Obsidian + Git + Hermes — мій досвід

1. Мотивація — чому я це почав

Я довго вів нотатки врозкид: ідеї в ChatGPT, думки в Telegram собі, файли на ноутбуці. Проблема — нічого не було пов'язано між собою, і кожен новий чат починався з нуля.

З часом я зрозумів що хочу більшого:

• Не прив'язуватись до місця. Ноутбук не завжди під рукою. А телефон — завжди. Голосові повідомлення в Telegram виявились найзручнішим способом «ой, згадав, треба записати».
• Структура для проектів. Я веду музичні релізи (SHUM & RUTA), технічні експерименти, блог — усе це потребувало єдиної системи замість розрізнених нотаток.
• Пам'ятати важливе і неважливе. Найбільше бажання — мати змогу повернутись до будь-якої думки, рішення чи ідеї через місяці й використати це знання собі на користь з плином часу.
• Свої дані під своїм контролем. Не хотів залежати від хмарного сервісу, який може закритись або змінити умови.
• 24/7 доступність агента через Telegram як основний інтерфейс.
• Голосові нотатки — кинув голосове, агент транскрибує, виконує, результат у Telegram.

Два фактори зробили це urgent:

1. Платформенна залежність. Моя vault-робота велась через інструменти до яких не було постійного власного доступу. Потрібен власний стек.

2. База знань виросла до залежності від агента. Когнітивний шар, summaries, спостереження — все це дає реальну користь тільки через інтеракції з AI. Без власного агента база знань втрачає сенс.

Але найглибша причина — у фразі яку я якось записав:

AI розширює горизонт того що я бачу. А завжди хочеться зазирнути трохи далі за горизонт.

2. Вибір інструментів

Я свідомо обирав open-source і self-hosted рішення:

• Obsidian — локальні markdown-файли, вікілінки ([[Note]]), граф зв'язків. Не прив'язаний до хмари. Версіонується через Git.
• Git + GitHub — версіонування, бекап, історія змін. Якщо Obsidian зникне — у мене лишаються звичайні .md файли.
• Hermes Agent — open-source агентний фреймворк від Nous Research. Telegram out-of-the-box, cron scheduler, skills system, model-agnostic. Саме model-agnostic вирішує проблему контролю вартості.
• OpenRouter — 200+ моделей через єдиний API. Платиш per-token, міксуєш дешеві моделі для простих задач і дорогі — для складних.
• LXC (Proxmox) — легковісний контейнер. Швидший запуск, менше ресурсів ніж повноцінна VM, та ж ізоляція.

Чому НЕ OpenClaw: мій попередній агент реально працював — Telegram, щоденні перевірки — але не мав структурованої бази знань. Налаштування складніше, ніж Hermes.

Чому НЕ Paperclip: цікава мультиагентна платформа, але для одного агента на старті — overkill. Розглядаю як наступний крок.

3. Структура бази знань

Перш ніж запускати AI агента, потрібно мати куди зберігати знання. Моя база має таку структуру:

• Welcome.md — карта знань, точка входу
• Self/ — профіль, цінності, інтереси
• People/ — профілі людей (5 категорій за близькістю)
• Projects/ — активні проекти (AI agent, Music Production, Garage, Blog)
• Daily Notes/ — щоденні нотатки з ієрархією: день → тиждень → місяць → квартал → рік
• Places/ — повторювані локації
• Themes/ — наскрізні теми життя
• Ideas/ — некристалізовані ідеї
• Resources/ — прочитане / подивлене
• Events/ — значущі події
• Templates/ — шаблони для всього
• System/ — мета-документація, конституція агента, cron

Принципи, яких я дотримуюсь:

• Вікілінки замість папок. [[Note]] — нейрони мережі значень. Connection over categorization.
• YAML frontmatter — обов'язковий для всіх нотаток. type:, status:, tags:.
• Префіксна таксономія тегів: #type/, #area/, #status/.
• Піраміда daily notes: день → тиждень → місяць → квартал → рік.
• Reflection > collection: синтез цінніший за накопичення.
• Vault для людей, не лише для AI: markdown лишається human-readable.

4. Технічна частина — LXC + Hermes

Інфраструктура

Proxmox LXC контейнер на домашньому сервері:

- ОС: Ubuntu 24.04 LTS
- RAM: 8 GB + 2 GB swap
- CPU: 4 cores
- Disk: 32 GB
- IP: 192.168.10.35/24
- Timezone: Europe/Kyiv

Встановлення Hermes

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Setup wizard — Full Setup. Конфіг у /root/.hermes/: config.yaml, .env (API keys), cron/, sessions/, logs/.

