Hermes को IB-ग्रेड फाइनेंस एनालिस्ट में कैसे बदलें

मैं मान लेता हूँ कि आप पहले से ही किसी LLM से किसी स्टॉक के बारे में स्मार्ट बातें कहलवा सकते हैं। हर कोई ऐसा कर सकता है। यह काम नहीं है।

असली काम है हार्नेस, यानी मॉडल के चारों ओर की वह परत जो यह तय करती है कि आपका विश्लेषक एक भरोसेमंद डेस्क है या अच्छे व्याकरण वाला रैंडम नंबर जनरेटर। मॉडल तो पूरी चीज़ का सबसे बदलने योग्य हिस्सा है।

तीन भाग:

1. इसे सही तरीके से कैसे चलाएं
2. इसे फाइनेंस मशीन में कैसे बदलें (असली बढ़त)
3. वे रिपॉजिटरी और सेवाएं जो इसे विस्तार देती हैं।

बीच वाले भाग को दो बार पढ़ें।

यह वित्तीय सलाह नहीं है। अपना खुद का शोध करें। मेरा अपना प्रोजेक्ट - @coldvisionXYZ

भाग 1: इसे चलाएं, और समझें कि आप क्या चला रहे हैं

एक लाइन। यह python, node, git, सब कुछ, ~/.hermes/ में इंस्टॉल कर देता है:

1curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Linux, macOS, WSL2, Termux के ज़रिए Android (स्वतः पहचान), नेटिव Windows (प्रारंभिक बीटा, WSL की आवश्यकता नहीं)। Python 3.11+। फिर विज़ार्ड के लिए hermes setup, या hermes model / hermes tools / hermes gateway setup अलग-अलग। इसे hermes (क्लासिक CLI) या hermes --tui (अनुशंसित) से चलाएं।

प्रोवाइडर एब्स्ट्रक्शन ही असली सुपरपावर है

वही रनटाइम chat-completions APIs, Anthropic Messages, Codex Responses, एक आउट-ऑफ-प्रोसेस Codex ऐप-सर्वर पथ, और Bedrock को चलाता है।

टूल-कॉल फॉर्मेट और प्रोवाइडर की खामियां ट्रांसपोर्ट एडेप्टर द्वारा सामान्य कर दी जाती हैं, ताकि लूप स्तर पर मॉडल का स्वरूप एक जैसा दिखे, चाहे पीछे कुछ भी हो।

इसका मतलब है कि प्रोवाइडर फेलओवर वास्तविक है, और मॉडल बदलना वास्तव में शून्य-कोड है।

आपके बटुए के लिए व्यावहारिक परिणाम: आप एक मॉडल नहीं चलाते।

config.yaml में auxiliary के अंतर्गत, हर साइड टास्क, क्यूरेटर रन, विज़न, एम्बेडिंग, टाइटल जनरेशन, सेशन सर्च, कंप्रेशन समरीज़र, अपना खुद का प्रोवाइडर, मॉडल, base_url और reasoning_effort सेट कर सकता है।

इसलिए आपका महंगा रीज़निंग मॉडल कभी भी पुरानी चैट को समरी करने या सेशन का नाम रखने में टोकन बर्बाद नहीं करता।

मुश्किल टर्न को मजबूत मॉडल और बाकी सब कुछ सस्ते मॉडल को भेजने के लिए smart_model_routing भी है।

सबसे सस्ता समझदारी भरा सेटअप: Nous Portal (एक सब्सक्रिप्शन, 300+ मॉडल + वेब/ब्राउज़र/इमेज/TTS के लिए Tool Gateway) प्राइमरी के रूप में, सभी सहायक कार्यों के लिए एक सस्ता मॉडल पिन किया हुआ, और मुफ्त फॉलबैक के रूप में लोकल Ollama/vLLM। अगर आप लोकल जाते हैं, तो Ollama डिफ़ॉल्ट रूप से 4k कॉन्टेक्स्ट लेता है और चुपचाप ट्रंकेट करता है, num_ctx को 64k+ पर सेट करें वरना एजेंट बेवकूफ हो जाएगा और आप मॉडल को दोष देंगे।

वह चीज़ जो आपको कॉन्फ़िग को छूने से पहले समझनी होगी: प्रॉम्प्ट कैश-आकार का होता है

