<!-- Source: https://hermesbible.com/flows/3-agent-research-department-notebooklm-obsidian -->

核心概念

一個代理同時做研究、分析和簡報，產出的是平庸的結果。上下文被污染、優先級模糊、每增加一個職責品質就下降。代理會把該找什麼和該分析什麼和該報告什麼搞混。

三個獨立的代理——每個只做一件事——產出的是複利成長的結果。Scout 尋找訊號。Analyst 綜合意義。Briefer 交付行動項目。每個設定檔有自己的 SOUL.md、自己的模型、自己的記憶體和自己的技能。它們是隔離且專注的，只透過一個共享的 Obsidian vault 協作。

• 總成本： 每月 $19-27，取決於模型選擇。
• 設定時間： 標準配置一個晚上搞定。
• 經過驗證： Hermes Agent v0.16.0 文件。

適合誰

• 追蹤競爭對手和市場趨勢的獨立創辦人
• 需要每日研究自己領域的內容創作者
• 為客戶監控多個產業的代理商負責人
• 追蹤學術論文和產業發展的研究人員
• 不想聘請分析師就建立競爭情報的創辦團隊

如果你每天花超過 30 分鐘做手動研究、閱讀電子報或檢查競爭對手更新，這個設定在第一週就能回本。

為什麼是三個代理而不是一個

一個 Hermes 設定檔從頭到尾做研究，會把所有來源、所有分析筆記和所有簡報草稿都放在一個上下文視窗裡。到第 3 天，上下文充滿了跟今天早上簡報無關的研究。到第 2 週，代理有 40+ 個技能，涵蓋從 arXiv 解析到 Telegram 格式化的一切。Tool Search 有幫助，但根本問題仍然存在：一個身分試圖扮演三個不同的工作者。

設定檔在架構層級解決了這個問題。Hermes 中的每個設定檔都是一個完全隔離的代理——自己的 SOUL.md、自己的 config.yaml、自己的記憶體、自己的技能、自己的定時排程。預設不共享任何東西。它們設計上共享的是一個目錄：Scout 存放原始發現、Analyst 寫入綜合筆記、Briefer 每天早上讀取的 Obsidian vault。

三個設定檔。三個明確的工作。一個共享的知識庫。

最快的設定路徑：桌面應用程式

桌面應用程式（v0.16.0）有內建的 Profile Builder——不需要終端機：

hermes dashboard → Profiles → Build

每個設定檔有五步精靈：身分 → 模型 → 技能 → MCP → 審視。你可以在大約 15 分鐘內建立所有三個設定檔。也可以透過 CLI 建立：

hermes profile create scout
hermes profile create analyst
hermes profile create briefer

兩種方式產出相同的結果。桌面應用程式對首次設定更快；CLI 在你知道要什麼之後更快。

Scout——尋找訊號

Scout 按排程檢查來源並將原始發現投入收件匣。不分析。不綜合。不給意見。只收原始訊號。

# Soul
You are a research scout. Your job is to find signals.
You do not analyze. You do not summarize.
You find relevant information and save it.

## Voice
Terse. File names and one-line descriptions only.
No commentary. No recommendations.

## Operations
Search the sources listed in your cron jobs.
For each finding: save the full text as a markdown file
to ~/research/inbox/ with format:
YYYY-MM-DD-source-keyword.md
Include the source URL on the first line.

## Restrictions
Never analyze or synthesize what you find.
Never write more than 3 lines of your own text per file.
Never delete files from the inbox.
Never modify files written by other profiles.

• 模型： 便宜的高用量模型。Scout 做的是低推理工作，所以便宜的模型是正確選擇。
• X/Twitter 搜尋說明： 便宜的一般模型無法原生搜尋 X。可以使用 xurl 技能（X API 整合，適用於任何模型，需要 X Developer App 憑證）或透過 SuperGrok OAuth 把 Scout 切換到 Grok（內建原生 X 搜尋）。如果 X 監控是你研究的核心，Grok 能簡化設定。如果你只需要 web + arXiv + RSS，便宜的模型就能搞定。
• 工具： 網路搜尋、X 搜尋（xurl）、RSS feed、arXiv API。

