Cockpit pilota, Hermes executa 24/7. Esta página reúne hardware, modelos de IA locais, roteamento na nuvem, contas isoladas, automações agendadas, fluxogramas, métricas, glossário e perguntas frequentes — tudo em um so lugar.
Sem jargão técnico: o que é o GENESIS, em linguagem de negócio, e por que ele economiza dinheiro enquanto trabalha sozinho.
Depender de um único modelo de IA é como ter uma equipe de uma pessoa só: o Opus 4.8 raciocina fundo mas é caro, os modelos locais são gratuitos mas mais rasos, e cada provider externo brilha em uma coisa só. O GENESIS resolve isso como um escritório de IA que não dorme, montado dentro de um único computador: um estagiário local gratuito (os modelos via Ollama) faz triagem, rascunho e trabalho repetitivo sem mandar dado para fora; um consultor sênior premium (Claude Opus 4.8) entra só quando a decisão justifica a conta — arquitetura, copy final, análise estratégica; e um gerente de custos (o orquestrador-roteador) olha cada tarefa e escolhe quem executa, sempre tentando o mais barato primeiro.
O resultado é simples de explicar a um conselho: a maior parte do volume sai de graça no estágio local, a inteligência cara entra apenas onde muda o resultado, e um medidor de orçamento corta o gasto automaticamente se algo sair do padrão. Potência alta onde importa, custo baixo onde não importa. Esta página percorre, na ordem em que as perguntas surgem, o que o GENESIS é, como ele decide qual IA usa cada tarefa, o que já entrega na prática, quanto custa e economiza, e como evolui mantendo a operação segura.
qwen3-coder:30b-hermes). O Opus 4.8 via OAuth Max foi usado até 08/06, mas saiu do bot por conformidade com o ToS da Anthropic; o cérebro premium está em migração para GPT-5.5 (via OAuth OpenAI). O roteamento multi-provider (6 APIs) é capacidade montada, ainda em chaves placeholder.Um LLM é como um funcionário que leu praticamente tudo o que já foi escrito e aprendeu a prever a próxima palavra de um texto. Por isso ele consegue redigir, resumir, traduzir e responder perguntas. Ele não "sabe" as coisas como uma pessoa; ele é extremamente bom em continuar um texto de forma plausível — e isso, na prática, resolve a maior parte do trabalho de escritório.
Large Language Model: rede neural transformer treinada para prever o próximo token sobre grandes corpora. Mede entrada e saída em tokens, opera dentro de uma janela de contexto fixa e pode invocar ferramentas externas (tool-calling). No GENESIS rodam 7 modelos locais catalogados via Ollama (ex.: qwen3-coder:30b-hermes, gemma3); só um fica quente por vez (keep-warm) e os demais sobem sob demanda (cold-load).
O orquestrador é o gerente que recebe cada pedido e decide quem deve atendê-lo: o estagiário local grátis, ou o consultor premium pago. Ele sempre tenta o mais barato primeiro e só escala para a opção cara quando a tarefa realmente exige. É o que mantém a conta do mês sob controle sem você precisar pensar nisso.
O geo-orchestrator roteia por tipo de tarefa (código, visão, raciocínio) em modos solo, council ou pipeline, usando o Ollama como estágio zero. Ele pode escalar para seis providers cloud (Anthropic, OpenAI, Google Gemini, Perplexity, Groq, xAI) — porém as chaves no .env ainda são placeholders, então o roteamento cloud é capacidade/roadmap, não está ativado. O que está vivo hoje: Ollama local e Claude via OAuth.
Estado operacional confirmado dos subsistemas do Geo-Hermes na GENESIS, conforme verificações registradas nas memórias do projeto.
model.default = qwen3-coder:30b-hermes, provider local). O Claude saiu do Hermes por conformidade com o ToS da Anthropic; o cérebro premium (GPT-5.5 via OAuth) entra em seguida.
D:\AI\Ollama\models; garantido por ollama-ensure.ps1.
~/.claude-hermes; interativo em ~/.claude.
setkeys antes do escalonamento.
Visão consolidada da infraestrutura local da GENESIS, com tabelas detalhadas e fluxogramas intercalados onde ajudam a entender cada peça.
qwen3-coder:30b-hermes e o cérebro premium está em migração para GPT-5.5 via OAuth OpenAI.
ollama app.exe pela interface grafica: ele ignora OLLAMA_MODELS e forca modelos para C:. Use sempre o script keeper ollama-ensure.ps1 ou o comando serve apontando para D:.
CLAUDE_CONFIG_DIR=~/.claude-hermes (conta Max pessoal — alexandre.brt14@gmail.com, via OAuth). O Claude Code interativo usa ~/.claude (conta nuvini, plano Team). As duas contas não se interferem.