यह वह अपरिवर्तनीय सिद्धांत है जिसकी रक्षा के लिए पूरा सिस्टम बनाया गया है, और अगर आप इसे नहीं समझते हैं तो आप चुपचाप अपना बिल 10 गुना कर देंगे।

Hermes सिस्टम प्रॉम्प्ट को तीन स्तरों में बनाता है:

1. stable
2. context
3. volatile

Stable में पहचान (SOUL.md), केवल सक्षम टूल के लिए टूल गाइडेंस, स्किल्स इंडेक्स, एनवायरनमेंट हिंट शामिल हैं। Context वर्तमान कार्यशील निर्देशिका (cwd) से लिया गया है। Volatile बारी-बारी से बदलता है। यह स्तरीकरण कोड में एक कारण से स्पष्ट है: प्रॉम्प्ट-प्रीफ़िक्स कैश वैधता। प्रोवाइडर आपके प्रॉम्प्ट के प्रीफ़िक्स को कैश करते हैं और कैश किए गए टोकन पर बहुत कम शुल्क लगाते हैं। हर बार जब stable स्तर बदलता है, आप उस कैश को तोड़ देते हैं और हर चीज़ का पूरा किराया चुकाते हैं।

इसलिए Hermes कॉन्टेक्स्ट को बदलना लगभग पवित्र मानता है। एजेंट के अपने इंजीनियरिंग नियमों से: एकमात्र समय जब वह जानबूझकर कॉन्टेक्स्ट को बदलता है, कंप्रेशन के दौरान होता है। स्लैश कमांड जो सिस्टम-प्रॉम्प्ट स्थिति को बदलते हैं (एक स्किल इंस्टॉल करना, एक टूल टॉगल करना) डिफ़ॉल्ट रूप से विलंबित अमान्यकरण का उपयोग करते हैं, परिवर्तन अगले सेशन में प्रभावी होता है, जब आपको वास्तव में इसे लाइव चाहिए तो ऑप्ट-इन --now फ्लैग के साथ। /skills install --now विहित "मैं कैश बस्ट स्वीकार करता हूं" पैटर्न है।

एक विश्लेषक के रूप में आपको इसकी परवाह क्यों करनी चाहिए: आपके द्वारा सक्षम किया गया हर स्किल और चालू किया गया हर टूल उस stable स्तर में रहता है और हर एक कॉल पर प्रीफ़िक्स टोकन की लागत वहन करता है। 60 सक्षम टूल वाला एक फूला हुआ एजेंट हर बारी पर सभी 60 विवरणों के लिए हमेशा के लिए भुगतान कर रहा है। लीन टूलसेट और ऑन-डिमांड स्किल्स सिर्फ सफाई नहीं हैं, वे लागत मॉडल हैं।

कंप्रेशन ट्रंकेशन नहीं, वंशावली है

जब कॉन्टेक्स्ट भर जाता है, तो भोले एजेंट पुराने टर्न को हटा देते हैं और भूलने की बीमारी का शिकार हो जाते हैं।

Hermes दो स्वतंत्र कंप्रेशन परतें चलाता है:

1. एक गेटवे "सेशन हाइजीन" सुरक्षा जाल जो एजेंट के चलने से पहले ही मोटे अनुमान पर लगभग 85% कॉन्टेक्स्ट पर फायर करता है
2. असली वाला, इन-लूप ContextCompressor जो सटीक API-रिपोर्टेड टोकन काउंट का उपयोग करके लगभग 50% पर फायर करता है।

यह मिडल टर्न को हटाने के बजाय एक नए संदेश में संक्षेपित करता है, और सेशन हर कंप्रेशन स्प्लिट के लिए पैरेंट-चाइल्ड वंशावली को ट्रैक करते हैं। सारांश ट्रांसक्रिप्ट का हिस्सा बन जाता है; मूल वंशावली में संरक्षित रहता है