定時排程範例：

/cron add "every 3h" \
  --prompt "Search X for posts about [your niche keywords]
  with more than 50 likes in the last 3 hours.
  Save each relevant finding as a markdown file
  to ~/research/inbox/. Include source URL." \
  --deliver telegram

/cron add "every morning 7am" \
  --prompt "Check arXiv for new papers in [cs.AI, cs.CL]
  from the last 24 hours. Save titles, abstracts,
  and URLs to ~/research/inbox/." \
  --deliver telegram

/cron add "every day 9am" \
  --prompt "Check these competitor URLs for changes:
  [url1, url2, url3]. If any page changed since last check,
  save the diff to ~/research/inbox/." \
  --script competitor-diff.py

/cron add "every monday 8am" \
  --prompt "Scan Product Hunt for AI launches
  from the past 7 days. Save top 10 by upvotes
  to ~/research/inbox/." \
  --deliver telegram

大多數 Scout cron 使用 wakeAgent 門檻。competitor-diff 腳本在喚醒代理前先檢查變化——沒有變化就零 token。

Analyst——綜合意義

Analyst 處理 Scout 的原始發現，透過 NotebookLM 進行深度綜合，並把結構化筆記寫入 Obsidian wiki。這是原始訊號變成可用知識的地方。

# Soul
You are a research analyst. Your job is to synthesize.
You turn raw findings into structured knowledge.
You verify claims. You flag contradictions.
You connect ideas across sources.

## Voice
Precise. Evidence-based. Every claim tagged with
confidence level: [verified] [likely] [unverified] [conflicting].
Use tables for comparisons. Use bullet points for lists.
Cite sources for every factual claim.

## Operations
Process files from ~/research/inbox/.
For each batch:
1. Feed sources to NotebookLM for cross-source synthesis
   (if NotebookLM unavailable, run synthesis directly via /goal)
2. Extract key insights from the synthesis
3. Write structured notes to the wiki using the LLM Wiki skill
4. Tag each entry with confidence level
5. Flag contradictions with existing wiki entries
6. Move processed files to ~/research/processed/

## Restrictions
Never present unverified claims as facts.
Never skip the confidence tagging step.
Never write to the wiki without source attribution.
Never delete wiki entries. Update or flag only.
Never modify inbox files that were not created by Scout.

• 模型： 強推理模型。品質在這裡很重要——Analyst 寫的知識是 Briefer 每天早上讀取的。
• 工具： NotebookLM MCP、內建的 Obsidian / LLM Wiki 技能、網路搜尋（用於驗證）、檔案工具。

定時排程：

/cron add "every day 10am" \
  --script check-inbox.py \
  --prompt "Process all files in ~/research/inbox/.
  Feed them to NotebookLM for synthesis.
  Extract key insights. Write structured notes
  to Obsidian wiki. Tag confidence levels.
  Flag contradictions. Move processed files
  to ~/research/processed/." \
  --deliver telegram

inbox-check 腳本作為 wakeAgent 門檻——儲存到 ~/.hermes/scripts/check-inbox.py：

#!/usr/bin/env python3
import os, json

inbox = os.path.expanduser("~/research/inbox")
files = [f for f in os.listdir(inbox) if f.endswith('.md')] if os.path.exists(inbox) else []

if files:
    print(json.dumps({"wakeAgent": True}))
    print(f"{len(files)} new files in inbox:")
    for f in files:
        print(f"  {f}")
else:
    print(json.dumps({"wakeAgent": False}))

空的收件匣代表零 token。新檔案代表 Analyst 醒來並處理。

Briefer——交付行動項目

Briefer 每天早上讀取 Obsidian wiki，與你目前的專案和行事曆交叉比對，並交付一份優先級摘要到 Telegram。

# Soul
You are a briefing officer. Your job is to deliver
a short, prioritized, actionable morning brief.
You do not research. You do not analyze.
You read what Analyst wrote and tell me
what matters today.

## Voice
5 bullets maximum. Each bullet: one finding,
why it matters to me, suggested action.
No preamble. No summary of the summary.
Start with the most important item.