Estação de trabalho principal do Alexandre. Processador de 24 núcleos, 64 GB de RAM DDR5 e dois SSDs NVMe. Disco D: (2 TB) reservado para projetos e dados.
| Componente | Detalhe |
|---|---|
| CPU | i9-13900HX — 24 núcleos / 32 threads |
| RAM | 64 GB DDR5-4800 (2 × 32 GB) |
| GPU | RTX 4060 Laptop 8 GB + Intel UHD |
| Disco D: | SSD NVMe Crucial ~2 TB (trabalho) |
Servidor local de IA rodando sem internet. Atua como estágio zero do roteador: triagem e rascunho local antes de qualquer chamada paga a nuvem.
| Modelo | Uso principal |
|---|---|
| Qwen3 8B | Código Python + VS Code Continue |
| Gemma | Visão e tarefas multilíngues |
| Qwen3 | Raciocínio complexo |
| 30B (fallback) | Fallback do bot Telegram |
Assistente autônomo 24/7 controlado via Telegram. Por padrão usa o modelo local (qwen3-coder:30b-hermes); o Claude foi retirado do bot por conformidade com o ToS da Anthropic, e o cérebro premium passa a ser o GPT-5.5 via OAuth. Reinicia automaticamente até 99 vezes.
| Componente | Valor |
|---|---|
| Modelo padrão | qwen3-coder:30b-hermes (local) |
| Cérebro premium | GPT-5.5 via OAuth (em ativação) |
| Config dir | ~/.claude-hermes (isolado) |
| Context | 64 K (65.536) tokens |
Especificações físicas do notebook Alienware m16 R1 (hostname CARAMASCHI-PC), confirmadas via WMI em 01/06/2026.
| Componente | Detalhe |
|---|---|
| Fabricante / Modelo | Dell Alienware m16 R1 |
| Sistema Operacional | Windows 11 Pro 64-bit, build 10.0.26200 (instalado 16/12/2024, licença OEM ativada) |
| Processador (CPU) | Intel Core i9-13900HX — 24 núcleos / 32 threads (8 P-cores + 16 E-cores) |
| Memória RAM | 64 GB DDR5-4800 (2 × 32 GB, ambos os slots ocupados — sem espaco para upgrade simples) |
| Placa de Vídeo (GPU) | NVIDIA GeForce RTX 4060 Laptop (8 GB VRAM dedicada) + Intel UHD integrada |
| Disco C: | SSD NVMe KIOXIA ~1 TB — sistema e programas (~639 GB usados; manter abaixo de 80%) |
| Disco D: | SSD NVMe Crucial ~2 TB — disco de trabalho; todos os projetos, exportações e dados devem ficar aqui |
Modelos instalados no GENESIS via Ollama (localhost:11434), armazenados em D:\AI\Ollama\models, com seus papeis, tamanhos e janelas de contexto.
| Modelo (tag Ollama) | Tamanho / Arquitetura | Uso principal | Contexto (num_ctx) |
|---|---|---|---|
qwen2.5-coder:7b / qwen-coder-7b-tuned | 7 B (denso); 100% GPU (RTX 4060 8 GB); ~50–54 tok/s | Código Python local; workhorse do VS Code Continue + Aider | 16 384 tokens |
qwen3-coder:30b / qwen3-coder:30b-hermes | 30,5 B MoE (3 B ativos/token); ~23–27 tok/s (27% GPU / 73% CPU) | Agente Hermes (fallback cloud + gateway Telegram); código pesado | 65 536 tokens (≥ 64 K exigido pelo Hermes) |
qwen2.5-coder:1.5b-base | 1,5 B (denso); residente em VRAM | Autocomplete FIM em tempo real no VS Code Continue | 4 096 tokens (autocomplete) |
qwen3:8b / qwen3-8b-nothink | 8 B (denso); ~40 tok/s na GPU | Assistente geral (raciocínio, plano, math); juiz no modo council do orquestrador | 32 768 tokens (nativo; rejeitado pelo Hermes < 64 K) |
gemma3:4b-it-qat | 4 B (denso); ~90 tok/s (Gemma4-E4B) | Tarefa geral e roteamento padrão do orquestrador local | 8 192 tokens |
gemma3:12b-it-qat / gemma4 | 12 B (denso); ~20 tok/s | Visão / OCR / multilíngue / escrita criativa | 8 192 tokens |
bge-m3 + Qwen3-Embedding-0.6B | 0,6 B (embedding only) | RAG local — embeddings para @codebase e rag_local.py | N/A (embedding, não geração) |
O cloud.py do orquestrador escalona para um dos seis providers externos com permissão explicita; chaves reais ainda precisam ser inseridas via setkeys.
| Provider | Modelo flagship | Regra de roteamento / uso tipico | Fonte da chave (get_key) |
|---|---|---|---|
| Anthropic | claude-opus-4-8 / claude-sonnet-4-6 | Decisão, arquitetura, copy final (Opus); volume/refactor (Sonnet); flag --provider anthropic | ANTHROPIC_API_KEY env → geo .env → .keys.env |
| OpenAI | GPT-5.5 (flagship vigente) | Cérebro premium do Hermes — em ativação (substitui o Opus no bot por conformidade com o ToS); também capacidades exclusivas GPT (visão, geração de imagem, function calling pesado) | OPENAI_API_KEY env → geo .env → .keys.env |
| Gemini (flagship) | Multilíngue de alta qualidade, contexto longo, pesquisa Google-grounded | GOOGLE_API_KEY env → geo .env → .keys.env | |
| Perplexity | sonar-pro (flagship) | Research com citações web em tempo real — NUNCA substituível pelo LLM local | PERPLEXITY_API_KEY env → geo .env → .keys.env |
| Groq | llama3 / mixtral (inferência rápida) | Inferência de baixa latência para tarefas de volume que precisam de velocidade e não de qualidade máxima | GROQ_API_KEY env → geo .env → .keys.env |
| xAI | Grok (flagship) | Acesso a dados X/Twitter em tempo real; raciocínio alternativo | XAI_API_KEY env → geo .env → .keys.env |
O GENESIS opera com duas contas Claude completamente separadas para evitar conflitos de autenticação e bloqueios de plano entre o agente autônomo (Hermes) e o trabalho interativo (Claude Code / Overseer).