लॉसी (Lossy) ठीक है, लॉसलेस (Lossless) मेमोरी खत्म कर देगा।

सेशन सिर्फ ट्रांसक्रिप्ट नहीं हैं, वे बुनियादी ढांचा हैं।

वे स्रोत टैग और रूटिंग मेटाडेटा रखते हैं, और एक मॉडल-सामना करने वाला session_search टूल और हर पिछले टर्न पर एक FTS5 SQLite इंडेक्स है। आपका एजेंट रीज़निंग के बीच में "तीन हफ्ते पहले मैंने COIN के बारे में क्या निष्कर्ष निकाला था" याद कर सकता है, इसलिए नहीं कि आपने इसे कॉन्टेक्स्ट में ठूंस दिया, बल्कि इसलिए कि यह अपने इतिहास को मांग पर क्वेरी कर सकता है।

यह कहाँ चलता है

छह टर्मिनल बैकएंड:

1. local
2. Docker
3. SSH
4. Singularity
5. Modal
6. Daytona

Modal और Daytona सर्वरलेस हैं, एनवायरनमेंट निष्क्रिय होने पर हाइबरनेट होता है और मांग पर जागता है, जिससे रनों के बीच लगभग कुछ भी खर्च नहीं होता।

$5 का VPS या हाइबरनेटिंग सर्वरलेस बॉक्स ही असली "$5" है। गेटवे को वायर करें और वही एजेंसी एकीकृत सेशन रूटिंग पर 20+ प्लेटफॉर्म (Telegram, Discord, Slack, Signal, …) पर चलता है, ताकि आप अपने फोन से इससे बात कर सकें जबकि यह क्लाउड बॉक्स पर काम कर रहा हो।

सेशन WAL मोड में SQLite के माध्यम से रीस्टार्ट से बचे रहते हैं, जिसमें मल्टी-प्रोसेस राइट विवाद के लिए कस्टम रीट्री लेयर होती है, ताकि क्रॉन जॉब और गेटवे का काम एक-दूसरे को दूषित न करें।

भाग 2 - इसे फाइनेंस मशीन में बदलें

एक सादा एजेंट एक प्रतिभाशाली इंटर्न है जिसके पास कोई डोमेन प्रशिक्षण और कोई निर्णय अनुशासन नहीं है। आप सचमुच इसे चार चैनलों के माध्यम से शिक्षित करते हैं: पहचान, प्लेबुक, मेमोरी और मानक। फिर यह स्व-शिक्षित होता है, और आपका असली काम क्यूरेशन बन जाता है।

2a. पहचान - SOUL.md स्लॉट #1 है

SOUL.md सचमुच सिस्टम प्रॉम्प्ट में सबसे पहली चीज़ है, टूल से पहले, स्किल से पहले, किसी भी चीज़ से पहले। यह व्यक्तित्व और मूल्यों की परत है।

एक फाइनेंस विश्लेषक के लिए यह वह जगह है जहाँ आप एपिस्टेमिक स्वभाव सेट करते हैं, न कि व्यक्तित्व की बनावटी चीज़ें।

जैसे: "आप एक संशयवादी खरीद-पक्ष विश्लेषक हैं। आपको गोल संख्याओं और कहानियों पर भरोसा नहीं है। आप कभी भी कोई आंकड़ा नहीं बताते जो आपने इस सेशन में किसी टूल से नहीं निकाला हो।

आप अनुमान लगाने से बेहतर 'अपर्याप्त डेटा' कहना पसंद करेंगे। आप अपने पिछले निष्कर्षों को अद्यतन किए जाने वाले पूर्वधारणाओं के रूप में मानते हैं"

यह कैश-स्थिर स्तर में बैठता है और हर बारी को मुफ्त में रंग देता है। अधिकांश लोग SOUL.md को डिफ़ॉल्ट पर छोड़ देते हैं। एक विश्लेषक के लिए यह आपका सबसे अधिक लाभ उठाया गया 1,500 वर्ण है।

2b. प्लेबुक - स्किल्स, और विवरण ही असली इंजीनियरिंग क्यों है

एक स्किल एक SKILL.md है, नाम + विवरण + प्रक्रिया, जो ~/.hermes/skills/ में संग्रहीत है।

हमेशा लोड किए गए स्किल्स इंडेक्स में केवल छोटे विवरण होते हैं।

पूरी प्रक्रिया मांग पर लोड होती है जब कोई कार्य मेल खाता है। तो आपकी स्किल लाइब्रेरी प्रीफ़िक्स को फुलाए बिना बहुत बड़ी हो सकती है।

