hej

Prompt

y harness: AI-expert som chef med anslagstavla Idé: bygga en egen harness (agentmiljö) som fungerar helt annorlunda än de som finns idag. Inte en chatt där man pratar direkt med agenter, utan en AI-expert man för en dialog med, som håller ordning på allt man säger och delegerar jobbet. ## Grundtankarna 1. **Man pratar med en AI-expert, inte direkt med agenterna.** Experten är själv en agent, men den är den enda man för en dialog med. Resten är utförare. 2. **Den antecknar allt man säger som uppgifter eller mål.** Inget man säger går förlorat och man behöver aldrig upprepa sig. 3. **Den har samma self-improvement som Hermes-agenten har.** Den lär sig själv, sparar egna skills och blir bättre över tid. 4. **Den kör och tänker hela tiden.** När något behöver göras skriver en chef uppgiften till en utförar-subagent. 5. **Det är inte bara en chatt.** En anslagstavla visar vad den håller på med: vad man sagt, vilka uppgifter som ska göras och vilken information den fått från användaren, som sedan kan nyttjas som kontext. 6. Den skannar av miljön och ger förslag på saker den kan hjälpa till med, snarare än att ta kommandon. 7. Den ska kunna användas av folk som inte är så ai-kunniga 8. Den ska kunna skicka mejl och ha långa mål eller projekt den jobbar på i omgångar. Om man ber den undersöka så ska den kunna skicka mejl till en kunnig person ifall den inte hittar det själv, som ger svar. Uppgifter den får ska inte direkt slutföras så fort som möljligt. 9. Den ska reflektera mycket innan en uppgift startas. Om den ska undersöka företagslandskapet för läxhjälp så kan den göra 1 google sökning, eller göra en djup analys på företag via allabolag eller liknande. 1. För detta behöver den veta exakt vilka skills den kan ha, och vilka skills den har, och tillkalla användaren för att få tillgång till fler skills. 10. Den ska ha system för att tillkalla människan, det ska synas på en del av kartan. Den ska kunna ställa frågor till människan eller be människor göra konton med API-nycklar exempelvis. 11. Den ska inte tro att den är expert på saker. LLM:er är väldigt smarta, men AI-experten man pratar med ska t.ex. söka upp AI-nyheter och benchmarks för att bestämma t.ex. vilken agent som är bäst för ett ändamål. Man ska också kunna sätta en budget per månad i tokens och den ska veta om hur mycket som går att spendera i tokens och försöker hålla sig till det, fast med bra resultat. 12. Den ska söka upp böcker, göra egna studier och undersöka själv istället för att låta sig själv bara gissa fram svaret. 13. När något skrivs eller produceras så ska den tillkalla flera agenter som gör samma uppgift, med variation på LLM eller prompt och sedan be andra utvärderar-agenter utvärdera vilken som passar uppgiften bäst. 14. För marknadsföring i ett företag så ska den själv kunna lägga ut reddittrådar exempelvis eller undersöka vad som passar bäst när man ska ta steg vidare i ett företag 15. Den skannar av ett valv eller en dator eller server och undersöker vad den själv kan göra, sedan frågar den användaren om vissa saker den kan hjälpa till med 16. Den ska vara bra på att söka upp information, AI-agenter är prima för detta 17. Folk vill använda AI, men få vet hur man faktiskt nyttjar AI agenter bra. Vanliga människor använder bara chatgpt.com gränssnittet. 18. Den ska skicka påminnelser och vara i framkant när det gäller saker som kommer upp. Om det sker ett event som användaren har nytta av så ska den föreslå att gå dit. Exempel: Om jag är ett företag 19. Jag håller på med returnering av en låsring till en blender och så vill jag leta efter en skitig cykel att parkera i sollentuna och ta kort till jobbet. Som parkeras där. ## Varför det skiljer sig från dagens harnessar - **Idag:** man pratar direkt med agenten, kontexten ligger i chatten, säger man samma sak igen börjar den om, och man ser inte vad den gör. - **Nytt:** dialogen är separerad från utförandet. Experten äger minnet och planen, utförarna äger jobbet, anslagstavlan äger sanningen. ## Hur delarna hänger ihop (skiss) - **Experten (chefen):** lyssnar, tolkar och skriver ner. Är den enda som pratar med användaren. Skriver uppgifter. - **Anslagstavlan:** beständig och läsbar. Innehåller (a) vad användaren sagt, (b) mål, (c) uppgifter med status, (d) fakta och kontext. - **Utförar-subagenterna:** får en skriven uppgift från chefen, gör den och rapporterar tillbaka. - **Self-improvement:** erfarenheter från körningar blir skills och minne som experten använder nästa gång. ## Öppna frågor - Var lagras anslagstavlan? Fil i valvet, databas, eller båda? - Svar: Fil i valvet - Hur undviker man att chefen blir en flaskhals? - Chefen har en lista över allt man sagt, alltså minnen. Då kan man rätta den om den har fel. Man ska kunna se listan och den ska kunna dubbelkolla med en först. - Ska användaren kunna redigera anslagstavlan direkt, eller bara