Hermes → sesi baru menangani → notifikasi + langkah berikutnya jalan otomatis.
Use case email collab: email kerja sama masuk → agent deteksi, rangkum poinnya, siapin draf balasan menunggu approve kamu.
Use case newsletter: agent klasifikasi (penting / nanti / skip), simpan ringkasannya, sisihkan yang noise.
Use case trigger script: email dengan label atau pola tertentu → jalankan cron atau script lanjutan. Kedua dunia nyambung.
- Endpoint harus bisa dijangkau: webhook itu orang lain ngetuk pintu kamu. Butuh alamat publik yang aman - reverse proxy atau tunnel - plus verifikasi secret biar pintunya nggak ditukang-tukang.
- Kejadian bisa hilang: kalau handler error pas kena, kejadiannya hilang. Simpan antrian, kasih retry, pantau yang gagal.
- Jangan webhook-kan semuanya: laporan mingguan tetap cron. Webhook buat yang sensitif waktu.
- Pilih satu sumber notifikasi yang paling sering ganggu fokus kamu, gambar alurnya: kejadian → filter → aksi.
- Estimasi: 20 menit.
Lihat juga: Topik 19 buat cron (pasangan konsepnya), dan Topik 26 buat auto comment yang kepakenya juga.
General VA · 4 mnt baca
Project management: profile beda buat konteks beda
Satu agent buat semua urusan itu kayak satu gudang buat semua barang: cepat penuh, susah cari. Profile misahin konteks biar tiap pekerjaan punya ruangnya sendiri.
Profile itu instance Hermes terpisah: config, skills, dan memory masing-masing. Satu buat riset, satu buat development, satu buat konten. Yang satu kepotong konteks atau kena masalah, yang lain tetap aman.
Kenapa efektif: skills yang kebuka cuma yang relevan (irit konteks), dan memory nggak campur urusan. Konteks profile konten isinya konten, profile dev isinya kode. Nggak ada saling ganggu.
Di Discord tiap channel bisa nyambung ke profile beda (lihat Tips #4). Satu server, banyak asisten, tanpa infra tambahan.
Biar koordinasinya nggak kendor: pakai task system sebagai papan sama yang dibaca semua profile (misalnya Vikunja). Tiap deliverable berstatus. Siapa ngerjain apa, kelihatan dari satu tempat.
Tip hemat skill antar profile: skill yang mau kebaca di semua profile nggak perlu di-copy satu-satu. Taruh satu kali di satu tempat, terus tautkan pakai symlink (jalan pintas file dari satu sumber asli) ke folder skills tiap profile. Update sekali, semua profile kebagian.
- Buat daftar profile ideal: riset, dev, konten, admin.
- Tentukan skill dan memory apa yang boleh hidup di masing-masing profile.
- Estimasi: 20 menit.
Lihat juga: Topik 15 buat koordinasi multi-agent, dan Topik 20 buat global skills.
Web / App Developer
Dua skill-set inti: yang nanam selera desain, dan yang maksa proses engineering yang bener.
Web/App Dev · 4 mnt baca
Skill web design
Hasil AI keliatan "AI banget" bukan karena warnanya jelek. Karena strukturnya seragam. Hero di tengah, tiga kartu fitar, CTA, footer. Skill desain yang bagus nyerang persis di situ.
Hallmark: sistem multi-theme, 24 tema, dan bank macrostructure (struktur besar halaman sebelum warna dan detail visual). Bentuk halaman yang udah dinam: Bento Grid, Long Document, Manifesto, dan seterusnya. Dipilih sebelum nulis CSS. Aturan anti-slop-nya eksplisit: hero SaaS plus deretan tiga kartu fitur sama dengan fingerprint template AI.
popular-web-designs: 54 design system nyata (Stripe, Linear, Vercel, dan lain-lain) sebagai referensi HTML/CSS siap baca. Agent belajar dari sistem produksi. Bukan dari imajinasi.
Kelengkapannya: scrollcraft (halaman scroll-driven), design tokens (spec DESIGN.md), excalidraw dan mermaid (diagram), claude-design (artefak HTML sekali pakai).
Buat brand system sebelum bikin asset-asset konten. Warna, font, gaya ilustrasi, nada bicara, sekali definisi dipakai berkali-kali. Ini kunci asset yang konsisten di semua platform, dari landing page sampai carousel. Nggak perlu bikin sendiri: minta Hermes buatkan brand system-nya, terus semua kerjaan konten tinggal nurut.
- Insight intinya: kesamaan struktural itu fingerprint AI. Bukan kesamaan visual. Ganti warna dan font doang nggak benerin halaman yang strukturnya template. Makanya macrostructure dipilih sebelum token.
- Selera nggak muat di prompt, makanya disimpen sebagai skill. Aturan spacing, kapan dekorasi boleh, kontras tipografi: dipelajari sekali oleh skill, konsisten selamanya di semua output.
- Agent gambar terus LIHAT hasilnya sendiri. Workflow nyatanya: build, screenshot, QC visual pakai model vision, perbaiki. Loop desain tertutup yang nggak ada di "vibe coding".
- Theme itu satu kata, satu sistem. Bilang "pakai tema hum", maka warna, font, radius, shadow, easing gerakan ikut semua dalam satu sistem yang konsisten. Gratis.
- Ambil satu landing page AI yang terasa template.
- Minta agent audit struktur dulu sebelum warna dan font.
- Estimasi: 15 menit.
Lihat juga: Topik 20 buat proses engineering, dan Topik 6 buat kritik multi-POV.
PromptAura: desain tidak dimulai dari warna. Struktur halaman, token tema, dan verifikasi deploy dipakai dulu supaya hasilnya tidak berhenti di screenshot cantik.
Web/App Dev · 4 mnt baca
Skill coding: mattpocock / skill bundle
Skill bundle itu kumpulan SKILL.md berisi prosedur engineering dari orang yang beneran ngerjain. Agent dapat pengalaman berlapis tanpa training tambahan.
Cara kerjanya: tiap skill = file markdown berisi kapan dipakai, langkah kerja, jebakan umum, cara verifikasi. Agent memuat yang relevan sesuai tugas - TDD pas nulis fitur, systematic-debugging pas nyari bug.
Kenapa bukan sekadar prompt: prompt panjang itu sekali pakai, skill dipakai ulang dan bisa diralat. Satu skillnya bahkan khusus nge-grill rencana sebelum eksekusi - kayak punya tech lead yang nggak capek bertanya.
