projetos / Produção (privado)
Hermes
Sete agentes LLM com memória semântica, execuções condicionadas a custo e protocolo de streaming próprio em infraestrutura de produção.
- Node.js
- TypeScript
- PostgreSQL + pgvector
- Ollama
- React 18
- TanStack Query
- Docker Compose
Visão geral
Hermes é um sistema de orquestração de IA multiagente em produção em uma VPS desde 2025. Sete agentes especializados — pesquisa, geração de leads, pesquisa profunda, growth, voz, orquestração e operações de CRM — têm uma persona própria chamada SOUL: regras comportamentais rígidas, conjunto específico de ferramentas, orçamento de aproximadamente 35 tool calls por execução e saída revisada antes de ser usada. Prompt engineering é tratado como código: versionado e aplicado, não como texto solto.
A distinção importante: este é um sistema de IA, não um produto que apenas usa IA. Os problemas centrais são coordenação de agentes, memória semântica e decidir quando gastar tokens é justificável. É privado, usado continuamente em produção pessoal — hoje em automações de CRM orientadas a eventos e busca de trabalho — e evolui junto com suas cargas reais.
Demonstração ao vivo
Da sessão de voz à atividade dos agentes
painel de controle em produção
Arquitetura
Os agentes se comunicam pelo Agent Communication Protocol (ACP): sessões persistentes, streaming SSE de deltas, tool calls e planos, acompanhamento de custo em tempo real e priming de cold start com a transcrição da sessão. As execuções são de longo prazo — de 20 a 60 minutos — com loops de ferramentas, retentativas e controle de orçamento. Toda saída passa por uma etapa de revisão antes de chegar a qualquer destino.
Custo é uma restrição de primeira classe. Gates determinísticos em Python e shell verificam o estado antes de qualquer modelo ser chamado: inbox vazio significa sair com gasto zero. Quando uma execução acontece, o cliproxy roteia entre provedores — modelos GPT por ChatGPT Plus OAuth, DeepSeek, NVIDIA NIM ou Ollama local — trocáveis por agente sem reinício, com overrides por sessão. A telemetria agrega chamadas dos logs dos agentes pelo bridge do cliproxy e pelos headers de cota do ChatGPT Plus em uma visão por agente. A memória usa PostgreSQL com pgvector e embeddings locais (nomic-embed-text via Ollama); a recuperação é compartilhada entre agentes, com taxonomia de kind/channel/source/derivation-layer para preservar procedência.
A implantação usa dois servidores e isola a superfície pública:
- App principal — Node.js + TypeScript em http nativo, pool Postgres via pg, acessível apenas pela tailnet
- Mini-servidor de webhooks — exposto por Tailscale funnel, validação HMAC timing-safe
- Painel — Vite + React 18 + TypeScript, TanStack Query, streaming SSE e autenticação própria
- Canal de voz — Piper TTS + Whisper STT, voz como transporte para o orquestrador
- Infraestrutura — Docker Compose, timers systemd e integração Linear GraphQL (criação de issues + receiver de webhooks)
Restrições UNIQUE e deduplicação por delivery ID tornam o processamento de webhooks idempotente: reexecuções são seguras por construção.
Capturas
A visão de agentes do painel em produção.
Stack e decisões
| Escolha | Motivo |
|---|---|
| Node.js http nativo, sem framework | Sem overhead de framework no backend; pool Postgres via pg |
| PostgreSQL + pgvector com embeddings locais | Memória semântica sem API externa de embeddings; nomic-embed-text roda via Ollama |
| Gates determinísticos em Python + shell | Pular o LLM quando o estado indica que não há trabalho — design guiado por custo |
| Roteamento multiprovedor via cliproxy | Troca de modelo por agente sem reinício; override por sessão entre modelos GPT, DeepSeek, NVIDIA NIM e Ollama |
| Divisão de dois servidores no Tailscale | O app principal permanece apenas na tailnet; só o mini-servidor de webhook é exposto via funnel |
| SOULs com orçamentos de ~35 chamadas e gates de revisão | Prompt engineering como código: regras rígidas, versionadas e aplicadas por execução |
| Restrições UNIQUE + deduplicação por delivery ID | Processamento de webhooks idempotente e reexecuções seguras |
| Canal de voz com Piper TTS + Whisper STT | Entrada e saída de fala por um slot dedicado; voz como transporte até o orquestrador |
Links
O repositório é privado — Hermes executa cargas reais em produção. A arquitetura, as SOULs dos agentes e a telemetria de custo podem ser demonstradas em uma entrevista. Entre em contato.