Knowledge Hub
Guides & Ordbog
Alt-i-ét videnshub: hurtigstart, 38+ termer, beslutningstræer og eksterne kilder til Hermes Agent økosystemet.
4hurtigstart
38termer
3beslutningstræer
5eksterne kilder
🚀 Hurtigstart
Første gang med Hermes?
Start her — lær de grundlæggende koncepter, installation og første skridt med Hermes Agent.
Hvad er n8n?
n8n er et workflow-automatiseringsværktøj med visuel editor. Bruges til at koble API'er, webhooks og AI-modeller sammen i automatiserede flows.
Hvad er LangGraph?
LangGraph er et framework fra LangChain til at bygge stateful multi-agent workflows med controllable agent loops, checkpoints og tool orchestration.
Hvad er et agent-team?
Et agent-team er flere AI-agenter der koordinerer opgaver — fx orchestrator + workers, eller router + specialists. Se multi-agent mønstre og beslutningsguiden.
📖 Ordbog (Glossary)
- Agent
- En AI-assistent med evne til at bruge værktøjer, tage beslutninger og udføre opgaver autonomt.
- delegate_task
- Hermes-funktion til at sende en opgave til en subagent med specifik instructions.
- Kanban
- Visuel opgavestyring med kolonner (todo/in-progress/done). Bruges i Hermes til holdbar projektledelse.
- Cron
- Planlagt kørsel af opgaver på faste intervaller. Hermes cron kører scripts eller agent-tasks automatisk.
- Provider
- LLM-udbyder (OpenRouter, OpenAI, Google, etc.) der leverer model-inference via API.
- Model routing
- Automatisk valg af model baseret på opgavetype, kompleksitet og budget-regler.
- Fallback
- Backup-model eller handling når primær model/provider fejler (f.eks. free → paid budget).
- Token
- Enhed for tekst i LLM'er. Ca. 4 tegn ≈ 1 token. Afgør pris og context-længde.
- Context window
- Max antal tokens en model kan se på én gang. Afgør hvor meget historik/data der kan bruges.
- Prompt engineering
- Kunsten at skrive instruktioner til en LLM for at få det bedste output.
- Context engineering
- Design af den samlede kontekst (system prompt, memory, tools, docs) som modellen modtager.
- RAG
- Retrieval-Augmented Generation — henter relevant dokumentation og indsætter i prompten.
- Fine-tuning
- At træne en eksisterende model videre på specifik data for at forbedre kvalitet i bestemte opgaver.
- LoRA
- Low-Rank Adaptation — effektiv fine-tuning metode der kun træner små adapter-lag.
- GGUF
- Filformat for kvantiserede modeller der kan køres lokalt (llama.cpp, Ollama).
- Quantization
- Komprimering af modelvægte (4-bit, 8-bit) for at reducere hukommelse og øge hastighed.
- MCP
- Model Context Protocol — standardiseret interface til at give LLM'er adgang til eksterne værktøjer.
- Skill
- Modulært færdighedspakke i Hermes (f.eks. research, coding, creative) med specifikke instructions.
- Memory (short-term)
- Session-begrænset kontekst — samtalehistorik der ryddes ved nulstilling.
- Memory (long-term)
- Persistent hukommelse via Honcho — facts og beslutninger der overlever sessions.
- Honcho
- Hermes' memory-provider til langtidshukommelse — holder styr på brugerpræferencer og kontekst.
- Gateway
- Hermes Gateway — HTTP-proxy til at route LLM-requests til forskellige providers.
- Dashboard
- Denne side — Hermes Agent Info dashboard til overvågning, beslutninger og dokumentation.
- Sandbox
- Isoleret kodekørselsmiljø til at afvikle scripts og tests sikkert.
- Subagent
- En under-agent der modtager en specifik opgave fra en orchestrator-agent.
- Orchestrator
- Hoved-agent der koordinerer og delegerer opgaver til specialist-agenter.
- Specialist
- Agent med ekspertise i ét område (f.eks. research, kode, QA).
- Router
- Komponent der analyserer opgaven og dirigerer til den rette specialist.
- Reviewer
- Agent der gennemgår og validerer output fra andre agenter.
- Critic
- Agent eller LLM der evaluerer og giver feedback på output — bruges i LLM Council.
- Worker
- Agent der udfører konkrete opgaver uden koordineringsansvar.
- Harness
- Test-harness — rammeværk til at køre, evaluere og sammenligne modeller/outputs.
- Benchmark
- Standardiseret test til at måle modelpræstation (SWE-bench, MMLU, etc.).
- Eval
- Evaluation — systematisk test af modelkvalitet med scoringsmetrikker.
- SWE-bench
- Software Engineering Benchmark — tester modellers evne til at løse rigtige GitHub issues.
- OpenRouter
- API-aggregator der giver adgang til 200+ modeller via én endpoint. Bruges som primær provider.
- Free-tier
- Gratis modeller på OpenRouter (markeret med :free). Begrænsede men gode til simple opgaver.
- Status label
- Klassificering af tilstand: Adopted, Useful, Monitoring, Rejected, Later, Outdated, Fixed.
🌳 Korte Beslutningstræer
🤖 Hvilken model?
Start med free-tier model → Gratis, dækker 80% af opgaver
Hvis kvalitetsproblemer? → Paid budget (DeepSeek V4 Flash)
Hvis kompleks opgave? → Premium (GPT-5.5 / Claude)
🔧 Hvilket værktøj?
Start med indbyggede Hermes tools → Terminal, file I/O, web search
Hvis behov for ekstern API? → MCP integration
Hvis behov for automation? → n8n workflow
📐 Hvilken strategi?
Simpel opgave (< 3 trin) → Direct single-agent
Kompleks opgave (3+ trin) → delegate_task til subagent
Gentagen opgave → Cron + specialist agent
Tværfaglig opgave → Orchestrator + workers