जिसका मतलब है कि विवरण ही वह जगह है जहाँ स्किल सफल या विफल होता है।

यह एक राउटर है। यदि विवरण अस्पष्ट है तो एजेंट स्किल को कभी लोड नहीं करता जब उसे करना चाहिए, या इसे तब लोड करता है जब उसे नहीं करना चाहिए। विवरणों को सारांश के रूप में नहीं, बल्कि ट्रिगर शर्तों के रूप में लिखें।

"जब उपयोगकर्ता किसी यूएस-सूचीबद्ध इक्विटी का नाम लेता है और मौलिक विश्लेषण चाहता है तो उपयोग करें" "स्टॉक का विश्लेषण करता है" से बेहतर है।

एक वास्तविक विश्लेषक स्किल, ध्यान दें कि 2d के मानक सीधे प्रक्रिया में कैसे शामिल हैं:

1---
2name: equity-snapshot
3description: जब उपयोगकर्ता किसी यूएस-सूचीबद्ध टिकर का नाम लेता है और जोखिम संकेतकों के साथ मौलिक + मूल्य विश्लेषण चाहता है तो उपयोग करें।
4---
5
6# इक्विटी स्नैपशॉट
7
81. SEC company_tickers मैप के माध्यम से टिकर -> CIK हल करें। कभी भी टिकर का अनुमान न लगाएं।
92. EDGAR के माध्यम से नवीनतम 10-K/10-Q (राजस्व, ऋण, FCF) खींचें। एक्सेसन नंबर रिकॉर्ड करें।
103. कभी भी स्वयं अनुपातों की गणना न करें। P/E, मार्जिन, YoY के लिए calc टूल को कॉल करें।
114. राजस्व को दो स्रोतों से क्रॉस-चेक करें। यदि वे असहमत हैं, तो अंतर की रिपोर्ट करें, एक को न चुनें।
125. आउटपुट: थीसिस (2 लाइनें), 3 उत्प्रेरक, 3 जोखिम, मूल्यांकन रीड, आत्मविश्वास 0-1,
13   और "कौन सा एक डेटा पॉइंट इसे पलट देगा।" यदि डेटा पतला है, तो "पास" लौटाएं।

स्किल्स प्लेटफॉर्म-वार सक्षम/अक्षम करने, टूल उपलब्धता के आधार पर सशर्त सक्रियण, और पूर्वापेक्षा सत्यापन का समर्थन करते हैं, ताकि एक स्किल घोषित कर सके "केवल तभी उपलब्ध है जब EDGAR टूल मौजूद हो।"

प्रारूप खुला agentskills.io मानक है, तो आप जो लिखते हैं वह अन्य संगत एजेंटों के लिए पोर्टेबल है।

2c. स्व-सुधार लूप, और रखरखाव

एजेंट अपनी खुद की स्किल्स लिखता है।

परीक्षण और त्रुटि (आमतौर पर कई टूल कॉल वाला एक कार्य) के माध्यम से कुछ हल करने के बाद, यह काम करने वाले दृष्टिकोण को agent_created/ में SKILL.md के रूप में सहेजता है।

स्किल-प्रबंधन टूल में छह क्रियाएं हैं और जानने वाली एक है patch: एक लक्षित सुधार, पूर्ण संपादन पुनर्लेखन पर पसंद किया जाता है क्योंकि यह टोकन-कुशल है।

एजेंट सचमुच उपयोग के दौरान अपनी खुद की प्लेबुक को जगह-जगह परिष्कृत करता है।

रखरखाव के बिना, ऑटो-स्किल्स मेटास्टेसाइज हो जाती हैं।

आप दर्जनों संकीर्ण, ओवरलैपिंग प्लेबुक के साथ समाप्त होते हैं जो प्रीफ़िक्स टोकन जलाती हैं और राउटर को प्रदूषित करती हैं।