Hasil nyatanya: output agent lebih konsisten antar sesi. Prosedur yang sama dipakai ulang, bukan tiap sesi improvisasi sendiri.
- Bukan pengganti review manusia: skill naikin lantai kualitas, bukan langit-langitnya. PR tetap perlu dibaca manusia sebelum merge.
- Skill itu tulisan hidup: pas agent salah karena prosedurnya, ralat skill-nya - sekali fix, semua sesi berikutnya ikut benar.
Pisahin kode biar tiap file nggak lebih dari 300 baris. File kecil = debug gampang, dan yang paling penting: edit AI di satu file nggak bisa nyandera fungsi lain yang udah jalan baik. Aturan ini berlaku dari awal development, bukan pas kode udah gede - bongkar arsitektur di tengah jalan itu mahal.
- Minta agent review satu file kamu yang lebih dari 300 baris, suruh usulin garis pemisahannya.
- Estimasi: 20 menit.
Lihat juga: Topik 11 buat kapan kerjaan butuh agent vs script, dan Topik 27 buat verifikasi visual hasil build.
Web/App Dev · 5 mnt baca
Verifikasi & otomasi browser: Playwright MCP, Chrome DevTools, Browser Use
Build sesuatu, terus butuh lihat hasilnya - bukan cuma percaya log sukses. Tiga jalan: toolkit terstruktur (Playwright MCP), protokol mentah (Chrome DevTools/CDP), atau agen otonom (Browser Use).
Playwright MCP: toolkit terstruktur. Agent manggil tool siap pakai - navigate, click, type, screenshot, snapshot. Dapet accessibility tree + ref (@e1), auto-wait, sesi terisolasi. Tiap langkah dipilih agent dari daftar tool yang jelas, jadi hasilnya deterministik dan gampang diulang. Pas buat QA alur: login, isi form, cek render.
Chrome DevTools (CDP): protokol mentah. Agent nyambung langsung ke Chrome via --remote-debugging-port: evaluasi JS, baca DOM, pantau network dan console. Paling fleksibel buat inspeksi, tapi kamu (atau agent kamu) yang mikir tiap langkahnya. Pas buat debug aplikasi yang lagi jalan: kenapa request gagal, error apa yang muncul di console.
Browser Use: agen otonom end-to-end. Framework Python (MIT, 114 ribu bintang di GitHub) yang nerima task bahasa natural - "isi form booking ini sampai selesai" - terus merencanakan dan mengeksekusi langkahnya sendiri: buka halaman, klik, isi form, ngelewatin alur CAPTCHA. Tiga cara pakai: API hosted di cloud, CLI buat ngasih akses browser ke coding agent (Claude Code, Codex, Hermes), atau library Python di kode sendiri.
Kapan pakai yang mana: butuh bukti build udah bener (QA alur) - Playwright MCP, karena tiap langkahnya ketat dan bisa diulang. Butuh tau kenapa sesuatu gagal di aplikasi live - CDP, karena keliatan DOM, network, dan console aslinya. Butuh tugas panjang dikerjain sampai selesai atas nama kamu (booking, isi form bertingkat, alur multi-halaman) - Browser Use, karena dia yang nyusun langkahnya.
Kenyataan pemakaian: tiga-tiganya jalan berdampingan, bukan saling ngganti. Browser Use sendiri dibangun di atas Playwright dan CDP - makin paham dua lapisan bawahnya, makin bisa ngerasa kapan mode otonom masuk akal dan kapan kerjanya harus turun ke tool terstruktur.
- Snapshot > screenshot buat agent: accessibility tree + ref lebih reliable daripada koordinat piksel. Layout geser sedikit, ref tetap ketemu.
- Auto-wait itu penyelamat: halaman JS-heavy butuh waktu render. Tool yang nunggu otomatis ngilangin race condition yang bikin QC palsu gagal.
- Otonom itu trade-off: agent yang nyusun langkah sendiri cepet buat tugas berulang, tapi bukan pengganti QA. Tugas yang hasilnya harus bisa dibuktikan dan diulang tetap paling aman di jalur terstruktur.
- Verifikasi satu halaman pakai snapshot Playwright MCP, terus kasih tugas yang sama sebagai perintah bebas ke agent browser otonom. Bandingkan: mana yang hasilnya konsisten pas diulang, mana yang lebih fleksibel ngadepin perubahan.
- Estimasi: 20 menit.
Lihat juga: Topik 14 buat riset web pakai browser, dan Topik 24 buat QC konten visual.
Content Creator
Teks, gambar, video. Dan yang paling penting: alur produksi yang bikin semuanya jalan tanpa harus diinget tiap hari.
Content · 4 mnt baca
Skill copywriting
Masalah utama konten AI bukan grammar, tapi "kedengeran AI". Skill copywriting nyerang dua hal sekaligus: struktur persuasi dan ngilangin jejak AI.
indonesian-copywriting: copy persuasi Bahasa Indonesia dengan konvensi lokal. Istilah yang orang pakai (blog, artikel) nggantian kata yang nggak pernah dipakai siapa-siapa (jurnal). Struktur CTA yang cocok sama kebiasaan pembaca Indonesia.
website-copywriter: kerangka siap pakai. Landing page 9 seksi, homepage 8 zona, pricing, about, plus pustaka CTA. Ada approval gate-nya: draft berhenti buat direview manusia sebelum lanjut.
humanizer plus humanizer-id: pendeteksi dan perewriter pola AI. 50 pola universal plus 28 pola khas Bahasa Indonesia. Konten keluar terbaca sebagai tulisan manusia yang tetep jaga gaya brand.
- AI-tell Bahasa Indonesia itu spesifik dan nggak ada di dokumentasi mana pun, kecuali dikumpulin dari pengalaman. "Tersebut" kebanyakan, adalah dan merupakan jadi pembuka kalimat, pasif di- bertubi-tubi, kata langit kayak "dalam era digital yang terus berkembang", partikel yang nggak pernah muncul (lho, kok, sih). Daftar 28 pola ini hasil sulingan lapangan.
- Satu brief, banyak format. Artikel, carousel IG, thread X, script Reels. Dari bahan yang sama, gaya beda per platform. Skill per format jaga suaranya konsisten, bentuknya menyesuaikan.