| Conta | Plano | Papel | Config dir (CLAUDE_CONFIG_DIR) |
|---|---|---|---|
alexandre.brt14@gmail.com | Max pessoal (subscriptionType: max) | Hermes 24/7 (@Caramaschi_bot) — padrão local (qwen3-coder:30b-hermes); Claude removido do bot por ToS; cérebro GPT-5.5 via OAuth em ativação | ~/.claude-hermes — injetado em Start-HermesGateway.ps1 (linha 8); credencial OAuth em ~/.claude-hermes/.credentials.json |
alexandre@nuvini.ai | Team (org Nuvini) — bloqueia apps de terceiros no plano; ideal para uso first-party | Claude Code interativo, Overseer, trabalho pesado manual; modelo Opus 4.8 / Sonnet 4.6 conforme tarefa | ~/.claude (padrão do sistema); genesis-overseer.ps1 pina explicitamente CLAUDE_CONFIG_DIR=~/.claude |
Tarefas registradas no Agendador do Windows que mantém o GENESIS operante 24/7, todas em RunLevel Limited (sem elevação), registráveis sem admin.
| Tarefa (nome no Task Scheduler) | Intervalo / Gatilho | Função |
|---|---|---|
HermesTelegramGateway | Logon do usuário; StartWhenAvailable=True; reinicio automático a cada 1 min (RestartCount=99) | Sobe o gateway Hermes (hermes gateway --accept-hooks run) via Start-HermesGateway.ps1; mantém o bot @Caramaschi_bot online 24/7 (padrão no modelo local qwen3-coder:30b-hermes; cérebro premium em migração para GPT-5.5) |
Genesis-Observability-Heartbeat | A cada 5 minutos | Executa genesis-heartbeat.ps1; grava snapshot de saúde em D:\AI\Ollama\observability\heartbeat.jsonl para observabilidade continua |
Genesis-Circuit-Breaker | A cada 10 minutos | Executa genesis-circuit-breaker.ps1; lê o ledger FinOps e, se o gasto real ultrapassar o budget (finops-budget.json: US$5/dia, US$60/mês), arma o killswitch que bloqueia todas as chamadas cloud pagas |
Ollama-Ensure-Local | Logon do usuário + a cada 30 minutos | Executa ollama-ensure.ps1; garante que o servidor Ollama está no ar apontando para D:\AI\Ollama\models (evita o bug do app GUI que forçaria modelos para C:) |
Ollama-KeepWarm-Telegram | A cada 25 minutos | Executa D:\AI\Ollama\keep-warm.ps1; faz ping no modelo qwen3-coder:30b-hermes para mante-lo residente na RAM e evitar cold-load de 27–108 s na primeira mensagem do bot |
# Iniciar Ollama apontando para D: (jeito correto)
$env:OLLAMA_MODELS = "D:\AI\Ollama\models"
ollama serve
# NUNCA usar (ignora OLLAMA_MODELS, forca C:)
# & "C:\Program Files\Ollama\ollama app.exe"# Reiniciar gateway Hermes manualmente (apos queda)
Stop-ScheduledTask -TaskName "HermesTelegramGateway"
Get-Process | Where-Object { $_.CommandLine -match "gateway" } | Stop-Process -Force
Remove-Item "$HOME\.hermes\gateway.pid","$HOME\.hermes\gateway.lock","$HOME\.hermes\gateway_state.json" -ErrorAction SilentlyContinue
Start-ScheduledTask -TaskName "HermesTelegramGateway"# Verificar isolamento de contas Claude Code
$env:CLAUDE_CONFIG_DIR = "$HOME\.claude-hermes" # conta Max pessoal (Hermes, via OAuth)
# Para o Claude Code interativo/Overseer: usar ~/.claude (padrao, sem variavel)
# Confirmar qual conta esta ativa
claude --version
claude config get modelSete maneiras reais de extrair valor do GENESIS — todas viáveis com o que a máquina já tem hoje: estágio local grátis (Ollama) e o cérebro premium na nuvem sob demanda (hoje em transição de Opus 4.8 para GPT-5.5). Pensado para o board, em linguagem de negócio.
Estas ideias adaptam ao Brasil um roteiro público de uso de desktops de IA (no estilo dos walkthroughs de Alex Finn e Greg Eisenberg) ao que o GENESIS realmente executa. A lógica é sempre a mesma: o estágio local faz o volume de graça, e a inteligência cara entra só onde muda o resultado.
Um cron usando o modelo local (Qwen, grátis) lê comunidades — Reddit, X e grupos — a cada 20 a 60 minutos, encontra dores reais de PMEs e empreendedores brasileiros, cruza com o perfil do dono (Brasil GEO, consultoria) e sugere por que ele resolve aquilo, qual o primeiro passo e, quando faz sentido, monta um protótipo. Como roda no estágio local, o custo é zero — pode trabalhar o dia inteiro sem pesar na conta.