क्यूरेटर इसे संभालता है, और इसकी यांत्रिकी जानने लायक है। यह कोई क्रॉन डेमॉन नहीं है, यह एक निष्क्रियता जांच पर चलता है: मोटे तौर पर जब इसके अंतिम रन के बाद से 7 दिन बीत चुके हों और एजेंट 2+ घंटे से निष्क्रिय हो, तो एक बैकग्राउंड फोर्क अपने स्वयं के प्रॉम्प्ट कैश के साथ, सक्रिय बातचीत को कभी न छूते हुए स्पिन अप होता है, और एक LLM समीक्षा लूप चलाता है जो पुरानी स्किल्स को स्वतः संग्रहित करता है (.archive/ में, पुनर्स्थापनीय, कुछ भी कभी खोता नहीं है)।

कॉन्फ़िग config.yaml में curator के अंतर्गत रहता है: interval_hours, min_idle_hours, stale_after_days, archive_after_days।

ऑटो-स्किल्स को इंटर्न ड्राफ्ट की तरह मानें। उन्हें आंखों से देखने के लिए hermes curator review, वास्तव में अच्छे वालों को पिन करें ताकि वे बचे रहें, बाकी को संग्रहित होने दें। इस लूप को क्यूरेट करना ही शिक्षा है।

एक अन-क्यूरेटेड एजेंट समय के साथ बेहतर नहीं, बल्कि बदतर होता जाता है।

2d. मानक - अनुशासन, इस आधार पर रैंक किया गया कि यह आपको कितना बचाता है

ये वे नियम हैं जिन्हें आप SOUL.md और हर SKILL.md में शामिल करते हैं। प्रभाव के क्रम में।

1. अंकगणित पर प्रतिबंध लगाएं। LLMs टोकन की भविष्यवाणी करते हैं। यह आत्मविश्वास से भरी गलत संख्याओं का नंबर एक स्रोत है। साफ कार्यान्वयन execute_code (2e में शामिल) का उपयोग करता है ताकि एक नियतात्मक स्क्रिप्ट गणित करे और मॉडल केवल इनपुट तय करे और आउटपुट की व्याख्या करे।

मॉडल द्वारा "अनुमानित" DCF काल्पनिक है; वह जो एक स्क्रिप्ट ने गणना की और मॉडल ने तनाव-परीक्षण किया, वह उत्पाद है।

2. हर आंकड़े पर स्रोत। प्रत्येक संख्या अपने स्रोत और तिथि के साथ जुड़ी हुई लौटती है, कभी नंगी नहीं। रेंडरर बिना स्रोत वाली किसी भी चीज़ को हटा देता है।

इसका लाभ प्रतिकूल है: जब दो स्रोत असहमत होते हैं, तो असहमति ही संकेत है।

3. केवल बिंदु-समय (Point-in-time)। लुक-अहेड बायस हर बैकटेस्ट और हर "इसने इसे कॉल किया" स्क्रीनशॉट का मूक हत्यारा है। APIs डिफ़ॉल्ट रूप से पुनर्कथित, वर्तमान डेटा प्रदान करती हैं।

तथ्यों को तिथियों के साथ टैग करें और एजेंट को केवल वही जानने तक सीमित रखें जो निर्णय तिथि पर ज्ञात था।

4. स्वभाव से प्रतिकूल। एक उप-एजेंट लॉन्ग केस बनाता है, दूसरे को इसे खत्म करने का आदेश दिया जाता है, तीसरा एक बताए गए आत्मविश्वास पर सुलह करता है। मूल्य पूरी तरह से उद्देश्यों के वास्तव में विरोधी होने में है, एजेंटों की संख्या में नहीं।

तटस्थ-संरेखित मॉडल यहां मायने रखते हैं क्योंकि वे बियर केस को गूदे में बदलने के बजाय उस पर कड़ी बहस करेंगे।

5. परहेज करने का लाइसेंस। हर कॉल पर "कौन सा एक डेटा पॉइंट इसे पलट देगा" को बाध्य करें।

यदि वह डेटा एजेंट के पास नहीं है, तो उत्तर कोई स्थिति नहीं है।

2e. उन्नत चाल: प्रोग्रामेटिक टूल कॉलिंग पाइपलाइनों को शून्य कॉन्टेक्स्ट लागत पर समेट देती है

यह वह सुविधा है, जो एक बार समझ में आ जाने पर, आपके हर विश्लेषक वर्कफ़्लो को बनाने का तरीका बदल देती है।