## Operations
Every morning:
1. Read recent wiki entries (last 24 hours)
2. Cross-reference with my current projects
   (check MEMORY.md and kanban board)
3. Prioritize by relevance to this week's goals
4. Deliver 5-bullet brief to Telegram
5. End with total token spend this week

## Restrictions
Never exceed 5 bullets in the brief.
Never include items older than 48 hours unless flagged [urgent].
Never repeat items from yesterday's brief unless status changed.

• 模型： 便宜的模型。Briefer 做的是輕度綜合和格式化——每天一份簡報，低 token 用量。
• 工具： Obsidian 技能（讀取）、session recall、檔案工具。

/cron add "every day 8am" \
  --prompt "Read the Obsidian wiki entries
  from the last 24 hours. Cross-reference
  with my current projects and this week's goals.
  Deliver a 5-bullet prioritized brief.
  Most important item first.
  End with token spend this week." \
  --deliver telegram

NotebookLM 的連接

NotebookLM 是讓 Analyst 深入的關鍵。不是透過自己的推理來綜合來源（好但受限於上下文視窗），NotebookLM 摄入所有來源，跨來源交叉比對，並產生來自完整語料的綜合。

NotebookLM 為管線增加了什麼：

• 多來源綜合（連接 50+ 個來源之間的觀點）
• 音訊摘要（播客風格的研究摘要）
• 從你策劃的來源庫回答問題
• 透過從已驗證來源取材來減少幻覺

使用的工具是 jacob-bd 的 notebooklm-mcp-cli——35 個用於程式化 NotebookLM 存取的 MCP 工具（倉庫）。

安裝並認證：

pip install notebooklm-mcp-cli
nlm login

這會打開瀏覽器進行 Google OAuth——用你的 Google 帳號登入。然後透過桌面應用程式新增：

hermes dashboard → MCP → Add Server

Name: notebooklm
Transport: stdio
Command: nlm
Arguments: mcp serve

Save → Test Connection  (should show 35 available tools)

然後只分配給 Analyst 設定檔：

hermes dashboard → Profiles → analyst → MCPs
Enable notebooklm server for this profile

Analyst 透過 NotebookLM 能做的事：

nlm notebook create "Weekly Research"
nlm source add <notebook-id> ~/research/inbox/file1.md
nlm source add <notebook-id> ~/research/inbox/file2.md
nlm source add-research <notebook-id> "query about your niche"

坦誠的注意事項

截至 2026 年 6 月，NotebookLM 沒有公開的消費者版本 API（企業版有）。notebooklm-mcp-cli 底層使用基於 Playwright 的瀏覽器自動化包裝器。如果 Google 改變了內部端點，包裝器可能會壞掉。這是一個真實的限制——在 Analyst 的 SOUL.md 中加入回退方案來應對：

If NotebookLM connection fails, run synthesis
directly using /goal with this structure:
"synthesize these [N] sources. find connections.
flag contradictions. write to Obsidian wiki."

一個強推理模型搭配 /goal 自己就能產出紮實的綜合。NotebookLM 讓它更深；回退方案讓它可靠。

Obsidian 作為共享知識庫

Obsidian 是三個設定檔都使用的唯一組件——共享記憶體層。Hermes 搭載了一個基於 Andrej Karpathy 的 LLM Wiki 模式的內建 LLM Wiki 技能。它把知識編譯成互連的 markdown 檔案：交叉引用保持連結，矛盾會被自動標記。

Vault 結構：

vault/
├── inbox/              # Scout 的原始發現（暫時）
├── sources/            # 已處理的來源頁面
├── synthesis/          # Analyst 的結構化筆記
├── briefs/             # 封存的晨間簡報
├── entities/           # 人物、公司、產品
├── contradictions/     # 被標記的矛盾
└── .last-pushed        # 同步追蹤的時間戳

透過儀表板為每個設定檔設定 wiki 路徑：

hermes dashboard → Config → search "WIKI"
WIKI_PATH = <your vault path>
OBSIDIAN_VAULT_PATH = <your vault path>

對 Scout、Analyst 和 Briefer 重複。首次使用時，LLM Wiki 技能偵測到空目錄並詢問領域——這會建立帶有標籤分類和慣例的 SCHEMA.md。範例回應：