via experten? - Ja, användaren ska kunna det - Hur mäter man "inget går förlorat"? Räcker det att varje mening blir en post? - När man skickar ett meddelande så kollar den vad man sagt som den inte har koll på, och uppdaterar det. Den ska fungera som en människa som har koll på grejer. Den ska också införa en gräns på hur många minnen den kan ha, den ska strategiskt glömma grejer, men också, som sagt, dubbelkolla sånt som kan ändras eller beslut som kan bli annorlunda ## Research 2026-10-24 Full rapport: [[2026-10-24 ny harness finns det redan]] - **Domen:** kombinationen finns inte som konsumentprodukt, men tekniken finns nästan färdig i [[Byt till Hermes Agent]]. - Hermes har redan: beständigt Kanban (`kanban.db`), namngivna profiler, subagenter, självskapade skills, cron/heartbeat, dashboard och budgettelemetri med hård gräns. Det täcker ungefär 10 av 13 punkter. - Det som saknas är produktlagret: en enda namngiven expert för ovana användare, board som läsbart dokument och kontextkälla, uttalad omprövning av gamla beslut, budget i tokens som kontrakt, och flera varianter plus evaluator som default. - Närmast kommersiellt: ChatGPT Work (juli 2026), Genspark 6.0 och Claude Cowork. Ingen äger kombinationen. - Marknaden är het (1,8 miljarder USD till personliga agent-startups 2026) men betalningsviljan gäller resultat, inte arkitektur. Förtroende och minneskvalitet är flaskhalsen. - **Slutsats:** bygg tunt ovanpå Hermes eller OpenClaw. Lägg krutet på expertpersonan, boarden som läsbart dokument med omprövningslogik, och budgetkontraktet. ## App och första riktiga användare (pappa) - Hermes Desktop finns redan som nedladdningsbar app för macOS 12+, Windows 10/11 och Linux. Electron-skal med inbäddad Python 3.14, samma agent, minne och skills som CLI. MIT. - Appen har redan filbläddrare, terminal, webbläsarpanel, tasks och en Kanban-sida. Modifiering sker via plugins, utan att röra kärnan. - Det som krävs för "tillgång till allt": macOS Full Disk Access (manuellt i Systeminställningar), och att man pekar workspace mot rätt mapp. På Windows räcker användarens rättigheter. - **Pappa-caset**: smal MVP. Läs hans företagsanteckningar (Word/PDF/mejl), bygg en enkel kunskapsbas, sök kompletterande info (Allabolag, Bolagsverket, webben), skriv en rapport med källor. Plan: [[Agent åt pappa - företagsanteckningar]]. - Sikta på läsning först, inga mejl och inga skrivningar utan godkännande. Budgettak via Hermes telemetri. - Fällor: Intel-Mac kräver CLI-installation, API-nyckel och leverantörsval är största friktionen för en ovana användare, och appens gränssnitt är på engelska. ## UI-läge 2026-10-24 (Lotta) - **Ingen dedikerad fork hittad.** Toppforks av Hermes är översättningar, Intel-Mac-byggen, Windows-native och säkerhetsvarianter, inte arbetsytor. 56 000 forks totalt, så en okänd fork kan finnas, men inget tyder på att den är etablerad. - **Hermes Workspace** (`outsourc-e/hermes-workspace`, MIT, 6,7k stjärnor, aktiv): zero-fork, kopplar mot befintlig Hermes. Har Tasks, Jobs, Kanban (backlog till done) och Reports + Inbox för checkpoints, blockers, handoffs och beslut som väntar på människa. Närmast idén utan att forka. - **Mission Control** (`builderz-labs/mission-control`, MIT, 6,4k stjärnor): kontrollplan för flera agenter och körmiljöer, inte Hermes-specifik. Passar fleet-överblick och kostnad, inte "vad ber den mig om". - **Grundgapet är bekräftat:** issue #114163 i Hermes (öppen sedan 2026-09-17) föreslår att människor ska bli förstklassiga deltagare i Kanban, med uppgifter tilldelade en namngiven människa. Det finns alltså inte i core än, och Workspace löser det med en UI-vy ovanpå blocked/review. - **Lotta i dag:** Hermes v0.21.3, dashboard på 100.88.162.30:9119, Node 20 (Workspace kräver 22), ingen pnpm, gateway-API på 8642 är inte påslaget. Dashboarden har ett drop-in-plugin-system med tabs och egna API-rutter, så en liten "Arbetsbord"-flik kan byggas utan fork och utan Node-uppgradering. ### Arbetsbord byggt 2026-10-24 - Egen flik `/arbetsbord` i dashboarden, efter Kanban. Ingen fork, ingen Node-uppgradering. - Filer: `~/.hermes/plugins/arbetsbord/dashboard/` med `manifest.json`, `dist/index.js` och `plugin_api.py`. Aktiverad via `plugins.enabled` i `~/.hermes/config.yaml`. - Läser `~/.hermes/kanban.db` via `hermes_cli.kanban_db`, `~/.hermes/cron/jobs.json` och `~/.hermes/arbetsbord/goals.md`. - Visar: frågor till dig (blocked needs_input), pågår, i kö, klart i dag, vakter med nästa körning, samt mål. Uppdateras var 30:e sekund. - Backend testad direkt mot kanban och cron; frontend är en React-komponent via plugin-SDK:n. ## Kopplingar - [[Byt till Hermes Agent]] - [[Ett autonomt multi-agent företagssystem]] - [[Patrik - Agents]] * Skriv en 400 ord lång utvärdering där du har en mer konkret beskrivning av denna harness utförligare än jag, men tar mina idéer och blandar med dina egna.