A técnica é brain dump + reverse prompt: em vez de escrever o pedido perfeito, você despeja seu contexto (CEO, interesses, metas) e pergunta ao agente qual seria o melhor prompt para isto. A super-inteligência escreve um prompt melhor do que você escreveria — e esse prompt vira um cron das 7h que entrega no Telegram um brief diário: notícias de IA e GEO das últimas 24 horas, mercado (Ibovespa, dólar) e novidades de clientes, bem formatado e em português.
Resultado genérico, sem foco no negócio, sem mercado nem clientes, em qualquer formato.
Brief acionável, focado no negócio, formatado e pronto para a reunião.
No GENESIS isso vira mais uma tarefa agendada que entrega no @Caramaschi_bot, no mesmo padrão das automações já operacionais.
Em vez de criar cinquenta personas (PM, designer, redator, analista…), organize o trabalho por modelo, conforme a força de cada um. O resultado é contexto enxuto e o modelo certo para cada tarefa — ou seja, menos custo sem perder qualidade onde ela importa. Passe o mouse em cada cartão para ver um exemplo.
O consultor sênior. Entra nas decisões de arquitetura, na análise estratégica e no texto que vai para cliente ou board.
Premium — só onde muda o resultadoO time de execução. Refatoração, geração de código e tarefas de volume em que velocidade e custo importam mais que a última gota de qualidade.
Intermediário — paga-se pelo volumeO estagiário da casa. Triagem, classificação em lote, rascunho e leitura de comunidades — tudo no PC, sem mandar dado para fora.
Grátis — roda o dia todoNão use um único mono-thread para tudo. Separe sessões por cliente ou projeto: assim o contexto fica enxuto e a conta menor, porque você não paga para reenviar conversa irrelevante a cada mensagem. Use o indicador de contexto e abra uma sessão nova (/new) ao trocar de assunto.
Contexto ocupado em uma conversa típica: quanto mais enxuto, menos tokens repetidos você paga a cada turno. Separar por projeto é o jeito mais simples de cortar custo sem perder histórico.
Dois conceitos que parecem iguais e não são:
São cópias do mesmo agente trabalhando ao mesmo tempo no mesmo tipo de tarefa. Servem para ganhar velocidade por paralelismo.
São especialistas diferentes, cada um com sua habilidade, que se passam o trabalho.
Jogue links, PDFs e materiais de clientes e concorrentes no agente e tenha tudo organizado e buscável (artifacts). Um perfil "bibliotecário" cuida de catalogar e recuperar o que você precisa, na hora da reunião ou da proposta.
Dispare e acompanhe tudo pelo Telegram (@Caramaschi_bot), já operacional 24/7. O mesmo gateway, hoje com padrão no modelo local (qwen3-coder:30b-hermes) e escalonamento ao cérebro premium quando necessário, já está em produção, disponível agora.
A melhor forma de ganhar dinheiro é achar a dor dos outros e resolver — e agora você tem um funcionário de IA fazendo essa busca o tempo todo, de graça, no estágio local.
Por isso o custo do GENESIS funciona como investimento com retorno, e não como uma assinatura tipo streaming que você consome e some: o estágio local roda grátis o dia inteiro, e o o cérebro premium na nuvem entra sob demanda só quando uma decisão vale mais do que custa. Potência onde importa, custo baixo onde não importa.
Toda requisição entra pela triagem local. O que é trivial morre ali, de graça. O que decide o futuro do negócio escala para o cérebro premium na nuvem. Aperte rodar simulação e acompanhe o token percorrer o caminho, os estados acenderem e o custo subir em tempo real. (Fluxo ilustrativo; o tier premium aparece como Opus 4.8, em migração para GPT-5.5; valores demonstrativos.)
"Qual o comando para listar branches?" — a triagem classifica como trivial e o LLM local responde sem tocar em nenhuma API paga.
"Vale entrar nesse mercado e como posicionar a marca?" — a triagem detecta alto risco, recusa resolver local e escala para o modelo de arquitetura.
O orquestrador divide o repo entre vários subagentes read-only que rodam ao mesmo tempo. Cada um varre uma fatia, todos convergem e só o orquestrador escreve o relatório.
Escolha o tipo de tarefa. A triagem local (Ollama :11434) é o estágio zero — só escala para modelo pago quando vale a pena.
Triagem manteve a pergunta trivial no LLM local — nenhuma chamada paga.
Vários modelos respondem em paralelo. Os votos se acumulam e o orquestrador sintetiza a resposta final.
Aguardando rodada do conselho…
Pipeline paralelo. Invariante: subagentes só leem; o orquestrador escreve apenas em ./overseer-output/. O alvo nunca é mutado.
$ git status --porcelain (rode a simulação)
Antes de digitar o prompt, faça uma pergunta de uma linha: qual é o menor modelo que ainda entrega o resultado certo? Trate o modelo como ferramenta dimensionada para o trabalho, e dimensione sempre pela tarefa que está na frente. Nesta seção você aprende a classificar a tarefa de 1 a 5, mandar o trivial para o LLM local ou Haiku, reservar o cérebro premium na nuvem para decisão e raciocínio profundo, e quebrar uma tarefa grande em subtarefas roteadas como os sete agentes do Overseer. No padrão satélite-roteador, o LLM local (Ollama na porta 11434) é sempre o estágio zero: triagem, classificação em lote e rascunho antes de qualquer chamada paga.
