Skapa en privat AI-agentarbetsyta med Hermes, NAS, GitHub, Obsidian och Telegram

Eva Wong

IceWhale author

Eva Wong är Teknisk skribent och den boende fixaren på ZimaSpace. En livslång nörd med en passion för hemma-labb och öppen källkod, hon specialiserar sig på att översätta komplexa tekniska koncept till tillgängliga, praktiska guider. Eva tror att självhosting ska vara roligt, inte skrämmande. Genom sina handledningar ger hon gemenskapen verktyg att avmystifiera hårdvaruinstallationer, från att bygga sin första NAS till att bemästra Docker-containrar.

Build a Private AI Agent Workspace with Hermes, NAS, GitHub, Obsidian, and Telegram - Zima Store Online

Om din AI-agent bara körs när din bärbara dator är öppen är det fortfarande ett stationärt verktyg. En privat AI-agentarbetsyta behöver en stabil plats att köra på, ett minnessystem den kan läsa och uppdatera, en versionshistorik du kan granska och ett enkelt sätt att skicka uppgifter från var som helst.

En praktisk stack är: Hermes som agentens runtime, NAS eller VM som 24/7-bas, Obsidian som Markdown-minne, GitHub som synkroniserings- och granskningslager, Telegram som kommandogränssnitt och lokala AI-verktyg som Ollama och Open WebUI när integritet eller kostnad är viktigt.

Vad denna arbetsyta faktiskt gör

Denna setup förvandlar spridd AI-användning till ett upprepningsbart arbetsflöde. Istället för att kopiera text mellan ChatGPT, anteckningar, GitHub och meddelandeappar skickar du ett kommando, låter Hermes bearbeta det, sparar resultatet i Obsidian, spårar ändringen i GitHub och får utdata i Telegram.

Problem	Arbetsyta Fix	Verktyg
Agenten glömmer projektkontext	Lagra bestående minne i Markdown	Obsidian
Agentändringar är svåra att lita på	Spåra varje redigering med versionshistorik	GitHub
Bärbar dator kan inte köra jobb dygnet runt	Flytta runtime till alltid påslagen hårdvara	NAS / VM
Uppgifter är svåra att skicka på distans	Använd en mobil kommandokanal	Telegram
Rutinsamtal till AI kostar för mycket	Kör enkla uppgifter lokalt när det är möjligt	Ollama / Open WebUI

Använd Hermes som agentens runtime

Hermes Agent är runtime-lagret. Det tar emot uppgifter, behåller kontext, arbetar med färdigheter, kommunicerar via meddelandekanaler och kan köra schemalagda jobb. I denna stack är Hermes arbetaren; NAS är där arbetaren bor.

Börja inte med att ge Hermes full kontroll över allt. Börja med smala uppgifter: sammanfatta en anteckning, spara en länk, skapa en daglig genomgång, kontrollera ett GitHub-förråd eller utarbeta ett Telegram-svar för godkännande. För Hermes-lagret, följ ZIMAs officiella guide så att agentens runtime installeras på samma alltid påslagna arbetsyta som lagrar din valv, loggar och automatiseringsuppgifter.

Bästa första Hermes-uppgifter

Uppgift	Inmatning	Output
Spara en länk	Telegram-URL	Obsidian-anteckning med sammanfattning och taggar
Daglig projektgenomgång	GitHub-ändringar + senaste anteckningar	Telegram-sammanfattning
Forskningsinsamling	Text, skärmdump eller röstmeddelande	Strukturerad anteckning i `wiki/`
Godkännande av utkast	Uppmaning eller inkommande meddelande	Utkast skickas till Telegram före åtgärd

Kör agenten på NAS eller VM, inte bara på stationär dator

En stationär dator är bra för att redigera anteckningar och granska ändringar. Den är dålig för automation som alltid är påslagen. En NAS eller VM är bättre för cron-jobb, bakgrundssynkronisering, Telegram-botar, loggar och långvariga agentuppgifter.

Här passar ZimaSpace naturligt in. En ZimaBoard 2 personlig server räcker för en lättviktig Hermes-arbetsyta med Telegram, GitHub-synk, cron och Obsidian-filer. En ZimaCube 2 AI NAS är mer meningsfull när valvet är stort, filer är viktiga eller du vill ha Ollama, Open WebUI, RAG och lagring för team på ett ställe.

Använd Obsidian som agentminneslager

Obsidian fungerar eftersom minnet förblir läsbart. Dess lokala Markdown-datalagringsmodell innebär att anteckningar finns som vanliga filer i ett valv. Människor kan redigera dem. Agenter kan läsa och uppdatera dem.