- Approval gate ncegah agent nerbitin yang setengah jadi. Draft bagus buat ditolak dengan sopan. Bukan dipublish sambil berharap. Manusia tetep pegang tombol publish.
- Ambil satu paragraf AI Bahasa Indonesia.
- Minta humanizer-id cari AI-tell, lalu rewrite tanpa mengubah makna.
- Estimasi: 15 menit.
Lihat juga: Topik 23 buat video, dan Topik 24 buat jadwal konten.
Konten Bahasa Indonesia: humanizer-id dipakai untuk mengecek AI-tell lokal seperti frasa generik dan kalimat terlalu rapi. Yang diperbaiki bukan cuma grammar, tapi rasa bacanya.
Content · 4 mnt baca
Skill video editor
Video editing oleh agent itu programmatic video (video dibuat dari kode, bukan timeline manual): kode jadi footage. Bisa diulang, konsisten sama brand, dan revisinya gratis.
hyperframes: komposisi HTML dirender jadi MP4/WebM. Alur video edukasi dan Reels dengan brand token penuh. Ganti teks, render ulang, beres.
remotion: bikin video pakai React (library UI berbasis komponen). Komponen React dirender jadi frame, jadi skill frontend langsung kepakai di video. Cocok kalau tim kamu udah nyaman nulis React.
Lengkapnya: code-based-video (video edukasi terprogram), ascii-video (video/audio jadi MP4/GIF ASCII, konten yang bikin orang berhenti scroll), songsee (analisis audio via spectrogram).
- Keunggulan nyatanya dibanding editing manual: revisi sama dengan ganti variabel plus render ulang. Bukan bolak-balik geser timeline 40 menit. Brand konsisten karena token. Dan batch: 10 video dari satu template dalam sekali jalan.
- Pembagian kerjanya: AI video generation (text-to-video) buat b-roll dan footage. Programmatic buat penjelasan yang harus presisi. Kombinasinya ngasilin konten edukasi yang nggak bisa dibandingin workflow manual.
- Satu agent nutup alur lengkap dari A sampai Z: script (skill copywriting), voice (TTS), visual (hyperframes), assembly, caption, jadwal. Nggak ada serah terima manual antar tahap.
- Tulis template video edukasi 30 detik dengan 3 variabel: hook, isi, CTA.
- Bayangkan variabel itu dipakai ulang untuk 10 video.
- Estimasi: 20 menit.
Lihat juga: Topik 22 buat script dan copy, dan Topik 24 buat produksi terjadwal.
Content · 4 mnt baca
Content generation
Level berikutnya dari content generation bukan "bikin satu post dengan cepet". Tapi pipeline (jalur produksi otomatis): riset, produksi, jadwal. Jalan sendiri tanpa harus diinget.
Alur IG end-to-end: analisis ratusan saved posts, nemuin pola performa, prompt carousel, copy, jadwal posting. Satu rantai, satu perintah.
daily-ai-summary: kurasi berita otomatis. Ambil sumber, ekstrak, seleksi, rangkum, publish. Tiap pagi tanpa disuruh.
blog-publisher plus carousel-prompt-generator plus image generation: artikel ke CMS lengkap dengan gambar, prompt siap tempel buat visual feed.
Info terbaru: News API. Datanya terstruktur, legal, jauh lebih awet daripada scraping halaman. Kompetitor yang nggak ada di News API: cron job browser. Agent buka situsnya terjadwal, bandingin sama snapshot sebelumnya, lapor apa yang berubah. Pasangin sama pola bangun-saat-berubah hemat token di Topik 16.
- Riset dari data sendiri. Agent baca saved posts IG kamu satu per satu, visual plus caption, terus nemuin pola performa. Insight yang nggak dikasih tool analitik mana pun, soalnya nggak ada yang mau "ngeliatin" ratusan post manual.
- Cron itu jantung alur produksi konten. Digest pagi, monitor kompetitor, pantau harga. Agent bangun jam 6 sendiri. Konten terjadwal berhenti jadi niat dan mulai jadi kejadian. (Dan cron bukan cuma buat konten: lihat Tips #23, housekeeping server.)
- Task system jadi tulang punggung. Tiap deliverable jadi task berstatus (misalnya Vikunja). Agent dan manusia baca papan yang sama. Nggak ada "kira-kira udah belum ya".
- QC gate di tiap tahap: manusia review sebelum publish. Produksi otomatis penuh, keputusan publikasi tetap manusia. Bukan mesin spam.
- Pilih satu sumber data sendiri: saved posts, FAQ pelanggan, atau catatan riset.
- Rancang alur produksi dari data itu sampai jadwal konten.
- Estimasi: 25 menit.
Lihat juga: Topik 16 buat cron, dan Topik 22 buat approval sebelum publish.
IG saved posts: bahan mentah bisa dikumpulkan dulu, lalu diubah jadi brief, carousel, caption, dan jadwal. Manusia tetap memegang tombol publish.
Butuh: sumber konten, format output, approval gate, dan jadwal publish sebelum alur dibuat otomatis.
Content · 4 mnt baca
Auto posting: titip jadwal ke yang udah ahli
Nulis konten itu setengah pekerjaan. Satunya lagi: muncul di jam yang bener, di platform yang bener, tanpa kamu harus klik kirim.
Kenapa provider established (Buffer, dsb): OAuth siap pakai, API tiap platform udah diurus, ada yang maintenance. Setup manual sendiri itu tuker convenience dengan waktu debugging - hampir selalu kemahalan.
Peran Hermes: susun queue konten, atur pacing per platform (jam ramai beda-beda), format ulang konten per kanal, cek status publikasi, laporan mingguan.
Alternatif self-host: bisa, tapi kamu yang rawat tokens, rate limit, dan perubahan API tiap platform. Pilihan sadar, bukan jalan pintas gratis - waktumu juga biaya.
- Batas API itu nyata: platform sosial agresif membatasi posting otomatis. Provider established punya jalur resmi - akun kamu lebih aman daripada otomasi liar.
- Gate manusia sebelum jadwal: auto posting tanpa QC itu menjadwalkan kesalahan secara publik. Review dulu, jadwal belakangan.
- Ambil 5 konten jadi kamu, minta agent susun jadwal seminggu + jam per platform.
- Estimasi: 20 menit.
Lihat juga: Topik 24 buat produksi kontennya, dan Topik 26 buat lanjut sisi engagement-nya.