Toda tarefa entra por um único funil. Você atribui uma nota de complexidade e, antes disso, checa dois desvios de rota: se a tarefa exige pesquisa na web com fontes, vai para a Perplexity; se exige tempo real / agora (notícia, tendência, redes), vai para o Grok. Sem desvio, a nota manda: 1 a 2 fica no local, 3 vai para a faixa de volume (Sonnet / GPT / Gemini), 4 a 5 sobe para o cérebro premium na nuvem.
Padrão mecânico, resposta curta, zero ambiguidade.
Rotina previsível, uma transformação bem definida.
Vários passos, algum julgamento, volume alto.
Raciocínio encadeado, trade-offs, risco real de erro.
Decisão, arquitetura, copy final, irreversível.
Estas tarefas têm volume e baixa ambiguidade. Rodar Opus aqui é queimar orçamento sem ganho de qualidade: o resultado seria idêntico. Resolva no LLM local (Ollama) quando puder ficar offline e em lote; use Haiku quando precisar de qualidade de nuvem barata e rápida. O ganho de mandar 1000 linhas para classificar no local em vez do Opus é enorme, e a saída é a mesma.
Aqui o erro é caro e a qualidade do raciocínio muda o resultado de verdade. São decisões estratégicas, arquitetura de sistema, copy final que vai para o board ou para o cliente, e raciocínio profundo com vários trade-offs. Nesses casos, economizar no modelo custa mais caro do que o próprio modelo: um retrabalho ou uma decisão errada paga muitos meses de Opus.
O segredo do custo baixo com qualidade alta: não mande a tarefa inteira para o Opus. Quebre-a em subtarefas e roteie cada uma para o modelo certo, como fazem os sete agentes do Overseer. O orquestrador (Opus) só decide e costura; o trabalho de volume desce para o local e para a faixa média; a pesquisa e o tempo real saem para Perplexity e Grok. O Opus aparece duas vezes: no plano e na síntese final, que é onde o julgamento importa.
Repare na economia: das sete etapas, cinco rodam em modelos baratos ou gratuitos e só duas usam Opus. A tarefa continua sendo de nível 5, mas o custo total cai porque cada subtarefa foi reclassificada no seu próprio nível.
Comparativos de velocidade, custo e distribuição de tarefas entre os modelos locais e na nuvem, além do catálogo de modelos locais por janela de contexto.
Comparativo entre a arquitetura ingênua (tudo no Opus, sem roteamento) e a arquitetura roteada (triagem local gratuita + Sonnet no volume + Opus só no julgamento final). Fonte de preços: Anthropic Pricing, consultado em 08/06/2026.
* Preços conforme Anthropic API Pricing e tabelas públicas dos provedores, consultados em 08/06/2026. Verificar atualizações em platform.claude.ai.
O que está roteado hoje: a família Claude (Opus/Sonnet/Haiku) + o modelo local. GPT-5.5 (cérebro premium, em ativação) e DeepSeek V4 (reserva) entram com a migração — por isso as 3 simulações abaixo modelam apenas a família Claude, que é o que roteia hoje.
Resumo de 5 fontes + 1 parágrafo executivo — rodado 365×/ano.
Ingênuo (tudo Opus)
Custo/dia: $0,053
Custo/ano: $19,40
Roteado (Local + Sonnet + Opus)
Custo/dia: $0,030
Custo/ano: $10,77
Análise de 50 arquivos (~120K tokens de código) com resumo executivo e mapa de dependências.
Ingênuo (tudo Opus, mono-thread)
Custo: $0,80
Roteado (Local → Haiku → Sonnet → Opus)
Custo: $0,23
Classificar 50 itens de conteúdo (leads, tickets ou artigos) com categoria + confiança. Rodado 20×/mês.
Ingênuo (Opus por item, contexto acumulado)
Custo/mês: $5,00
Roteado (Local filtra → Haiku classifica → Opus revisa outliers)
Custo/mês: $1,20
Pior caso — se os outliers ao premium saltam de ~10% para 40%: ~$2,40/mês (Haiku $0,80 + premium $1,60), economia cai para ~52%, ainda positiva.
GEO_HERMES_BUDGET_USD) pertence ao domínio de finops, e não ao de engenharia. O circuit-breaker do GENESIS já implementa isso — revise o teto por tipo de tarefa, e não globalmente.Visão executiva — decisões de arquitetura Geo-Hermes para C-level
Uma linha por eixo de decisão: o padrão recomendado, o gatilho que muda a escolha, o custo relativo, o risco principal com a mitigação e o que já está ativo hoje. As tabelas detalhadas adiante são o aprofundamento de cada linha.
/clear, /compact e subagentes em modelos baratos reduz custo sem sacrificar qualidade nas decisões que importam../overseer-output/ quando em modo Overseer.GEO_HERMES_BUDGET_USD; acima de US$200/mês programático, avaliar API direta./compact, subagentes em modelos baratos, /clear entre sessões) reduzem custo sem sacrificar qualidade nas decisões que importam..env do geo-orchestrator contém chaves placeholder — o roteador existe e está pronto, mas as 6 APIs cloud ainda não estão ativas. Escalonamento cloud requer permissão explícita.code → Qwen3 8B; visão/multilíngue → Gemma; raciocínio → Qwen3. Modos: solo, council, pipeline..env do geo-orchestrator (uma API por vez, com teste de custo)finops-guard antes de habilitar qualquer API pagaA cada semana o agente resolve mais sozinho — e custa menos. Veja como isso acontece na prática.