आम तौर पर एक बहु-चरणीय पाइपलाइन प्रति चरण एक LLM टर्न जलाती है: "मैं खोजूंगा... अब मैं पढ़ूंगा... अब मैं सारांशित करूंगा... अब मैं लिखूंगा।"

हर यांत्रिक कदम अनुमान टोकन की लागत वहन करता है और बीच के कचरे से कॉन्टेक्स्ट को प्रदूषित करता है।

execute_code इसे खत्म करता है

एजेंट एक Python स्क्रिप्ट लिखता है जो Unix-डोमेन-सॉकेट RPC पर Hermes के अपने टूल को कॉल करती है। स्क्रिप्ट एक चाइल्ड प्रोसेस में चलती है; टूल कॉल सॉकेट के ऊपर पैरेंट को वापस जाते हैं और सामान्य टूल कॉल के समान हैंडलर के माध्यम से डिस्पैच होते हैं।

महत्वपूर्ण रूप से: केवल स्क्रिप्ट का print() आउटपुट मॉडल को लौटता है। बीच के टूल परिणाम कभी भी कॉन्टेक्स्ट विंडो में प्रवेश नहीं करते।

1# एजेंट इसे एक बार लिखता है; मॉडल केवल निर्णय बिंदु पर शामिल होता है
2from hermes_tools import edgar_fetch, market_price, calc
3
4tickers = ["TSLA", "NVDA", "COIN"]
5rows = []
6for t in tickers:
7    f = edgar_fetch(t, form="10-Q")          # RPC पर टूल कॉल
8    px = market_price(t)                      # RPC पर टूल कॉल
9    pe = calc("pe", price=px["last"], eps=f["eps"])  # नियतात्मक गणित, LLM नहीं
10    rows.append({"ticker": t, "pe": pe, "src": f["accession"], "as_of": f["period_end"]})
11
12print(rows)   # केवल यह कॉन्टेक्स्ट विंडो को हिट करता है

एक फाइनेंस विश्लेषक के लिए यह बहुत बड़ा है।

20 टिकरों पर तीन-तीन टूल कॉल के साथ सुबह का सर्वेक्षण 60 टूल कॉल है, जो पारंपरिक रूप से किए जाने पर आपका कॉन्टेक्स्ट और टोकन बजट उड़ा देगा।

एक स्क्रिप्ट के रूप में यह एक टर्न, एक साफ मुद्रित तालिका है, गणित इनलाइन नियतात्मक रूप से किया जाता है। आप पूरी पाइपलाइनों को एकल अनुमानों में समेट देते हैं और मॉडल केवल उन बिंदुओं पर सोचता है जिन्हें वास्तव में निर्णय की आवश्यकता होती है। अपने आवर्ती विश्लेषक वर्कफ़्लो को स्किल्स में लिपटे execute_code स्क्रिप्ट के रूप में बनाएं। (केवल Linux/macOS, इसे Unix डोमेन सॉकेट की आवश्यकता है।)

2f. मेमोरी - तथ्य बनाम उपयोगकर्ता-मॉडल

Hermes की मेमोरी तीन ऑर्थोगोनल तंत्र हैं ("3 परतें" फ्रेमिंग एक शिक्षण सरलीकरण है, कोड में वे स्वतंत्र हैं):

• MEMORY.md - टिकाऊ तथ्य। ~2,200 वर्ण सीमा।
• USER.md - आपका मॉडल। ~1,375 वर्ण सीमा।
• SessionDB - SQLite, WAL, FTS5 हर पिछले टर्न पर, session_search के माध्यम से क्वेरी की जाती है।

एक MemoryStore MEMORY.md और USER.md को सेशन शुरू होने पर एक बार पढ़ता है और उन्हें सिस्टम प्रॉम्प्ट में एक एकल अपरिवर्तनीय ब्लॉक के रूप में एम्बेड करता है।

एजेंट सेशन के बीच में उन फ़ाइलों में लिख सकता है और लेखन डिस्क को हिट करता है, लेकिन इन-प्रॉम्प्ट कॉपी अगले सेशन तक नहीं बदलती, क्योंकि इसे बदलने से प्रीफ़िक्स कैश टूट जाएगा (हर जगह समान अपरिवर्तनीय सिद्धांत)।

