Innhold Vis
Jeg lovet i del 1 at del 2 er installasjonen – hva som faktisk skjer på serveren min, ikke hva README-en lover. Slik ble det. Jeg kastet alt jeg kunne på Hermes Agent en hel dag, med Hermes-subscription til 20 dollar og DeepSeek R4 Flash som modell. Her er det som skjedde – det som fungerte urovekkende bra, det som skurret, og kostnaden for en fulldag intensiv kjøring.
Kort kontekst for de som ikke leste del 1: Hermes Agent er et åpent agent-rammeverk fra Nous Research. Det bor på din egen server, kobler til Telegram og 15+ andre meldingsplattformer, og skriver sine egne ferdigheter over tid. Teorien er at den blir mer nyttig jo mer du bruker den. Det var teorien. Her er praksisen.
Én ting å ha med seg inn: jeg valgte bevisst å teste via Hermes-abonnementet ($20/mnd), ikke den mest tekniske veien. Det var ikke latskap – det var en metodisk avgjørelse. Jeg ville teste enklest mulig vei inn, fordi det er den veien folk flest faktisk vil bruke. De tekniske alternativene finnes, og jeg dekker dem, men utgangspunktet er: hva skjer for en vanlig bruker?
Hva får du egentlig for 20 dollar? (Det er mer enn du tror)
Hermes-softwaren er gratis. MIT-lisens, åpen kildekode, kan lastes ned av hvem som helst. Det du betaler abonnement for er Nous Portal – og det er en viktig distinksjon å ha klart for seg.
Nous Portal er ikke bare et verktøy for å bruke Hermes enklere. Det er nærmest et eget økosystem. Du får tilgang til 300+ modeller fra alle de store: Anthropic Claude, OpenAI GPT, Google Gemini, Meta Llama, Mistral, DeepSeek, Qwen, og Nous egne Hermes-modeller. Du bytter modell med /model – ingen API-nøkler, ingen ekstern konto å sette opp for akkurat den modellen.
I tillegg er Tool Gateway rutet gjennom abonnementet: web-søk via Firecrawl, bildegenerering via FAL, tekst-til-tale via OpenAI, cloud-browser via Browser Use, kodekjøring. Én innlogging, én regning, ingen ekstra API-nøkler nødvendig. Kjøper du mer, får du som subscriber 10% rabatt på token-fakturerte providere.
Jeg tenkte på det som nærmest OpenRouter i en pakke – men med verktøyene inkludert, ikke bare modell-tilgangen. Det er ikke dumt for 20 dollar.
Hvilken LLM skal du koble på? (Her er alle alternativene)
Hermes er modell-agnostisk, og det er en styrke. Du er ikke låst. Før du setter i gang er det verdt å vite hvilke innganger som finnes, fordi de er veldig forskjellige i terskel og kostnad.
OpenAI OAuth. Logger du inn med OpenAI-kontoen din, virker det bare. $20-planen rekker langt i praksis – Hermes er flink til å cache tokens, så du bruker langt mindre enn du tror. Det finnes også et gratis nivå å starte med hvis du vil kjenne på det uten å binde deg.
Gemini OAuth. Googles innlogging fungerer på samme måte. Du kan komme langt på gratis- og rimelighetsnivå, og Gemini er sterk på lange dokumenter og analyse.
OpenRouter. Dette er min faktiske anbefaling for alle som vil gjøre noe seriøst. Du får 200+ modeller via én enkelt API-nøkkel. Bytter du modell, skriver du hermes model og velger fra listen. OpenRouter er både rimeligst og mest fleksibelt – du kan teste deg frem og finne modellen som passer oppgaven, uten å binde deg til én leverandør.
Hermes/Nous-subscription ($20). Det er denne jeg testet. Nous Research sin egen abonnementsinngang – den enkleste veien inn for folk flest, og det var poenget. Oppsett er minimalt, alt funker fra start, og du slipper å tenke på API-nøkler i det hele tatt de første ukene.
Min anbefaling uansett hvilken vei du velger: ha en OpenRouter-nøkkel og en fal.ai API-nøkkel klar i tillegg. Det åpner opp for bilde, musikk, videogenerering – og mye mye mer! Og tilgang til 200+ modeller fra dag én. Det hever hva agenten kan gjøre betraktelig – og du merker det raskt.