Cada sessão registra o que foi feito, quais ferramentas foram usadas e o que funcionou. Ponto de partida do aprendizado.
O skill-curator roda a cada 7 dias: avalia skills existentes, consolida as úteis e arquiva as obsoletas. Toda tarefa com 5 ou mais passos vira rascunho de skill automática.
Skills semelhantes são fundidas, padrões repetidos viram regras gerais. O agente sobe um degrau de autonomia a cada mês.
Os marcos já entregues do GENESIS, em ordem de construção. Quase tudo está concluído; o único item em andamento depende de inserir chaves reais de API.
Aplicação do framework Geo-Hermes na máquina: definição de papéis (cockpit pilota, Hermes executa), sandbox fail-safe e modelo Opus 4.8 fixado como prioritário.
Instalação dos modelos locais no disco D:, ajuste de janelas de contexto e keep-warm, mais o orquestrador que roteia por tipo de tarefa. Estágio zero gratuito operando.
Controle remoto pelo bot @Caramaschi_bot, sempre online. Por padrão roda no modelo local; o Claude saiu do bot por conformidade (ToS) e o cérebro premium passa a ser o GPT-5.5 via OAuth.
Painel de gasto em tempo real e teto de orçamento por sessão, para que nenhuma execução autônoma saia do controle de custo sem aviso.
Guardas automáticos (readonly-guard, finops-guard) que inspecionam cada ação antes de executá-la e bloqueiam o que viola as regras.
Auditoria read-only de repositórios funcionando com a invariante "nunca muta o alvo": o repositório analisado termina com git status limpo.
Isolamento definitivo das duas contas Claude por CLAUDE_CONFIG_DIR. O Opus via OAuth foi validado até 08/06; depois saiu do bot por conformidade (ToS) e o cérebro premium passou a migrar para GPT-5.5.
Roteamento para seis providers cloud já implementado, mas as chaves no .env ainda são placeholders. Falta inserir chaves reais via setkeys para ativar o escalonamento pago.
Revisão de arquitetura a partir de feedback da comunidade e de pesquisa em fontes públicas, com o olhar de arquitetura de sistemas de IA. A prioridade número um aqui é de conformidade, e não de desempenho: há um risco de conta a corrigir antes de tudo.
A Anthropic proíbe o uso do login OAuth de assinatura (planos Free, Pro ou Max) em qualquer aplicativo de terceiros, inclusive via Agent SDK. O bloqueio começou em 9 de janeiro de 2026 e a empresa pode suspender a conta sem aviso prévio. O Hermes hoje resolve o token por esse caminho — exatamente o que a política veda. A saída correta é usar chave de API (Anthropic Console) para qualquer uso do Claude no Hermes, ou simplesmente deixar de usar o Claude no bot. O Claude continua liberado apenas dentro do Claude Code, que é uso first-party.
Diferente da Anthropic, a OpenAI passou a permitir (março de 2026) que agentes compatíveis usem a assinatura via OAuth. Como a conta aqui é o plano Max, o GPT-5.5 responde com folga e sem consumir crédito de API. Vira o modelo principal de raciocínio do Hermes.
O DeepSeek V4 está gratuito na NVIDIA NIM (até 40 chamadas por minuto, 1 milhão de tokens de contexto, forte em orquestração e chamadas de ferramenta), com API compatível com a da OpenAI. Serve como gigante de reserva sem custo e sem violar termos. O Grok 4.3 entra como alternativa, com dados do X em tempo real.
A comunidade aponta o Qwen Coder local como fraco. O plano é separar o local em duas frentes. A primeira é multimodal (imagem, vídeo, texto), com o Gemma 3. A segunda é raciocínio local com um modelo de cerca de 9B (por exemplo o Qwen3.5-9B), que cabe nos 8 GB de VRAM e lidera o índice de inteligência abaixo de 10B. O local segue como o estágio zero gratuito de triagem, e não como o cérebro.
A RTX 4060 de 8 GB é o gargalo: modelos de 12B a 14B fazem descarga parcial para a RAM e ficam lentos. Para rodar localmente um substituto real do Sonnet (faixa de 24 a 27B) com fluidez, o caminho é uma placa de 16 GB ou mais. Enquanto isso, o raciocínio pesado permanece na nuvem.
O feedback foi de que o roteador atual adiciona camadas que limitam o uso no dia a dia. A meta é simplificar para uma decisão direta entre local (triagem e multimodal), GPT-5.5 (raciocínio) e DeepSeek (reserva), com menos indireção.
O Opus 4.8 deixa de ser o cérebro genérico e passa a ser reservado para tarefas de código, executadas dentro do Claude Code (uso first-party, sem o risco de termos descrito acima).
Fontes consultadas (junho de 2026): política de autenticação e uso de credenciais da Anthropic (The Register); documentação da OpenAI sobre OAuth de assinatura em agentes; benchmarks de LLM local para 8 GB de VRAM (LocalLLM.in); catálogo NVIDIA NIM, DeepSeek V4 gratuito (build.nvidia.com).