AI agents, automation frameworks, and solo founder tooling.

focus areas:
- agent architecture and ecosystem
- competitor frameworks and comparisons
- AI model releases and benchmarks
- automation workflows and multi-agent systems
- token economics and cost optimization

技能只建立一次 SCHEMA.md 並在未來所有索引中使用它（如果你的重心轉移，以後可以編輯它）。三個設定檔都指向同一個目錄：Scout 寫到 inbox/，Analyst 讀取 inbox/ 並寫到 sources/ 和 synthesis/，Briefer 讀取 synthesis/。在 Obsidian 中打開 vault，圖形視圖會顯示隨著系統運行而不斷增長的節點——知識圖譜在一夜之間自己建立起來。

它們如何協作

這個設定不需要看板。基於檔案的協作搭配 wakeAgent 門檻：

SCOUT (每 3 小時運行一次):
  → 搜尋來源
  → 把 markdown 檔案放到 ~/research/inbox/
  → 在 Telegram 通知找到了什麼

ANALYST (每天早上 10 點運行):
  → wakeAgent 腳本檢查 ~/research/inbox/
  → 空的收件匣？睡覺。零 token。
  → 找到檔案？醒來。透過 NotebookLM 處理。
  → 寫入 Obsidian wiki
  → 把已處理的檔案移到 ~/research/processed/

BRIEFER (每天早上 8 點運行):
  → 讀取最近的 Obsidian wiki 條目
  → 與專案和目標交叉比對
  → 在 Telegram 交付 5 條重點簡報

為什麼用檔案而不是看板： 看板很強大，但對這麼線性的管線來說增加了不必要的開銷。Scout → Analyst → Briefer 是一條直線，所以檔案收件匣搭配 wakeAgent 門檻更簡單、更便宜（零調度器開銷），也更容易除錯——只要檢查收件匣資料夾。如果你後來加入更多角色（Code Reviewer、Content Writer、Outreach Agent），看板就值得了。對三個設定檔的管線來說，檔案就夠了。

設定層級

Hermes 處理大部分的設定——你只要告訴它你想要什麼。

基本版——只有 Scout + Briefer

沒有 Analyst、沒有 NotebookLM、沒有 Obsidian。

1. 在儀表板中建立兩個設定檔（Profiles → Build）：Scout 用便宜模型（或用 Grok 做 X 搜尋），Briefer 用便宜模型。
2. 告訴每個設定檔做什麼。 打開 Scout：「設定一個每 3 小時運行的 cron。搜尋 [你的領域關鍵字]。把發現儲存為 markdown 檔案到 ~/research/inbox/。第一行包含來源 URL。在 Telegram 送確認。」 打開 Briefer：「設定一個每天早上 8 點運行的 cron。讀取 ~/research/inbox/ 中的所有檔案。在 Telegram 交付 5 條重點摘要，最重要的項目優先。」
3. 連接 Telegram。 傳訊息給 @BotFather，/newbot，複製 token。傳訊息給 @userinfobot 取得你的 user ID。在 Dashboard → Channels → Telegram，貼上 bot token 和 user ID，儲存，重啟 gateway。一個 bot 處理所有設定檔。

標準版——三個設定檔 + Obsidian（沒有 NotebookLM）

1. 建立三個設定檔： Scout（便宜模型，監控 X 時啟用 xurl）、Analyst（強推理模型，啟用 llm-wiki）、Briefer（便宜模型，啟用 llm-wiki）。
2. 為每個設定檔設定 wiki 路徑（Config → search "WIKI"）。
3. 告訴每個設定檔做什麼 ——給 Scout 它的 web + arXiv cron，告訴 Analyst 用 wakeAgent 腳本跑每日 inbox 檢查並透過 /goal 綜合，給 Briefer 它的早上 8 點簡報 cron。
4. 連接 Telegram（跟基本版相同）。
5. 測試： 告訴 Analyst 「在 inbox 中放一個測試檔案並處理它」，驗證 wiki 條目出現，然後在 Telegram 檢查隔天早上的簡報。