Håll valvet strukturerat. Låt inte agenten skriva var den vill.

valv/
├── AGENTS.md
├── LLMMEMORIES.md
├── SYSTEMPROMPT.md
├── raw/
├── wiki/
└── .obsidian/

Fil / Mapp	Syfte	Agentregel
`AGENTS.md`	Arbetsplatsregler	Läs först; redigera endast med granskning
`LLMMEMORIES.md`	Beständig projekt- och användarkontext	Läs ofta; uppdatera försiktigt
`SYSTEMPROMPT.md`	Stil-, utdata- och beteendepreferenser	Läs innan du skriver
`raw/`	Originalkällor, PDF:er, skärmdumpar, transkriptioner	Endast läsning
`wiki/`	Rena anteckningar, sammanfattningar, länkad kunskap	Huvudsakligt skrivområde

Skriv en tydlig AGENTS.md innan automatisering

AGENTS.md är den viktigaste filen i valvet. Den berättar för Hermes hur den ska bete sig innan den rör dina anteckningar.

# AGENTS.md

Innan du skriver:
1. Läs LLMMEMORIES.md.
2. Kontrollera befintliga wiki/-anteckningar innan du skapar en ny.
3. Redigera aldrig raw/.
4. Skriv nya strukturerade anteckningar endast i wiki/.
5. Använd tydliga titlar och interna länkar.
6. Lägg till käll-länkar när du sammanfattar externt material.
7. Be om godkännande innan du redigerar AGENTS.md, SYSTEMPROMPT.md eller LLMMEMORIES.md.
8. Skicka en Telegram-sammanfattning efter varje slutförd uppgift.

Den här filen förhindrar de flesta tidiga misstag: duplicerade anteckningar, röriga namn, överskrivna källor och agentminnesdrift.

Använd GitHub som granskningslager

Agent-skrivet minne behöver historik. GitHub ger dig skillnader, återställning, grenar, privata förråd och mänsklig granskning. Det är viktigt eftersom en agent kan skriva användbara anteckningar ena minuten och förorena din kunskapsbas nästa.

Obsidian GitHub Sync-plugin kan koppla en Obsidian-valv till GitHub. GitHubs egen modell för förrådsfiler och revisionshistorik ger valvet en kontrollerad backend istället för att låta agentredigeringar vara oregistrerade.

Enkelt granskningsarbetsflöde

Du redigerar anteckningar i Obsidian.
Valvet synkroniseras till ett privat GitHub-förråd.
Hermes läser den senaste kontexten.
Hermes skriver endast till godkända mappar.
Ändringar synkroniseras tillbaka via GitHub.
Du granskar skillnader innan du litar på uppdateringen som långtidsminne.

Använd Telegram som kontrollkanal

Telegram är det snabbaste sättet att använda agenten när du är borta från skrivbordet. Skicka en länk, röstanteckning, uppgift, skärmdump eller kommando. Hermes bearbetar det på NAS:en och skickar resultatet tillbaka.

Telegram messages.sendMessage API stöder att skicka meddelanden tillbaka till en chatt, vilket gör Telegram användbart för sammanfattningar, påminnelser, godkännandeförfrågningar och slutförandemeddelanden.

Användbara Telegram-kommandon

Kommando	Agentåtgärd
Spara denna länk	Sammanfatta URL:en och skriv den till `wiki/`
Kom ihåg detta	Lägg till en kort post till `LLMMEMORIES.md` efter godkännande
Briefa mig	Sammanfatta dagens GitHub-ändringar och nya anteckningar
Skriv ett svarsutkast	Skapa ett utkast och skicka tillbaka för godkännande
Hitta relaterade anteckningar	Sök i valvet och returnera länkad kontext

Bygg det första arbetsflödet: Telegram till Obsidian

Det bästa första arbetsflödet är inspelning. Börja inte med full automation. Börja med att göra Telegram-meddelanden till rena Obsidian-anteckningar.

Steg	Åtgärd	Output
1	Skicka ett Telegram-meddelande eller URL	Inmatning mottagen av Hermes
2	Hermes klassificerar inmatningen	Uppgiftstyp: länk, anteckning, påminnelse, forskning, utkast
3	Hermes läser `AGENTS.md`	Korrekt mapp och skrivregel vald
4	Hermes skapar en anteckning	Markdown-fil i `wiki/` eller inkorgen
5	GitHub-synkronisering registrerar ändringen	Granskningsbar versionshistorik
6	Hermes skickar en sammanfattning via Telegram	Du vet vad som sparades

Lägg till cron efter att inspelningen fungerar

Schemalagt arbete bör komma efter att den grundläggande inspelningsloopen är stabil. Hermes cron är användbart när uppgiften har en tydlig trigger, förutsägbar output och låg risk.

Använd Hermes cron-automationsguide för återkommande jobb som dagliga briefingar, GitHub-övervakning, rensning av anteckningar, länksammanfattningar och påminnelsearbetsflöden.