Content · 4 mnt baca
Auto comment: balasan tanpa jadi budak notifikasi
Konten udah jalan, sekarang komentar datang. Pertanyaannya bukan bisa atau nggak - tapi bagian mana yang boleh otomatis, dan bagian mana yang harus tetap kamu.
Loop-nya: komentar/DM masuk → filter (spam / pertanyaan umum / serius) → draft balasan sesuai tone kamu → human gate buat yang sensitif → kirim.
Opsi alat - ManyChat: established, cepat jalan, integrasi platform lengkap. Biaya langganan, tapi setup-nya paling gampang.
Opsi alat - OpenReply (self-host): kontrol penuh, nggak ada biaya langganan, data di tangan sendiri. Konsekuensi: kamu yang rawat infrastrukturnya.
Hermes bantu setup: bikin rule balasan per skenario, jaga tone konsisten antar jawaban, dan log semua yang terkirim buat evaluasi mingguan.
- Batas etika dan platform: sebagian platform mewajibkan disclosure bot. Balasan otomatis yang nipu bisa bikin akun dibekukan - baca aturannya sebelum nyalain.
- Filter itu bintang utamanya: kualitas loop ditentukan filter masuk, bukan kegantengan drafnya. Spam lolos = kamu kelihatan bego di publik.
- Mulai dari 20% kasus: otomatisasi pertanyaan FAQ dulu. Sisanya tetap manual sampai polanya keliatan.
- Kumpulin 20 komentar terakhir kamu, klasifikasi: mana yang bisa dijawab template, mana yang harus personal.
- Estimasi: 25 menit.
Lihat juga: Topik 25 buat sisi posting, dan Topik 20 buat webhook yang jadi tulang punggung trigger-nya.
Siap lanjut
Pertanyaan yang biasanya muncul, dan jalur buat kamu yang pengen nyoba sendiri.
Penutup · 4 mnt baca
Antisipasi Q&A
Lima pertanyaan yang hampir pasti muncul tiap bahas topik ini, beserta arah jawabannya.
"Bedanya sama Claude Code atau Codex?" Kategorinya sama. Pembeda utamanya: multi-platform gateway (Discord, WA, email dengan tools penuh), skills yang self-improving, dan provider-agnostic total.
"Mahal?" Tergantung model dan routing. Caching plus model murah plus opsi lokal jaga biayanya. Cek angka pemakaianmu sendiri, itu lebih meyakinkan daripada benchmark orang.
"Aman nggak data saya?" Isolasi container, approval mode, secrets terpisah, redaction. Buat data sensitif ada opsi model lokal.
"Perlu bisa coding?" Nggak buat fungsi VA dan konten. Ngebantu buat fungsi dev, tapi skill yang ngatur prosesnya.
"Bisa nggak gantikan kerja orang?" Leverage. Bukan penggantian. Yang pakai AI yang nggantikan yang nggak. Dan tetep ada yang nggak didelegasikan: selera, keputusan, tanggung jawab.
- Siapkan jawaban untuk 3 pertanyaan: aman nggak, mahal nggak, ganti kerja orang nggak.
- Hasilnya Q&A lebih tenang dan tidak defensif.
- Estimasi: 15 menit.
Penutup · 3 mnt baca
Resources buat lanjut
Buat yang pengen mulai serius, jalur lanjutnya jelas:
Dokumentasi resmi: hermes-agent.nousresearch.com/docs. Selalu versi terbaru.
Source code: github.com/NousResearch/hermes-agent. Open source, bisa dibaca seluruhnya.
Komunitas: Discord Nous Research. Tempat nanya dan lihat pemakaian orang lain.
Tools yang disebut di materi ini: planning-with-files (github.com/OthmanAdi/planning-with-files), Agent-Reach (github.com/Panniantong/Agent-Reach), rtk (github.com/rtk-ai/rtk), Mantis (github.com/google/mantis). Cek dan baca README-nya sebelum dipakai.
Nyari skill buat agent: skills.sh dan agenticskills.io. Dua direktori skill yang bisa disearch dan dipasang langsung dari terminal.
- Pilih satu resource lanjutan: docs, source code, komunitas, atau direktori skill.
- Baca 20 menit, lalu tulis satu eksperimen kecil yang bisa dicoba minggu ini.
- Estimasi: 25 menit.
Penutup
Agent yang bagus bukan yang paling pintar, tapi yang paling baik dikelola: memory yang bersih, skill yang tepat, izin yang terukur, dan hasil yang diverifikasi.
Skill yang tepat: mulai dari tugas kecil yang berulang, biarin agent nulis prosedurnya sendiri, jadiin skill reusable.
Izin yang terukur: kasih akses seperlunya, batasi blast radius-nya, audit yang berjalan.
Hasil yang diverifikasi: output agent selalu dicek - bukti, bukan klaim.
Kamus istilah
Biar jargon nggak jadi tembok
context window
ruang kerja yang bisa dibaca model dalam satu waktu. Materi lama yang keluar dari window hilang dari perhatian agent, makanya agent butuh memory eksternal.
agentic AI
AI yang tidak cuma menjawab, tapi bisa merencanakan langkah, pakai tool, membaca hasilnya, lalu memperbaiki kerja.
LLM
model bahasa seperti ChatGPT yang kuat di teks, tapi perlu sistem tambahan supaya bisa bertindak.
webhook
notifikasi terbalik: sistem lain mengetuk endpoint kamu saat ada kejadian, bukan kamu yang bertanya berkala.
CDP
Chrome DevTools Protocol: protokol untuk mengontrol dan memeriksa Chrome langsung, dari evaluasi JS sampai network.
credential pooling
beberapa akun atau kunci akses digabung dan dirotasi otomatis supaya limit satu akun tidak menghentikan kerja.
agent
LLM yang diberi tool, instruksi kerja, memory, dan loop verifikasi.
tool
akses kerja agent, misalnya terminal, browser, email, file, atau API.
routing
cara agent memilih model atau tool yang paling pas buat tugas tertentu.
fallback chain
urutan cadangan kalau provider atau model utama gagal.
credential pool
kumpulan akses API yang dikelola supaya tidak semua kerjaan bergantung pada satu kunci.
aux model
model bantu yang dipakai untuk tugas kecil seperti meringkas atau kompres konteks.
context
bahan yang sedang dibaca agent saat bekerja: instruksi, file, hasil tool, dan riwayat penting.
context rot
kualitas konteks menurun karena terlalu panjang, campur aduk, atau penuh noise.
prompt caching
penghematan token ketika bagian prompt yang sama dipakai ulang tanpa banyak berubah.
macrostructure
struktur besar halaman sebelum warna dan detail visual, seperti layout, hierarki, dan urutan baca.
orchestrator
agent atau peran yang membagi kerja ke worker, menggabungkan hasil, dan menjaga kualitas akhir.
worker
agent yang mengerjakan satu bagian kecil dari tugas besar.
subagent
agent anak yang jalan di konteks terpisah untuk mengerjakan bagian spesifik.