Налаштування моделей

Перша помилка: запустив на дорогій моделі. Просте «Hi» коштувало $0.14 — Hermes завантажує всі 100+ tool-definitions у system prompt при кожному виклику. Проекція: ~$210/міс.

Рішення: переключив на DeepSeek-V4-flash ($0.14/$0.28 per 1M токенів). Те саме «Hi» — cost <$0.01. Майже 1 млн контексту, відмінний tool-calling.

Поточна стратегія:

• DeepSeek-V4-flash — default (90% задач, $0.013-0.04/task)
• Складні моделі — escalation only для vault-аналізу, manual switch
• Вимкнені інструменти — менший system prompt = менше токенів

Telegram інтеграція

Telegram bot token — перевикористав від старого агента. OpenRouter sub-key створено окремо для Hermes з лімітом $15/міс.

Vault на LXC

SSH ключ → GitHub Deploy Key (read-write) → git clone /root/vault. Окрема git-identity «Hermes Agent» для агента — в git log видно хто комітив: людина чи агент.

Cron автоматизація

• Неділя 21:00 — build-summaries + push
• Щодня 06:00 — git pull
• Щодня 22:00 — safety push
• Кожні 10 хв — gateway watchdog

Механічні операції — shell-скрипти, розумні операції — через LLM. Економить токени і надійніше.

5. Бюджет — реальні цифри

• LXC контейнер (на Proxmox): Безкоштовно
• Obsidian: Безкоштовно
• Hermes Agent: Безкоштовно (open-source)
• OpenRouter (місяць): ~$10-25
• GitHub: Безкоштовно
• Разом: ~$10-25/міс

Реальна статистика за період: 975 запитів, $9.51 витрачено. Поповнив баланс на $10 — це інвестиція в себе.

Стратегія економії:

• DeepSeek-V4-flash для звичайних задач — реальна вартість $0.013-0.04/task
• Складні моделі — тільки для аналізу, manual switch
• Вимкнення непотрібних інструментів зменшує споживання токенів

6. Враження — що це дало

Плюси

Голосові повідомлення в Telegram. Кинув голосове — воно транскрибується, агент виконує, я отримую результат. Найзручніший інтерфейс для «ой, згадав, треба записати».

Персистентна пам'ять. База знань — джерело істини. Агент має доступ до всіх нотаток, рішень, профілів людей. Якщо питаю «що ми вирішили про X місяць тому?» — він знає.

Контроль витрат. Ліміт + дешева модель для звичайного = передбачувано. $10-25/міс за власного агента з необмеженою базою знань.

Cron-задачі. База знань підтримується в порядку без моєї участі.

Уроки

Git конфлікти реальні. Якщо редагувати одночасно з ноутбука і з агента — merge conflicts трапляються. Single-writer pattern (ноутбук = read-only mirror) вирішив проблему.

Спочатку багато ручного налаштування. Конфіг, конвенції, cron setup. Не чекайте що запрацює «з коробки» за 10 хвилин.

Потрібна стратегія routing. Дешева модель чудова для звичайних запитів, але для складних задач все ще треба дорожча.

Memory drift — реальна проблема. Без регулярного аудиту агент починає суперечити сам собі. Створив Конституцію (три закони) і щотижневий Observer Protocol — перевірка пам'яті на суперечності.

Дорогі моделі не завжди кращі. Деякі дешеві моделі показали себе краще за дорожчі аналоги в tool-heavy задачах.

7. Що далі

• Paperclip — мультиагентна оркестрація. Hermes як агент, Агент-Бібліотекар — другий.
• Агент-Бібліотекар — автоматичний догляд за базою знань: аудит, чистка, рекомендації.
• Ghost CMS інтеграція — публікувати статті напряму з бази знань на blog.

Висновок

Це не просто «встановити програму». Це побудувати систему яка працює на тебе. Я витратив трохи часу на початкове налаштування, але тепер маю:

• Власну базу знань яка не залежить від жодного сервісу
• AI агента який пам'ятає контекст між сесіями
• Telegram як єдиний інтерфейс — голосові повідомлення, запити, задачі
• Контроль витрат: $10-25/міс замість підписок які не дають і половини цього функціоналу
• Структуру для проектів: музика, блог, технічні експерименти — все в одній системі

Найцінніше — відчуття що дані належать тобі, система гнучка, і її можна розвивати далі в будь-якому напрямку.

Ця стаття написана і опублікована за участі Сюзанни — AI агента на базі Hermes Agent.