進階版——三個設定檔 + Obsidian + NotebookLM

標準版的所有功能，加上 Analyst 上的 NotebookLM 連接和競爭分析 cron（競爭對手 URL 差異比對搭配雜湊 wakeAgent 腳本、Product Hunt 掃描，以及週五的每週深度綜合運行）。NotebookLM 是唯一的手動步驟——安裝 notebooklm-mcp-cli、nlm login，然後只在 Analyst 設定檔上新增 MCP 伺服器。

晨間的樣子

早上 8 點。Telegram 通知響了。Briefer 交付類似這樣的內容：

晨間簡報 — 2026 年 6 月 17 日

1. [已驗證] 競爭對手 X 更新了定價頁面。
   取消了免費方案。新增企業方案 $299/月。
   → 今天審視我們方案的定位。

2. [可能] arXiv 上一篇關於代理記憶體整合的論文
   與我們的 LLM Wiki 方式一致。
   → 閱讀論文，考慮寫一篇 wiki 文章。

3. [已驗證] Hermes v0.16.1 熱修已發佈。
   儀表板重新載入修復 + 3 個安全補丁。
   → 在 VPS 上執行 hermes update。

4. [未驗證] X 上一篇討論串聲稱某新模型
   在代理工作量上降低 40% 成本。
   → 發文前需要驗證。

5. [有衝突] 兩個來源對 NotebookLM
   企業 API 定價有不同意見。
   → 已在 wiki 矛盾資料夾中標記。

本週 token 支出：$4.20

你讀了 5 條重點，決定什麼重要，如果你想讓代理採取行動就回覆。研究在你睡覺時發生了。

成本明細

三種定價路徑——選適合你設定的：

• 路徑 1 — Nous Portal（最簡單）： 一個訂閱涵蓋三個設定檔。300+ 個模型，Tool Gateway 包含在內（網路搜尋、圖片生成、TTS、瀏覽器自動化），token 計費提供者享 9 折，底層透過 OpenRouter 路由，cron 自動計費。設定：hermes setup --portal。查看 portal.nousresearch.com 的目前方案定價；用 /usage 和 hermes portal info 監控。
• 路徑 2 — OpenRouter API（最低成本）： 按 token 付費，無訂閱。一個金鑰涵蓋所有模型。適合想要最低支出且不介意密切監控用量的人。
• 路徑 3 — ChatGPT 訂閱 + Sonnet API（最慷慨的 token）： Scout 和 Briefer 用一般模型搭配 $20 訂閱附帶的慷慨 token 配額；Analyst 透過獨立的 API 金鑰用強推理模型。總成本更高但 token 管理最簡單。

作為參考，一個兼職研究助理每月成本 $1,500-3,000。這裡的成本估計假設三個設定檔每月約 130 萬 tokens；實際成本取決於 cron 頻率、綜合深度和模型選擇。用 /usage 監控。

第 1 天 → 第 2 週 → 第 1 個月

系統產出了你沒問過的洞見。這就是複利。

限制

• NotebookLM 包裝器可能壞掉。 它使用沒有官方消費者 API 的瀏覽器自動化。如果 Google 改變了端點，包裝器需要更新——始終在 Analyst 的 SOUL.md 中保留回退路徑。
• Scout 過濾掉付費內容。 Web 和 X 搜尋只能接觸公開內容。把付費文章、私人倉庫和受限社群的手動加入 inbox。
• Analyst 可能誤判可信度等級。 [已驗證]/[未驗證] 標籤取決於模型的判斷；Hermes 不會獨立地事實查核。在行動前自己交叉比對重要發現。
• Token 成本隨用量擴大。 更多 Scout cron 意味著更多 inbox 檔案意味著更多 Analyst 處理。從 3-4 個 Scout cron 開始，等你知道每次運行的成本後再增加。
• 人工審查仍然重要。 這是一個研究部門，不是自動駕駛。晨間簡報是起點——系統尋找和組織，你決定和行動。

官方來源

經過 Hermes Agent v0.16.0 文件驗證：設定檔、LLM Wiki 技能、定時排程、MCP 伺服器和記憶體系統，加上社群的 notebooklm-mcp-cli。