Cada próximo passo da revisão de arquitetura, desenhado como um fluxo de decisão de ponta a ponta — da autenticação por API ao isolamento na nuvem, ao confinamento em container, à lógica determinística com o LLM só decidindo, à separação do bot da orquestração e ao local-first com Ollama e vLLM.
Modelos de linguagem são probabilísticos e experimentais, ao contrário do software determinístico das últimas décadas. Quando o valor do produto vem do próprio modelo, a disciplina importa mais do que a quantidade de recursos. Estes princípios guiam a evolução desta arquitetura.
Quando um experimento falha, a pergunta é sempre: foi falta de raciocínio do modelo, foi a máquina que não aguentou, havia muitos programas abertos consumindo memória, ou o caso de uso estava mal definido e faltou regra de negócio? A meta é uma observabilidade que isole cada causa, em vez de empilhar variáveis e ficar sem resposta.
Começar com modelos de nuvem altamente qualificados, no provedor original, para estabelecer um teto de qualidade que resolve o problema de verdade. Só depois, com dados reais de uso, vale otimizar custo trazendo trabalho para o local. A ordem é resolver primeiro e baratear depois.
Depois de acumular eventos, requisições e casos de uso reais, mexe-se em uma variável por vez em busca de eficiência. Trocar modelo, máquina e definição de tarefa ao mesmo tempo torna impossível atribuir causa a um resultado bom ou ruim.
Construir um agente autônomo novo e experimental e, ao mesmo tempo, torná-lo barato com modelos locais num PC pessoal são dois objetivos difíceis que se atrapalham. O plano é fasear: primeiro o agente cumpre as tarefas com modelos fortes, e o barateamento com local vem como uma fase seguinte, medida.
O roteador e o estágio local são justamente as partes que mais introduzem variabilidade. A diretriz é mantê-los simples, isolados e com um caminho de fallback claro, para que uma falha numa peça não derrube o conjunto nem esconda a causa real.
Antes de culpar o modelo, é preciso saber se, no momento da execução, a máquina tinha VRAM, memória e processamento livres. O heartbeat de observabilidade do GENESIS registra esse estado, separando um problema de raciocínio de um problema de carga da máquina.
A tese é manter a potência dentro de jaulas: o sistema é poderoso, mas trancado, sem abrir portas a ciberataques. Abaixo, as frentes de blindagem — cada uma explicada em linguagem simples.
Rodar o trabalho autônomo dentro de uma caixa isolada do sistema operacional (WSL2/Docker). O Hermes já tem backend Docker na ferramenta de terminal: um erro lá dentro não toca o restante da máquina.
O Telegram usa long polling — o robô liga para fora, ninguém liga para ele: zero porta de entrada aberta. O webhook do caramaschi mora no Fly.io, e o PC nunca atua como servidor. Adiciona-se filtragem de saída (egress) para limitar para onde os dados podem ir.
Guardar senhas e chaves em um cofre dedicado (Bitwarden — já há a seção secrets.bitwarden na configuração do Hermes) em vez de deixá-las soltas no .env. Chaves ficam fora do ambiente global, reduzindo o risco de vazamento.
Três correções que o próprio Overseer recomendou: tirar a --api-key da linha de comando (usar só variável de ambiente), pôr ferramentas de escrita mcp__* na lista de bloqueio, e cobrir interpretadores alternativos (python -c / node -e) no readonly-guard.
Cada execução recebe só a permissão de que precisa: readonly-guard + modos de permissão + a variável GEO_HERMES_READONLY por execução. Por padrão o agente não pode escrever onde não deve.
Gasto fora do padrão é tratado como incidente: o circuit-breaker e o killswitch cortam automaticamente o gasto e a atividade anômalos, contendo tanto custo descontrolado quanto comportamento suspeito.
Troca periódica de tokens (token-renew), snapshots criptografados, verificação de segredos antes de cada commit (secret_guard) e uma esteira de CI com gitleaks, pip-audit, bandit e CodeQL caçando vulnerabilidades.
Rodar os agentes de auditoria como trabalhadores read-only dentro de um container efêmero, com o repositório-alvo montado apenas para leitura e sem acesso à rede. Acabou a análise, o container some.
Vinte termos essenciais explicados em português claro, agrupados por categoria: modelos de linguagem, infraestrutura, segurança e operação.
qwen3-coder:30b-hermes); o Opus fica no Claude Code interativo (conta Team) e o cérebro premium do bot migra para GPT-5.5.q4_0 indica 4 bits sem ajuste extra.high, maximizando a qualidade de raciocínio do modelo premium ao custo de maior latência.localhost:11434 e armazena os modelos no disco D: via a variável OLLAMA_MODELS.@Caramaschi_bot ao runtime sem expor portas na internet.finops-guard e readonly-guard são configurados no settings.json do Claude Code.alexandre.brt14@gmail.com (plano Max pessoal) gravado em ~/.claude-hermes/.credentials.json — não usa chave de API../overseer-output/. Subagentes são estritamente read-only; o hook readonly-guard bloqueia qualquer tentativa de Write/Edit no repositório-alvo, garantindo git status limpo ao final.~/.claude-hermes (conta Max pessoal), separando completamente das configurações do Claude Code interativo em ~/.claude (conta nuvini, plano Team), evitando conflito de credenciais./usage e /cost, teto por sessão autônoma via GEO_HERMES_BUDGET_USD, e a regra de usar o Ollama local como estágio zero para minimizar gastos com API.Respostas diretas para quem usa o desktop sem precisar entender código. Clique em qualquer pergunta para expandir.