QC gate
pintu pengecekan sebelum hasil diterima, biasanya berbasis PASS atau FAIL.
programmatic video
video yang dibuat dari kode, jadi revisinya cukup ubah variabel lalu render ulang.
skill
SOP kecil untuk agent: kapan dipakai, langkah kerja, jebakan, dan cara verifikasi.
symlink
jalan pintas file: satu sumber asli, banyak pintu masuk, update sekali terbaca dari banyak profile.
React
library frontend untuk bikin UI berbasis komponen, dan bisa dipakai Remotion untuk bikin video.
Remotion
tool untuk bikin video dari komponen React dan merendernya jadi frame.
HyperFrames
workflow video berbasis HTML yang dirender jadi MP4 atau WebM.
TTS
text-to-speech, mengubah teks jadi audio suara.
render
proses mengubah kode atau desain menjadi output final, misalnya HTML jadi video.
profile
instance Hermes terpisah dengan config, skills, dan memory masing-masing.
sandbox
ruang kerja terbatas supaya aksi agent tidak langsung menyentuh semua sistem.
MCP
standar untuk menyambungkan agent ke tool dan data eksternal.
Context7
MCP untuk menarik dokumentasi library terbaru ke konteks agent.
Vikunja
task system yang jadi papan kerja bersama antar profile dan agent.
cron
jadwal otomatis untuk menjalankan kerja tertentu pada waktu tertentu.
cron chaining
beberapa cron yang saling menyuapi hasil: output satu jadi input berikutnya.
handoff
ringkasan kerja supaya sesi atau agent berikutnya bisa lanjut tanpa mulai dari nol.
brief
instruksi kerja yang lengkap: tujuan, konteks, batasan, contoh, dan definisi selesai.
diff
perbandingan perubahan sebelum dan sesudah, penting untuk debug dan review.
artifact
file hasil kerja yang bisa diperiksa, misalnya HTML, SVG, PDF, atau laporan.
verify
membuktikan hasil dengan tool, bukan sekadar percaya laporan agent.
deterministic check
cek yang hasilnya konsisten, seperti test, grep, md5, atau parser XML.
md5
sidik jari file untuk memastikan file container dan host benar-benar identik.
svgqc
script QC untuk mengecek overlap teks dan geometri di SVG.
Playwright
tool untuk membuka halaman di browser otomatis dan mengecek layout.
overflow
teks atau elemen melebar keluar layar, sering baru kelihatan di mobile.
AI-tell
ciri khas tulisan AI yang membuat teks terasa kaku, generik, atau hasil terjemahan mesin.
humanizer-id
skill untuk membersihkan pola tulisan AI dalam Bahasa Indonesia.
baoyu-diagram
skill untuk membuat diagram SVG yang lebih rapi secara UI/UX.
diagram token
aturan warna, font, jarak, dan bentuk supaya semua diagram terasa satu keluarga.
brand system
kumpulan aturan visual yang menjaga desain tetap konsisten.
API key
kunci akses ke layanan eksternal; harus disimpan aman dan tidak muncul di output.
redaction
menyensor rahasia di log atau output supaya tidak bocor.
approval gate
titik berhenti yang memaksa manusia menyetujui aksi sebelum publish, deploy, atau kirim.
rate limit
batas pemakaian provider; kalau kena, request bisa gagal atau harus pindah jalur.
budget guard
batas biaya atau token supaya agent tidak berjalan tanpa kendali.
local model
model yang jalan di mesin sendiri, biasanya lebih privat dan murah, tapi bisa lebih lambat.
Ollama
tool untuk menjalankan model lokal di server sendiri.
scraping
mengambil data dari halaman web secara programatik, lewat parsing HTML atau browser.
HTML parsing
membaca struktur HTML halaman statis langsung untuk mengekstrak isinya; murah dan cepat tapi rapuh saat struktur berubah.
extraction API
layanan (misalnya Firecrawl, Jina AI) yang mengembalikan konten bersih dari halaman yang butuh JavaScript untuk render.
structured output
hasil kerja agent dalam bentuk berpola tetap (misalnya JSON) sehingga bisa diproses langkah berikutnya tanpa diurai ulang.
schema
kontrak bentuk data: field apa ada, tipe apa, wajib atau tidak; dipakai bersama oleh penghasil dan pemakai data.
risk tag
label low, medium, atau high pada tiap temuan yang menentukan seberapa ketat ia harus direview manusia.
capability layer
lapisan yang menyatukan banyak backend di belakang satu antarmuka; agent tinggal minta, layer yang milih jalurnya.
login state
sesi login yang tersimpan (cookie) supaya platform menganggap agent sebagai pengguna yang sudah masuk.
backend cadangan
jalur kedua yang siap ambil alih otomatis saat backend utama diblokir atau gagal.
Hands on · Panduan praktis langsung dari CLI · September 2026 · Hermes v0.21
Hermes Agent: mulai & jalankan
Delapan panduan praktis — command ditarik dari docs resmi hermes-agent.nousresearch.com, diuji pada v0.21 (September 2026). Subcommand bisa berubah antar rilis; cek hermes kalau ragu.
Langkah awal
H1 Install & first run
H2 Cheat sheet harian
Gateway
H3 Discord gateway
H4 Email gateway
UI & Perluasan
H5 Web UI dashboard
H6 Skill & MCP cepat
Rutinitas & Config
H7 Rutinitas harian
H8 Command & config
Install & Cheat Sheet
Install & first run · ~5 menit
Pasang Hermes, pilih model, cek kesehatan
Dari terminal kosong sampai agent pertama menjawab. Installer yang urus semua dependensi (Python, Node.js, ripgrep, ffmpeg) - kamu cukup koneksi internet.
