Базовые кейсы: голосовые, архив чата и радар тем

Агент стоит на сервере и вежливо отвечает «привет». Пора отрабатывать аренду. В этом уроке запускаем три кейса, которые окупают всю затею: голосовые превращаются в текст и задачи, переписка — в вечерний дайджест, а лента новостей твоей ниши — в радар, который работает вместо тебя. Заодно разберёмся, как агент учится новому и где проходят границы его свободы.

Всё ниже опирается на второй урок: агент установлен, Telegram подключён, SOUL.md написан. Если чего-то из этого нет — сначала туда.

Кейс 1: голосовые в текст

Самый быстрый кейс по отдаче. Hermes умеет расшифровывать входящие голосовые сам, нужно лишь дать ему «уши» — ключ сервиса распознавания речи. Штатный вариант — Groq: сервис, который крутит Whisper (открытую модель распознавания) на быстром железе, и у него есть бесплатный уровень.

Заведи ключ Groq

Зарегистрируйся на console.groq.com и создай API-ключ. Да, в первом уроке я обещал без API-ключей — для «мозга» это так и осталось; тут ключ бесплатный и только для расшифровки звука.

Отдай ключ агенту

На сервере добавь строку GROQ_API_KEY=твой-ключ в файл ~/.hermes/.env и перезапусти шлюз.

Проверь

Отправь боту голосовое. В ответе агент должен опираться на сказанное, а не переспрашивать «что это было».

Дальше начинается магия быта. Диктуешь задачи на ходу — агент их фиксирует и выполняет. А ещё ему можно пересылать чужие голосовые:

ты

Переслал голосовое на 4 минуты от партнёра. Дай выжимку и вытащи, о чём договорились.

Claude

Суть в трёх пунктах: смету он согласовал с урезанием блока аналитики; запуск переносит на 15-е число; ждёт от тебя список подрядчиков до пятницы. Договорённость за тобой одна — список. Поставить напоминание на четверг?

Четыре минуты чужого монолога — десять секунд твоего чтения. Кто получает много голосовых, тот поймёт.

Кейс 1: голосовые в текст

Продолжение — для участников клуба