Bra cron-jobb för en privat arbetsyta

Cron-jobb	Körs när	Skriver till
Daglig briefing	Varje morgon	`wiki/daily/` och Telegram
Sammanfattning av GitHub-ändringar	En gång per dag	Projektanteckning
Rensa inkorgen	Varje kväll	Länkade wikisidor
Sammanfattning av läskö	Två gånger i veckan	Forskningsanteckning

Lägg till lokal AI endast där det hjälper

Lokal AI är användbar för rutinuppgifter: sammanfatta anteckningar, tagga innehåll, extrahera åtgärdspunkter, rensa transkript och svara utifrån privat kontext. Moln-AI är fortfarande bättre för svårare resonemang, långvarig forskning och komplex kodning.

En Ollama och Open WebUI guide för självhosting är en bra referens för det lokala modellskiktet. I denna arkitektur hanterar Ollama lokala modeller, Open WebUI tillhandahåller ett självhostat gränssnitt, och Hermes bestämmer hur arbetet ska flöda.

Uppgift	Lokal modell	Molnmodell
Sammanfatta korta anteckningar	Bra passform	Valfritt
Tagga Obsidian-sidor	Bra passform	Vanligtvis onödigt
Klassificera Telegram-meddelanden	Bra passform	Vanligtvis onödigt
Komplex kodningsuppgift	Beror på modell	Ofta bättre
Djup forskningsrapport	Användbart för förbehandling	Ofta bättre för slutgiltig resonemang

Håll automation säker

Börja med att läsa, sammanfatta, spara och meddela. Fördröj riskfyllda åtgärder tills arbetsflödet är bevisat.

Åtgärd	Rekommenderad regel
Läs `raw/`	Tillåtet
Skriv till `wiki/`	Tillåtet efter att regler testats
Redigera `LLMMEMORIES.md`	Kräver granskning
Redigera `AGENTS.md`	Kräver granskning
Skicka externa meddelanden	Kräver godkännande via Telegram
Radera filer	Blockera som standard
Skicka kod	Kräver gren- och manuell granskning

Rekommenderad startarkitektur

Telegram
   ↓
Hermes-agent
   ↓
NAS / VM
   ├── Obsidian-valv
   │   ├── AGENTS.md
   │   ├── LLMMEMORIES.md
   │   ├── SYSTEMPROMPT.md
   │   ├── raw/
   │   └── wiki/
   ├── GitHub-synk
   ├── Cron-jobb
   ├── Loggar
   └── Valfri lokal AI
       ├── Ollama
       └── Open WebUI

Bygg det i denna ordning: valv först, GitHub-synk andra, Telegram-fångst tredje, Hermes-arbetsflöde fjärde, cron femte, lokal AI sjätte. Detta undviker det vanliga misstaget att installera många verktyg innan minnesstrukturen är klar.

Slutsats

Hermes ger agenten en runtime. Obsidian ger den minne. GitHub ger dig kontroll över ändringar. Telegram ger dig ett fjärrgränssnitt. NAS ger hela systemet en stabil plats att köra på.

Det är därför detta ämne passar ZimaSpace. En NAS är inte längre bara för backup eller medielagring. För AI-agentanvändare blir den det privata infrastrukturlagret för minne, automation och personliga arbetsflöden dygnet runt.

FAQ

Kan Hermes använda Obsidian som långtidsminne?

Ja. Hermes kan använda ett Obsidian-valv som långtidsminne om valvet är strukturerat med tydliga regler, läsbara Markdown-filer och säkra skrivbehörigheter.

Varför använda GitHub med Obsidian för AI-agenter?

GitHub gör agentändringar granskbara. Om Hermes skriver en dålig anteckning eller ändrar minnet felaktigt kan du granska skillnaden, återställa filen eller skärpa reglerna i AGENTS.md.

Kan Telegram styra en AI-agent som körs på en NAS?

Ja. Telegram kan skicka kommandon, länkar, anteckningar och godkännandebeslut till agenten. Agenten kan skicka sammanfattningar, utkast, påminnelser och slutförandemeddelanden tillbaka till Telegram.

Behöver jag lokala AI-modeller för detta arbetsutrymme?

Nej. Du kan börja med molnmodeller. Lokala modeller blir användbara när du vill ha lägre kostnad för rutinuppgifter, bättre integritet för interna anteckningar eller ett självhostat AI-gränssnitt.

Vilken ZimaSpace-enhet passar detta arbetsflöde?

ZimaBoard 2 passar för ett lättviktigt Hermes-arbetsutrymme med Telegram, cron, GitHub-synk, och Obsidian. ZimaCube 2 passar för ett större AI NAS-arbetsutrymme med fler filer, RAG, Open WebUI, Ollama och lagring för team.