-
Siapkan dan jalankan installer. Di Linux pastikan
curldanxz-utilstersedia; sisanya diurus installer. Setelah selesai, reload shell biar perintahhermesdikenali.curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bashsource ~/.bashrc # pemakai zsh: source ~/.zshrcAlternatif paling gampang: tutup terminal, buka terminal baru.
-
Pilih model. Menjalankan
hermespertama kali bakal masuk wizard setup - ikuti saja. Kalau mau langsung ke pilihan model, pakai picker interaktifnya.hermes model -
Wizard lengkap (opsional). Mau atur semua bagian sekaligus (model, terminal, tools, agent)? Jalankan wizardnya; bisa juga per bagian, misal
hermes setup model.hermes setup -
Cek kesehatan. Ini gate terakhir:
hermes doctorngecek dependensi dan config sekali jalan.hermes doctor
hermes --versionnampilin nomor versi, danhermes doctorkeluar tanpa error. Lanjut ke chat: ketikhermeslalu tanya apa saja.
hermestidak dikenali setelah install: reload shell (source ~/.bashrc/source ~/.zshrc) atau buka terminal baru.- Doctor nemu masalah: coba
hermes doctor --fixbiar diperbaiki otomatis, baru jalankan ulang.
Lihat juga: Topik 3 buat pertimbangan install lokal vs server, dan Topik 4 buat strategi memilih model.
Cheat sheet · ~3 menit
Command sehari-hari dalam satu tampilan
Dua puluh delapan command yang paling sering kepakai, per kategori. Tiap command tinggal klik copy, paste di terminal. Ditarik dari docs resmi, diuji pada v0.21 - subcommand jarang berubah, tapi --help selalu benar.
Mulai cepat
Chat interaktif (tanpa subcommand)
hermesSatu prompt, jawab sekali, keluar - pas buat script
hermes chat --oneshot -q "ringkas file ini jadi 3 poin"Output bersih buat script: cuma jawaban akhir di stdout
hermes -z "ringkas file ini jadi 3 poin"Tanpa --oneshot, -q membuka sesi interaktif dengan prompt pertama terisi (perilaku v0.21+).
Lanjutkan sesi terakhir
hermes --continueCek versi terpasang
hermes --versionKonfigurasi
Pilih provider & model default lewat picker
hermes modelWizard per bagian: model, tts, terminal, gateway, tools, agent
hermes setup gatewayLihat config yang aktif sekarang
hermes config showDiagnosa dependensi + config; --fix memperbaiki otomatis
hermes doctorStatus komponen (agent, auth, platform)
hermes statusSkill & MCP
Browser interaktif katalog skill
hermes skills browseCari skill di registry
hermes skills search copywritingDaftar skill yang terpasang
hermes skills listKatalog MCP server pilihan Nous
hermes mcp catalogDaftar MCP server yang terpasang
hermes mcp listSesi & profil
Daftar sesi terakhir
hermes sessions listPicker sesi interaktif: cari, lanjutkan, hapus
hermes sessions browseDaftar semua profil
hermes profile listProfil baru yang menyalin config & skill profil aktif
hermes profile create kerja --cloneSet profil default selanjutnya
hermes profile use kerjaOtomasi
Daftar cron job terjadwal
hermes cron listBikin cron job baru dari sebuah prompt
hermes cron createJalankan job tertentu di tick berikutnya
hermes cron run 1Kirim pesan sekali ke platform gateway (dari script)
hermes sendPemeliharaan
Update kode + dependensi; --check cuma ngecek
hermes updateBackup config, skill, sesi ke satu zip
hermes backupLihat log agent; -f buat mengikuti live
hermes logsLog gateway 100 baris terakhir - pas saat bot diam
hermes logs gateway -n 100Lihat juga: Topik 14 buat kebiasaan harian yang bikin command-command ini kepakai, dan Topik 18 buat kapan perlu profil terpisah.
Hubungkan ke dunia luar
Discord gateway · ~8 menit
Bot Discord → Hermes gateway → terima/kirim pesan
Hermes jadi bot Discord beneran: baca pesan, jalanin tools, balas di DM atau channel. Satu langkah yang paling sering kelewat: privileged intents - tanpa itu bot online tapi buta.
-
Buat aplikasi. Buka Discord Developer Portal, klik New Application, kasih nama (misal "Hermes Agent"), catat Application ID-nya.
-
Nyalakan privileged intents. Di halaman Bot, scroll ke Privileged Gateway Intents, nyalakan Server Members Intent dan Message Content Intent, lalu Save Changes. Tanpa Message Content Intent, bot nggak bisa baca isi pesan.
-
Ambil bot token. Masih di halaman Bot, klik Reset Token, copy token yang muncul. Token cuma ditampilkan sekali - simpan di password manager, jangan pernah commit ke git.
-
Undang bot ke server. Dari tab Installation (Public Bot nyala), pakai link undangan Discord dengan scope
bot+applications.commandsdan permission minimal: View Channels, Send Messages, Read Message History, Attach Files. -
Setup gateway. Pilih Discord di menu, masukkan bot token dan Discord user ID kamu (aktifkan Developer Mode di Discord, klik kanan nama kamu, Copy User ID).
hermes gateway setup -
Pasang service background (Linux/macOS).
installmendaftarkan gateway sebagai service (systemd/launchd) - sekali saja.startmenyalakan service yang sudah terpasang itu.hermes gateway installhermes gateway startDi WSL, Docker, atau Termux: lewati
install/start, pakai foreground -hermes gateway run- dan biarkan terminalnya hidup. Service manager jarang tersedia di lingkungan itu.hermes gateway run -
Kunci siapa yang boleh memerintah. Sebelum bot dibuka ke server bersama, pastikan allowlist cuma berisi kamu - agent punya akses terminal dan file, bukan mainan publik. Cek
DISCORD_ALLOWED_USERSdi~/.hermes/.envberisi Discord user ID kamu saja, lalu reload gateway.grep DISCORD_ALLOWED_USERS ~/.hermes/.env -
Cek status. Harus bilang running (plus PID-nya).
hermes gateway status -
Tes. Kirim DM ke bot kamu. Di DM, bot menjawab semua pesan tanpa perlu mention. Di channel server, mention dulu (
@nama-bot).
- Bot hijau (online) di server dan balas DM pertama kamu. Status
hermes gateway statusrunning.