साथ ही 8 वैकल्पिक बाहरी प्रदाता (Honcho का डायलेक्टिक यूज़र मॉडलिंग, Mem0, Hindsight, Supermemory…), सिंगल-सेलेक्ट, hermes memory setup।

वर्ण सीमाएं एक विशेषता हैं। वे आपको USER.md को डंपिंग ग्राउंड नहीं, बल्कि उच्च-संकेत बुनियादी ढांचे के रूप में रखने के लिए मजबूर करती हैं।

एक विश्लेषक के लिए, USER.md आपका जनादेश है: जोखिम सहनशीलता, क्षितिज, वे मीट्रिक जिन पर आप वास्तव में कार्य करते हैं, आउटपुट प्रारूप।

MEMORY.md टिकाऊ तथ्यों के लिए है जो एजेंट ने अर्जित किए ("COIN का राजस्व 10-K से FMP की तुलना में अधिक साफ-सुथरा जुड़ता है")।

SessionDB आपके स्कोरकीपर के रूप में, हर कॉल को स्टोर करें, परिणामों के विरुद्ध स्कोर करें, और एजेंट पूर्वधारणाओं को अपडेट करता है जबकि आप इसका कैलिब्रेशन सीखते हैं, यह कहाँ तेज है और कहाँ पुरानी तरह से बहुत तेजी से बुलिश है। वह कैलिब्रेशन मैप अल्फा है जिसे कोई भी रिटेल बिल्ड इकट्ठा करने की जहमत नहीं उठाता।

2g. जब प्रॉम्प्ट पर्याप्त नहीं हैं: GAPA, फिर RL

फाइन-ट्यूनिंग तक पहुंचने से पहले: Hermes के पास GAPA है, आपके SOUL.md, स्किल निर्देशों और सिस्टम प्रॉम्प्ट के लिए व्यवस्थित प्रॉम्प्ट ऑप्टिमाइज़ेशन, मैन्युअल परीक्षण-और-त्रुटि ट्वीकिंग के बजाय।

जब प्रदर्शन पठार पर पहुंच जाए तो इसे आज़माएं।

इससे आगे, Hermes बैच ट्राजेक्ट्री जनरेशन करता है और SFT के लिए ShareGPT-फॉर्मेट ट्रेस निर्यात करता है, और आपके अपने ट्राजेक्ट्री पर टूल-कॉलिंग व्यवहार को वास्तव में फाइन-ट्यून करने के लिए एक RL पथ (Atropos) है। यह "इसे शिक्षित करें" की वास्तविक सीमा है, यह एक मॉडल को प्रशिक्षित करने में समाप्त होता है कि आपका विश्लेषक कैसे काम करता है।

भाग 3 - इसे विस्तार दें: रिपॉजिटरी, MCP, सेवाएं

MCP: पंजीकरण को एक्सपोज़र से अलग करें

CLI या config.yaml के माध्यम से सर्वर जोड़ें; एजेंट स्टार्टअप पर उनके टूल को सूचीबद्ध करता है और उन्हें बिल्ट-इन के साथ पंजीकृत करता है। मुख्य अनुशासन, ऊपर कैश तर्क को दर्शाता है: tools.include के साथ व्हाइटलिस्ट करें ताकि आप केवल वही एक्सपोज़ करें जिसकी आपको आवश्यकता है, क्योंकि हर एक्सपोज़्ड टूल प्रीफ़िक्स टोकन की लागत वहन करता है और आपके हमले की सतह को बढ़ाता है।

1hermes mcp add github --command npx --args "-y,@modelcontextprotocol/server-github"
2hermes mcp configure github   # व्यक्तिगत टूल टॉगल करें

1mcp_servers:
2  filesystem:
3    command: npx
4    args: ["-y", "@modelcontextprotocol/server-filesystem", "/home/you/research"]
5    tools: { include: [read_file, list_directory] }   # केवल-पढ़ने के लिए, कोई लेखन नहीं