Det første jeg kastet på den: bedrifts-epost-overvåkning
Første test var enkel og nyttig: jeg koblet til bedriftse-posten der henvendelser fra baugeit.no kommer inn. Ba Hermes passe på den og si fra.
Jeg ga den hostingleverandøren, epostadressen og passordet. Det var alt.
Den satte opp Telegram-varsling for nye baugeit.no-henvendelser og videresending til Gmail. Begge deler. Av seg selv. Ventet ca. ett minutt. Klikket ingen linker, leste ingen dokumentasjon, skreiv ingen kode. Det bare virket.
«Funket fett» er den presise beskrivelsen. Dette er den typen ting som gjerne tar en halvtime med Google Cloud Console, API-nøkler og webhooks. Her tok det et minutt.
Det er et poeng å stoppe litt ved: Hermes er ikke imponerende fordi den gjør ting som er teknisk umulige. Den er imponerende fordi den gjør ting som er mulige – men som vanligvis krever at du kan eller gidder. Det kravet forsvinner.
Åpne kodemodeller på sparket: opencode med Grok
Neste: jeg spurte den om den kunne sette opp opencode med Groks kodemodell x-ai/grok-build-0.1.
Den fikset det som smurt.
Det er ikke revolusjonerende, men det illustrerer noe viktig: Hermes har et bibliotek av ferdigheter den henter fra, og for en hel del slike tekniske oppsettsjobber finnes ferdigheten allerede. Du trenger ikke vite at opencode eksisterer, trenger ikke kjenne til Groks modell-ID, trenger ikke lese dokumentasjonen. Du beskriver hva du vil ha. Den gjør jobben.
LinkedIn-automatisering – den sterkeste demoen
Etter epost-jobben spurte jeg rett ut: «Voks brandet mitt på LinkedIn.»
Merk at jeg ikke sa hvordan. Jeg sa hva jeg ville ha.
Hermes foreslo selv å lese jansverre.net og poste innlegg derfra til LinkedIn. Den satte opp det nødvendige, ba meg gjøre noen godkjenningssteg – igjen, noen URL-er å klikke gjennom. Så var den i gang.
Det ble mer enn bare én jobb. Innenfor den ene oppgaven demonstrerte den tre ting jeg ikke hadde bedt om eksplisitt:
En cron-jobb som overvåker jansverre.net selvstendig. Den setter opp et tidstyrt script som henter nytt innhold, vurderer det og poster – uten at jeg er til stede. Det er «sett i gang og glem den» for reell.
Prompt-evolusjon. Den diktet opp noe i et LinkedIn-innlegg – hallusinerte litt. Og den lærte av det. Neste gang var det borte. Det er selvkorreksjon i praksis, ikke bare feil jeg måtte rette opp manuelt.
Live debugging. Scriptet kræsjet. Hermes leste sin egen kode, fant feilen og fikset den. Uten at jeg visste det hadde skjedd – det bare virket neste gang.
En ting å vite om LinkedIn-oppsett: du må ha en LinkedIn business/company-side for å bygge en LinkedIn-app og skaffe OAuth-tilgang. Det er en teknisk forutsetning, ikke et valg. Men innleggene gikk ikke ut på company-siden – de ble publisert på min eksisterende personlige LinkedIn-profil. Nøyaktig der jeg ville ha dem.
Til de som har lest om dette prosjektet: linkedin_from_wp.py som har kjørt her sender kun forslag på Telegram – den publiserer ingenting til LinkedIn selv. Hermes er det eneste som faktisk poster. Ingen dobbeltposting å bekymre seg for.
Selvlærings-loopen i praksis: én URL, ferdig skill
Dette er den demoen jeg er mest imponert over.
Jeg ga Hermes lenken til én endpoint – Grok Imagine Quality-endpointet. Ingen instruksjoner. Ingen forklaring. Bare lenken.
Den leste dokumentasjonen, bygde en komplett skill rundt den ene endpointen, og leverte bilder. Alt på under fem minutter.
Poenget er hva dette faktisk er: det er ikke RAG. Den slo ikke opp noe fra et ferdig indeksert corpus. Den leste ny dokumentasjon, forstod strukturen, og bygde et gjenbrukbart verktøy for seg selv. Ekte autonom læring – ikke svaroppslag, men verktøybygging på sparket.
Gi den en endpoint-lenke, få en ferdig skill. Det gjelder uansett hva lenken peker på. Vil du at den skal lage musikk? Pek den på Google Lyria-endpointet. Vil du ha en ny bildemodell? Gi den API-dokumentasjonen. Den gjør resten.
