📈 Melhora com o uso — muscle memory
A ideia central: quanto mais você usa o Hermes e dá feedback contínuo, melhor ele fica. Como um músculo que ganha memória, ele aprende seus padrões, refina skills e antecipa o que você costuma pedir. O ganho é cumulativo.
🔁 O loop de melhoria
- •Use → o agente executa
- •Dê feedback → "isso ficou bom", "prefiro assim"
- •Itera → próxima vez sai melhor
💡 Dica prática
Feedback curto e específico vale mais que elogio genérico. "Encurta os resumos pra 3 bullets" treina muscle memory melhor que "tá ótimo".
🎯 Skills prontas e as suas
O Hermes tem skills — rotas gravadas de "como fazer" uma tarefa. Algumas vêm prontas e melhoram com o uso; outras você constrói (veja agentskills.io). Uma skill é uma receita reutilizável: ensina o "como" uma vez e reaproveita sempre.
📊 Skill = o "como"
Pense numa skill como uma macro inteligente: você descreve o procedimento uma vez e o agente o repete com qualidade. Quanto mais usada, mais afiada fica.
🏛️ Pantheon — adicionar personas
O Pantheon é onde você cria personas — especialistas dedicados. Cada persona (ex.: "o Alquimista") tem job, descrição, system prompt e, crucialmente, um modelo próprio. É como montar um time de especialistas, cada um com o cérebro certo.
Definição de uma persona (ilustrativo)
persona: "o Alquimista" job: transformar ideias soltas em planos descrição: criativo, faz conexões inesperadas system_prompt: "Você é um sintetizador..." modelo: claude-opus (alto impacto)
💡 Dica prática
Crie poucas personas bem definidas em vez de muitas vagas. Persona com job claro + modelo certo entrega muito mais que dez personas genéricas.
🚗 Não use Einstein pra lavar carro
A regra de ouro da economia: modelos caros só nas tarefas de alto impacto. Não faz sentido usar um modelo de raciocínio premium ("Einstein") para uma tarefa trivial ("lavar carro"). No autopilot, use modelo barato; no que importa, o modelo forte.
✓ Modelo certo por tarefa
- ✓Raciocínio difícil → Opus
- ✓Volume / rotina → GPT / DeepSeek
- ✓Autopilot → modelo barato
✗ Desperdício
- ✗Opus para classificar email
- ✗Modelo premium em loop de rotina
- ✗Mesmo cérebro para tudo
📊 Conecta com a Trilha 1
É a estratégia multi-brain: "para um martelo, tudo é prego". Cada persona/skill aponta para o modelo mais adequado — economiza dinheiro sem perder qualidade onde importa.
🔬 Skill "deep research" — delega a vários modelos
Exemplo poderoso: a skill deep research. Você pede "pesquise o melhor país pra morar" e ela: sobe um sub-agente, usa DeepSeek V4 + GPT em loop para a pesquisa de volume, com Opus 4.7 revisando a qualidade. Cada modelo no papel que faz melhor.
Sobe sub-agente
Contexto fresco dedicado à pesquisa, sem poluir a conversa principal.
DeepSeek V4 + GPT em loop
Modelos de volume coletam e processam dados em iterações — barato e rápido.
Opus 4.7 revisa
O modelo forte entra só na revisão final, garantindo qualidade onde importa.
💡 Por que isso é elegante
Combina skills + sub-agentes + multi-brain. O caro (Opus) só toca o que precisa de juízo fino; o barato faz o grosso. Sub-agentes são tema da Trilha 3.
⏹️ /stop — interromper a tarefa
Skills e personas dão muito poder de ação automática — então você precisa de um freio. O comando /stop interrompe a tarefa em andamento imediatamente. Controle é parte da capacidade: poder começar não basta, você precisa poder parar.
Uso do /stop (ilustrativo)
› hermes: rodando skill deep-research (turno 7/20)… você: /stop › hermes: tarefa interrompida. 6 fontes coletadas até aqui.
📊 Quando usar /stop
- Quando perceber que pediu a coisa errada
- Quando uma skill está gastando tokens demais
- Quando quer redirecionar antes do agente terminar
📌 Resumo do Módulo
Próximo Módulo:
2.7 — 6 Teclas de Poder: queue, background, compress