- Bot online tapi diam: hampir pasti Message Content Intent mati. Balik ke Developer Portal, nyalakan, Save Changes, lalu
hermes gateway restart. - Bot nggak kunjung online: cek log gateway -
hermes logs gateway -n 100- pesan errorPrivilegedIntentsRequiredkonfirmasi langkah 2 belum jalan. - Bot balas orang lain: pastikan
DISCORD_ALLOWED_USERSdi~/.hermes/.envcuma berisi user ID kamu.
Lihat juga: Topik 5 buat keamanan kredensial bot, dan Topik 26 buat pola auto-reply di platform chat.
Email gateway · ~8 menit
IMAP/SMTP → Hermes gateway → terima/kirim email
Kirim email ke alamat agent, agent balas di thread yang sama. Jalan di semua provider yang dukung IMAP/SMTP - Gmail, Outlook, Fastmail. Pakai email khusus buat agent, jangan email pribadi.
-
Siapkan akun email. Aktifkan IMAP di akun tersebut. Kalau akunnya pakai 2FA (wajib di Gmail), buat app password khusus - 16 karakter - lewat halaman App Passwords provider kamu.
-
Setup gateway. Pilih Email di menu; wizard minta alamat email, app password, host IMAP/SMTP (Gmail:
imap.gmail.com/smtp.gmail.com), dan daftar pengirim yang diizinkan.hermes gateway setup -
Nyalakan gateway. Sama seperti Discord:
install+startuntuk service background di Linux/macOS, ataurun(foreground) di WSL/Docker/Termux.hermes gateway installhermes gateway start -
Verifikasi kirim-terima. Saat nyala, adapter ngetes koneksi IMAP + SMTP dulu, menandai inbox lama sebagai sudah dibaca, terus polling pesan baru secara berkala. Kirim email dari akun pribadi kamu ke alamat agent - balasan masuk di thread yang sama dalam semenit-an.
- Gateway email butuh app password, bukan password akun utama kamu. App password bisa dicabut kapan saja tanpa mengganti password utama, dan nggak bisa dipakai buat login ke web.
- Batas siapa yang bisa memerintahkan agent lewat email diatur
EMAIL_ALLOWED_USERS- kosongkan dan agent mengabaikan semua pengirim yang nggak di daftar.
- Login gagal padahal password "bener": 99% karena masih pakai password utama. Ganti dengan app password.
- Email kekirim tapi nggak dibalas: cek
EMAIL_ALLOWED_USERS- pengirim kamu harus persis di daftar itu, dan cek loghermes logs gateway -n 100. - Host IMAP/SMTP salah: cek dokumentasi provider; port standar 993 (IMAP SSL) dan 587 (SMTP STARTTLS).
Lihat juga: Topik 5 buat prinsip kredensial & secrets, dan Topik 16 buat hasil cron yang dikirim lewat email.
Web UI dashboard · ~5 menit
Dashboard browser + embedded chat + desktop app
Kelola config, API key, dan sesi dari browser - plus tab chat yang nempel langsung di dashboard. Default-nya cuma kebuka di localhost, dengan gerbang auth.
-
Nyalakan dashboard. Browser otomatis kebuka di
http://127.0.0.1:9119.hermes dashboard -
Lewati gerbang keamanan. Dashboard lokal minta auth token di layar pertama. Kalau kamu expose dashboard ke luar (bind bukan 127.0.0.1), auth wajib - password atau OAuth, nggak bisa dimatiin.
-
Pakai embedded chat. Tab chat di dashboard nyambung ke sesi CLI yang sama - lanjutkan percakapan dari browser tanpa buka terminal.
-
Cek & matikan. Lihat proses dashboard yang jalan, atau matikan rapi.
hermes dashboard --statushermes dashboard --stop -
Alternatif: desktop app. Mau versi native daripada browser? Satu command, build + launch Electron app.
hermes desktop
- Dashboard kebuka di browser, auth token diterima, dan tab chat balas pesan pertama.
- Port 9119 bentrok: jalankan di port lain, misal
hermes dashboard --port 8080 --no-open. - Butuh headless (server jauh tanpa browser): pakai
hermes serve- backend yang sama tanpa auto-open browser.
Lihat juga: Topik 18 buat kenapa tiap profil punya dashboard sendiri, dan Topik 21 buat verifikasi hasil kerja agent secara visual.
Tambah kemampuan
Skill & MCP cepat · ~6 menit
Browse & install skill, katalog & tambah MCP
Skill = prosedur yang bisa dipelajari agent (cara kerja, langkah, pitfall). MCP = sambungan ke server tool eksternal. Dua-duanya ditambah lewat CLI, bukan edit file manual.
-
Jelajah katalog skill. Browser terpaginasi buat registry skill;
searchkalau udah tahu kata kuncinya.hermes skills browsehermes skills search copywriting -
Install skill. Terima ID dari katalog atau URL
SKILL.mdlangsung.hermes skills install <id-skill> -
Cek yang terpasang. Semua skill aktif muncul di sini.
hermes skills list -
Lihat katalog MCP. Daftar MCP server pilihan Nous, siap install satu command.
hermes mcp catalog -
Tambah MCP server. Dari katalog via
install, atau server custom viaadddengan URL atau command.hermes mcp add n8n --url https://n8n.example.com/mcp -
Verifikasi koneksi. Tes server tertentu, dan lihat daftar lengkapnya.
hermes mcp test n8nhermes mcp list
- Skill baru muncul di
hermes skills list, danhermes mcp testbilang koneksi sukses.
- Install skill ditolak policy: cek pesannya - flag
--forcecuma bisa override blokir non-dangerous, nggak pernah bisa buat verdict dangerous. - MCP test gagal: kebanyakan auth/kedaluwarsa token.
hermes mcp login <nama>memaksa re-auth server OAuth.
Lihat juga: Topik 9 buat konsep skill dari script ke agent, Topik 20 buat contoh bundle, dan Topik 21 buat MCP browser.
Jaga agar tetap sehat
Rutinitas harian · ~4 menit
Update, backup, logs, cron - alur belajar lengkap
Empat kebiasaan pendek yang jaga install kamu tetap sehat: update rutin, backup sebelum hal besar, baca log saat aneh, dan cron buat kerjaan berulang. Total cuma beberapa menit per minggu.