Samme dag bygde den bilde-skills og video-skills av seg selv, mens vi jobbet med andre ting. Ikke fordi jeg ba om det – fordi den trengte dem til noe den holdt på med. Det er selvlærings-loopen fra del 1 som faktisk fungerer slik den er beskrevet, ikke bare i teorien.
Den researchet og skrev en hel nyhetssak
Noen av de sterkeste agentene er de som kan gjøre ekte journalistisk arbeid – ikke bare strukturere informasjon du gir dem, men søke opp, vurdere og skrive om noe aktuelt. Jeg testet det med en lokal sak som hadde dukket opp den dagen.
Hermes søkte opp det den trengte, vurderte kildene og leverte brukbar tekst. Jeg var fornøyd med resultatet. Artikkelen er planlagt publisert på lanorge.no – ikke her, fordi det er en annen vinkel og et annet nettsted – men poenget er: den klarte å hente, verifisere og skrive om en aktuell, lokal nyhetssak uten at jeg ga den kildene på forhånd.
Det er reell innholdsproduksjon, ikke bare verktøy-kjøring.
Bilde- og videogenerering i chat – enkelt å sette opp
Jeg har lenge generert bilder og video via chat i Claude Code. Den arbeidsmåten – bare be om det i samtalen, få mediet tilbake – fungerer glimrende i Hermes også.
Med fal.ai-nøkkel koblet inn er terskelen lav. Hermes har verktøyene innebygd, og siden den bygde bilde- og video-skills av seg selv underveis var det bare å bruke dem. For lesere som allerede liker «generer media i en chat»-flyten, eller er nysgjerrige på den, er dette en god grunn til å prøve Hermes: samme kraftige arbeidsflyt, på din egen server, til en brøkdel av API-kostnaden fra kommersielle tjenester.
Telegram gjør at du faktisk bruker den hele tiden
Det er et aspekt ved Hermes jeg undervurderte i del 1: at Telegram-integrasjonen ikke bare er praktisk – den endrer frekvensen du bruker agenten.
Hermes kjører i terminalen, men du snakker med den fra Telegram. Fra sofaen. Fra senga. Uten å åpne PC-en. Det betyr at naturlige lavterskel-henvendelser – «ha øye med den e-posten mens jeg spiser middag», «post dette til LinkedIn i kveld» – faktisk skjer. Ingen annen agent jeg kjenner til gjør dette like sømløst.
Resultatet er en agent du bruker hele dagen, ikke en du kjøper abonnement på og så åpner én gang i uken. Det er stor forskjell på de to.
En annen ting jeg la merke til: Hermes plukket opp avbrutte samtaler feilfritt etter timer – etter middag, etter et avbrekk. Ingen prompt-caching-delays, ingen «hva var det vi holdt på med?». Den tok opp tråden som om den aldri hadde vært borte. Det er en UX-kvalitet du ikke tenker på – helt til du merker at den mangler i andre verktøy.
Hva kostet en hel dag med tung bruk?
Her er det konkrete svaret på «er det verdt det?»
Etter en full dag der Hermes overvåket epost, postet til LinkedIn, researchet og bygde skills selv, og genererte bilder og video – her er regningen:
| Metrikk | Tall |
|---|---|
| Total kostnad | $1,01 (~11 kr) |
| Requests | 668 |
| Input-tokens totalt | 41 121 213 (~41 millioner) |
| Cache-treff (input) | 40 222 080 (~40 millioner) |
| Cache hit rate | 97% |
| Output-tokens | 244 058 |
Nøkkeltallet er cache hit rate: 97%. Nesten all input til modellen ble hentet fra cache, ikke beregnet på nytt. Det er grunnen til at 41 millioner input-tokens og 668 requests kostet elleve kroner og ikke to hundre. Hermes og DeepSeek R4 Flash via Nous-subscription er en kombinasjon designet for akkurat denne type bruk – hyppige, repeterende kall der cache-gevinsten er stor.
Folk flest tror det er dyrt å kjøre AI hele dagen. Det er det ikke, med riktig oppsett. Elleve kroner er ikke budsjett-AI som knapt fungerer – det er en fulldag med ekte, nyttig arbeid.
Open source betyr at du kan stole på hva den gjør
Det er en kortere seksjon, men viktig: Hermes er åpen kildekode under MIT-lisens. Du kan lese koden, forstå nøyaktig hva den gjør med dataene dine, og bidra tilbake hvis du finner noe du vil endre.