लागू करने के लिए /reload-mcp।

Composio MCP चीट कोड है, एक सर्वर, सैकड़ों SaaS कनेक्शन; लोग Hermes पर फाइनेंस एजेंट बनाते हैं जो पूरी तरह से इसके माध्यम से बाजार डेटा खींचते हैं और Google Docs को रिपोर्ट लिखते हैं। और hermes mcp serve Hermes को एक MCP सर्वर के रूप में चलाता है, इसके सेशन हिस्ट्री को एक्सपोज़ करता है ताकि Claude Desktop या Cursor क्वेरी कर सके कि आपके विश्लेषक ने क्या पाया, एजेंट एक ज्ञानकोष बन जाता है जिसे आपके अन्य टूल पढ़ते हैं।

डेटा फ़ॉसेट (रीढ़ बनाम गार्निश के रूप में रैंक किया गया)

क्रिप्टो रीढ़:

DefiLlama

(मुफ्त, कोई कुंजी नहीं, कोई वास्तविक दर सीमा नहीं, TVL/शुल्क/उपज/मूल्य, आधे भुगतान वाले डैशबोर्ड रीस्किन हैं)

+ Helius

(Solana का राजा, उन्नत tx पार्सिंग बाइट-सूप को पढ़ने योग्य स्वैप में बदल देता है)।

गार्निश:

Birdeye (OHLCV+वेबसॉकेट), Jupiter (रूटिंग/कोट्स), Dune+Flipside (SQL ऑन-चेन), Bitquery (GraphQL मल्टीचेन), Nansen/Arkham (लेबल, भुगतान)।

TradFi रीढ़:

FRED

(St Louis Fed, उच्चतम-संकेत मुफ्त मैक्रो, वह डेटा जिसे डेस्क वास्तव में देखते हैं)

+ edgartools

(MIT, कोई कुंजी नहीं, एक्सेसन नंबर के साथ 10-K से टाइप किए गए वित्तीय)।

गार्निश:

Finnhub (सबसे अच्छा मुफ्त स्तर), FMP (पूर्व-गणना अनुपात), Polygon/Tiingo (साफ ऐतिहासिक), yfinance (डक्ट टेप, चुपचाप टूट जाता है), GDELT (वैश्विक समाचार घटनाएं)।

जाल: मुफ्त स्तर तंग हैं (Alpha Vantage ~दो दर्जन कॉल/दिन)। आपको लगेगा कि आपका कोड टूट गया। सब कुछ कैश करें, और दर सीमाओं से बचने के लिए कई कुंजियों पर स्वचालित रूप से घूमने के लिए क्रेडेंशियल पूल (config.yaml) का उपयोग करें।

आपके समय के लायक रिपॉजिटरी

• NousResearch/hermes-agent

developer-guide डॉक्स पढ़ें: आर्किटेक्चर, एजेंट-लूप, कॉन्टेक्स्ट-कंप्रेशन-एंड-कैशिंग। DeepWiki और mudrii/hermes-agent-docs मिरर आंतरिक भागों के लिए अच्छे हैं।

• 0xNyk/awesome-hermes-agent

क्यूरेटेड स्किल्स, टूल, MCP सर्वर, इंटीग्रेशन। यहां से शुरू करें। स्किल हब: आधिकारिक Hub (680+ स्किल्स, 18 श्रेणियां), skills.sh, ClawHub।

• OpenBB-finance/OpenBB

ओपन-सोर्स Bloomberg जो MCP सर्वर शिप करता है, तो यह सीधे Hermes में प्लग हो जाता है और एजेंट को एक इंटरफेस के माध्यम से एक विशाल मार्केट-डेटा + एनालिटिक्स सतह सौंपता है। सबसे अधिक लाभ उठाने वाला एकल बोल्ट-ऑन।

• polakowo/vectorbt

Numba-तेज़ बैकटेस्टिंग, सेकंड में हजारों विविधताएं। एक स्किल में लपेटें ताकि एजेंट आपके भरोसा करने से पहले हर परिकल्पना का परीक्षण करे।

• TauricResearch/TradingAgents (+ auronsun/TradingAgents-crypto)

मल्टी-एजेंट ट्रेडिंग-फर्म सिम। संरचना के लिए इसे पढ़ें, फिर लीनर बुल/बियर-सबएजेंट संस्करण बनाएं जिसे आप समझते हैं। वास्तविक व्यवस्थित रणनीतियों के लिए microsoft/qlib और nautechsystems/nautilus_trader। लाइब्रेरी मैप के रूप में wilsonfreitas/awesome-quant।