Hermes Agent Info
Optimizer Agent documentation review

Instructor

Side #284 · Kilde: https://hermes-agent.nousresearch.com/docs/user-guide/skills/optional/mlops/mlops-instructor

Instructor

Finding

Instructor er relevant, fordi det giver Hermes en enkel måde at få validerede, typede og retry-sikre LLM-output uden at bygge egne JSON-parsere.

What it is

Instructor er en Python-baseret structured-output library, der bruger Pydantic-modeller til at validere LLM-svar. Hvis modellen returnerer manglende eller ugyldige felter, kan Instructor automatisk retry med valideringsfeedback. Siden viser især data extraction, klassifikation, nested schemas, enums, streaming og multi-provider brug med OpenAI, Anthropic og lokale OpenAI-kompatible endpoints.

Should we use it?

Use later. Det passer godt til Lisa’s Hermes+n8n+LangGraph mission, men bør ikke blive standardlaget for alle Hermes-svar, fordi Hermes allerede har native skills, memory og tool governance. Det bør bruges målrettet i Python-komponenter, hvor vi har brug for stærkt validerede artefakter mellem Hermes, n8n og LangGraph, især når output skal videre ind i workflows. For simple agent-svar og almindelig promptdisciplin er det overkill.

Recommendation

Installer og brug Instructor først i små, afgrænsede Python-workflows, hvor output skal være maskinlæsbart og valideret før det sendes videre til n8n eller LangGraph.

Use now

Do not use / wait

Public page note

Instructor kan beskrives offentligt som et optional Hermes-skill til validerede, typede LLM-output med Pydantic, særligt nyttigt når agent-svar skal bruges sikkert i automatiserede workflows.