Det er en annen tillit enn du har til ChatGPT eller en annen kommersiell tjeneste. Med Hermes kjøres alt på din maskin. Ingen mellomtjeneste ser samtalene dine, ingen cloud-leverandør bestemmer over dataene dine. For mange er det likegyldig. For noen er det avgjørende.
Plattform-agnostisk i tillegg: Telegram, terminal, Discord, SMS. Du starter der du er komfortabel og utvider etter behov. Det er ingenting som låser deg inn.
Det som ikke fungerte – tre ærlige svakheter
Del 2 hadde vært ubrukelig uten dette.
AI kan fylle inn for deg – pass på. LinkedIn-prompten hallusinerte litt innledningsvis. Den diktet opp detaljer som ikke stemte. Som jeg nevnte fikset den det selv, men det understreker noe generelt: en agent er ikke en mekanisk tekstgjengiver. Den resonnerer og fyller inn hull. Hvis du ikke er presis nok i instruksjonene, er hullet det den fyller inn med noe du ikke ba om. Det er en generell AI-svakhet, ikke unikt for Hermes – men det er din jobb å gi klare instruksjoner, ikke agentens jobb å gjette seg frem.
Minne-taket er reelt. Jeg traff det i praksis. Vi snakket «løst og fast» – jeg fortalte litt om meg selv, og der nådde vi grensen. Hermes sa noe sånt som «minnekapasiteten er sprengt, men jeg husker det uansett.» Det er en interessant formulering – den skiller mellom hard-lagret minne og det den bærer med seg i konteksten. Men grensen på 2 200 tegn for bruker-profil fylles raskt ved vanlig prat, og rydding skjer ikke automatisk. Det er din jobb. Noe å planlegge for.
TTS fungerte ikke godt nok for norsk. Jeg testet den innebygde tekst-til-tale-funksjonen og forkastet den. Halvdansk uttale og for tungvint i praksis. For norsk tekst er det bedre alternativer. Hermes sin TTS er et greit fallback for engelsk, men ikke noe jeg vil bruke til norsk innhold.
Er Hermes Agent verdt det?
Ja. Med riktige forventninger.
Det korte svaret: det er mye i én pakke. Du kan bruke den som en vanlig chatbot – spør om oppskrifter, chatte om hva du trenger. Du kan snakke med Claude, OpenAI, DeepSeek, Grok, eller en liten usensurert modell, alt etter hva oppgaven krever. Du kan koble den til Facebook, LinkedIn, X, nettsidene dine, eposten din. Og du kan gi den enormt store oppgaver – som å rydde opp i et helt år med AI-genererings-rot – og den gjør det.
Hele opplegget i én pakke. Det er min dom etter en full dag: man trenger egentlig bare denne ene.
Den researcher og lærer av feil. Den kan skrive lange tekster – og om du ber den redigere seg selv i etterkant, gjør den det, slik at du ikke ender opp med AI-chatbot-svar liggende igjen i teksten. Det er ikke en triviell egenskap. At dette er en reell fare, fikk vi et ferskt eksempel på nylig: en norsk fotballbok kom i salg med tydelige chatbot-svar stående midt i den trykte teksten. – den typen feil skjer når ingen ber verktøyet sjekke seg selv.
Den er ikke en magisk assistent som leser tankene dine. Du må gi klare instruksjoner, vedlikeholde minnet når det fylles opp, og sjekke at planlagte jobber gjør det de skal. Det er driftsjobber. Men sammenlignet med alternativet – gjøre alt manuelt, eller sette opp separate automatiseringer med Zapier eller tilsvarende – er Hermes raskere, billigere og mer fleksibel.
Elleve kroner for en hel dag. Det er ikke et tall jeg forventet.
For de som vil prøve: start med Telegram-integrasjonen og én konkret oppgave – epost-varslinger, nyhetsbrev-skriving, innholdsposting. Ikke prøv å sette opp alt på én gang. Selvlærings-loopen trenger tid og gjentakelse for å faktisk akkumulere noe nyttig. Gi den det. Og ha en OpenRouter-nøkkel klar fra starten – det er det som gir deg modell-fleksibiliteten du trenger etter hvert.
Mer om hva AI-agenter faktisk er og kan gjøre – og om du er nysgjerrig på kontroll og sikkerhet når agenter jobber i bedriften din – er det egne guider for det.