Hermes é o "assistente autônomo" do framework Geo-Hermes. Ele fica em segundo plano no seu desktop fazendo tarefas que exigem continuidade — processa arquivos, atualiza bases de dados, roda análises — sem que você precise abrir nada.
Ele roda na sua máquina porque precisa de acesso direto a arquivos locais, ao banco de dados interno e a modelos de IA instalados no HD, coisas que um serviço de nuvem não consegue acessar sem você enviar tudo pela internet.
Pense nele como um assistente de escritório que trabalha à noite: quando você chega de manhã, o trabalho já está feito.
Três razões práticas:
A lógica é "filtrar barato antes de consultar caro": o modelo local faz 80% do trabalho rotineiro; so as decisões que realmente precisam de inteligência premium são enviadas ao Claude na nuvem.
Há duas partes no custo:
GEO_HERMES_BUDGET_USD) e um alarme automático que avisa antes de ultrapassar o limite.A disciplina de roteamento — local primeiro, nuvem só quando necessário — mantém a conta mensal muito abaixo do que seria se tudo fosse processado na nuvem. Acima de US$ 200/mês em uso programático, vale avaliar contratos diretos de API com desconto.
Sim, desde que você use o modo padrão. O Overseer segue uma regra chamada invariante read-only:
git status fica limpo antes e depois da análise../overseer-output/ dentro do seu projeto.Quando a variável GEO_HERMES_READONLY=1 está ativa, um "guarda" de hooks bloqueia qualquer tentativa de escrita fora dessa pasta, mesmo que haja um bug de lógica.
Resumindo: o pior que pode acontecer é o Overseer não gerar saída — ele jamais apaga ou altera arquivos do cliente.
O sistema foi desenhado para sobreviver a quedas de conexão:
Quando a internet volta, o orquestrador retoma de onde parou. Você não precisa fazer nada manualmente.
As duas contas têm funções distintas e usam diretórios de configuração separados (CLAUDE_CONFIG_DIR) para não misturar credenciais:
alexandre.brt14@gmail.com): usada pelo Hermes autônomo. O acesso é feito por OAuth — o gateway reutiliza o token da assinatura Max pessoal gravado em ~/.claude-hermes/.credentials.json. Até 08/06/2026 rodava o Opus 4.8 via OAuth; por conformidade com o ToS da Anthropic o Opus saiu do bot — hoje o padrão é o modelo local e o cérebro premium migra para GPT-5.5 (via OAuth OpenAI). Para uso interativo (Claude Code) vale a conta Team com API/OAuth first-party.alexandre@nuvini.ai, plano Team): usada de forma interativa no Claude Code e no Overseer, em ~/.claude. É o ambiente de trabalho manual e pesado.Manter as duas separadas evita conflito de autenticação e bloqueios de plano: o agente autônomo nunca interfere na sessão interativa, e vice-versa. Não existe uma "conta de API" separada para o Hermes — ele opera inteiramente sobre o OAuth da conta Max pessoal.
Sim. O controle remoto funciona via Telegram, pelo bot @Caramaschi_bot. Pelo aplicativo do Telegram no celular você consegue:
O gateway fica ativo 24 horas por dia, 7 dias por semana, mesmo quando o desktop está bloqueado. A única exigência é que o computador esteja ligado e com internet.
Opus 4.8 é o modelo mais avançado da Anthropic no portfólio atual — ele raciocina com mais profundidade, escreve melhor e comete menos erros em tarefas complexas do que os modelos menores. Foi o cérebro do bot até 08/06/2026; por conformidade com o ToS da Anthropic saiu do bot — hoje o padrão é o modelo local e o premium migra para GPT-5.5. O Opus segue em uso no Claude Code interativo.
No Geo-Hermes, ele é reservado para situações de alto valor:
Para volume, refatoração de código e tarefas repetitivas, o sistema usa o Sonnet (mais rápido e barato). Para tarefas triviais de classificação, usa Haiku ou o modelo local. Isso mantém a qualidade alta onde importa e o custo baixo onde não importa.
A arquitetura minimiza ao máximo o que sai da máquina:
Para clientes em setores regulados (financeiro, saúde, jurídico), recomenda-se manter o processamento inteiro no modelo local e desativar o encaminhamento para nuvem para aquele projeto específico.
Sim, por meio de um ciclo chamado skill-curator que roda automaticamente a cada 7 dias:
~/.hermes/skills.No sentido técnico, o modelo em si não muda — funciona mais como um profissional que anota o que deu certo e consulta essas anotações na próxima vez.
Há três formas de acompanhar:
/usage ou /cost no terminal — mostra o consumo da sessão atual imediatamente.GEO_HERMES_BUDGET_USD.Para o histórico mensal, consulte a fatura diretamente na Anthropic usando o filtro "All" em vez do filtro de previsão — isso mostra o valor real cobrado, não uma estimativa.
Para as automações locais funcionarem sem interrupção, sim — o ideal é o computador ficar ligado. Mas o sistema foi preparado para reinicializações:
Para tarefas que precisam rodar independentemente de o desktop estar ligado — por exemplo, relatórios noturnos pesados — existe a camada de Routines na nuvem, que roda em servidores externos e não depende do seu hardware.