-
Update rutin. Aman dijalankan di install yang lagi aktif - update otomatis nyoba restart gateway yang jalan. Cek dulu tanpa install dengan
hermes update --check.hermes update -
Backup config & data. Satu zip berisi config, skills, sesi, dan data - exclude kode hermes-agent sendiri.
--quickcuma file state kritis, jauh lebih cepat.hermes backup -
Baca log waktu ada yang aneh. Default agent.log;
-fmengikuti live;errorsbuat log error. Nggak perlu nemuin file-nya manual.hermes logs -fhermes logs errors -
Cron buat kerjaan berulang. Bikin job dari sebuah prompt, lihat daftarnya, dan tes jalan dengan
run(dieksekusi di tick berikutnya).hermes cron createhermes cron list -
Audit keamanan rutin. Cek kerentanan supply-chain (venv, plugin, MCP server) - jalan setelah nambah skill, plugin, atau MCP baru.
hermes security audit
- Update selesai tanpa error (exit 0), file backup zip ada di home, dan cron job pertama jalan sesuai jadwalnya.
- Update gagal karena ada perubahan file lokal: exit code 2 berarti working-tree menghalangi git pull - selesaikan dulu perubahan itu, baru ulangi.
- Cron nggak jalan: cek
hermes cron status(scheduler hidup atau nggak) danhermes logs errorsbuat jejak kegagalannya.
- Install → chat: H1, pastikan doctor hijau dan satu percakapan bersih jalan.
- Chat → gateway: H3 atau H4, pilih satu platform dulu. Chat CLI yang sehat sebelum nambah fitur.
- Gateway → otomasi: H6 buat kemampuan baru, H7 buat rutinitasnya. Cron paling berguna begitu gateway jalan - hasil bisa dikirim ke platform kamu.
Lihat juga: Topik 16 buat desain cron job yang saling nyambung, dan Topik 28 buat resources lanjutan.
Command & config · ~5 menit
Slash command gateway + lokasi env & config
Ada dua permukaan perintah: di chat gateway (Discord, Telegram, dll) ketik slash command, di terminal pakai CLI hermes. Semua setting non-secret tinggal di ~/.hermes/config.yaml; secret (API key, token, password) wajib di ~/.hermes/.env.
-
Cek kondisi dari chat. Tiga command pantauan paling sering dipakai:
/statusInfo sesi: model aktif, provider, token terpakai, plus recap obrolan terakhir.
/usageToken + estimasi biaya input/output, dan sisa kuota akun kalau provider mendukung.
/contextPemakaian jendela konteks per kategori. Tambahkan
allbuat rincian per skill dan toolset. -
Ganti model dari chat. Tanpa keluar dari Discord/Telegram:
/modelTanpa argumen: buka picker provider → model, bisa fuzzy-filter dengan ketik.
/model provider:modelLangsung pindah, misal
/model zai:glm-5. Tanpa flag: hanya berlaku di sesi ini; tambahkan--globalbiar tersimpan ke config.yaml. Catatan: pindah model di tengah sesi me-reset prompt cache, jadi giliran berikutnya dibaca ulang dengan harga penuh. -
Rawat sesi dari chat. Konteks makin panjang = makin mahal dan lambat:
/compress here 4Rapikan konteks: 4 giliran terakhir dipertahankan utuh, sisanya diringkas. (Beberapa agent lain menyebutnya condense; di Hermes perintahnya
/compress.) Bisa juga/compress focus topikbuat menjaga satu bahasan tertentu saat meringkas./new nama-sesiMulai sesi baru yang sudah diberi judul, gampang dicari lagi lewat
/resumeatau/sessions. -
Kendalikan gateway dari chat.
/restartRestart gateway dengan anggun: run yang aktif diselesaikan dulu, lalu konfirmasi dikirim balik ke chat. Pakai ini setelah ubah config atau
.envbiar perubahan berlaku./stopHentikan semua proses latar dan agent yang sedang jalan di sesi ini.
/helpBantuan + daftar command yang tersedia di sesi/gateway ini. Di atas itu,
/commandsmenampilkan semua command + skill terpasang secara terpaginasi (ada di v0.21; kalau versimu tidak mengenalinya,/helpselalu ada). Setiap skill juga bisa dipanggil sebagai/nama-skill. -
Tahu lokasi file. Semua ada di
~/.hermes/:config.yaml= seluruh setting non-secret (model, terminal, TTS, kompresi, display)..env= khusus secret: API key, token bot, password.auth.json= kredensial OAuth (Nous Portal, dll). Rule of thumb: rahasia ke .env, sisanya ke config.yaml. Pasang profile lain? Tiap profile punya folder~/.hermes/profiles/<nama>/dengan config dan .env sendiri. -
Edit config lewat CLI - cara paling aman karena nilai otomatis diarahkan ke file yang benar:
hermes config editBuka config.yaml di editor. Cocok untuk ubah banyak baris sekaligus.
hermes config set model anthropic/claude-sonnet-4Set satu nilai tanpa buka editor. Contoh lain:
hermes config set terminal.backend docker.hermes config set OPENROUTER_API_KEY sk-or-...Kunci berbentuk API key otomatis disimpan ke
.env, bukan config.yaml.hermes config get modelCek nilai yang sudah terpasang (resolved). Pasangan berguna lain:
hermes config checkmencari opsi yang hilang setelah update, danhermes config unset KEYmenghapus. -
Edit .env manual. Untuk secret yang ditambah aplikasi lain (token bot, key provider baru):
nano ~/.hermes/.envFormat satu baris per variabel:
NAMA_VAR=nilai. Simpan, lalu/restartgateway (atau restart proses CLI) supaya variabel baru terbaca. Referensi dari config.yaml pakai${NAMA_VAR}, contohapi_key: ${GOOGLE_API_KEY}.
/statusdibalas gateway langsung di chat, danhermes config get modelmengembalikan nama model yang benar.
- Gateway mulai aneh setelah ubah config:
/restartdulu; kalau masih aneh,hermes config checkmencari opsi yang hilang atau salah. - Var baru di
.envtidak berlaku: env dibaca saat proses start - restart gateway/prosesnya, bukan cuma kirim pesan baru. /modelmenolak nama model: hanya provider yang sudah terkonfigurasi yang bisa dipilih dari chat; tambah provider baru lewathermes modeldi terminal.
Lihat juga: Topik 3 buat pilihan install, Topik 4 buat memilih model, Topik 5 buat keamanan secret, dan Topik 18 buat profile per konteks.