> 📥 Hele feltrapporten findes som PDF. Download den øverst på siden — med data-trafiklys (cloud-model vs. lokal model), nedbruds-anatomi og 5-trins startguide.
> 🧭 Del 4 af 4 i serien AI-agenter anno 2026. Fire værktøjer, der alle bliver kaldt AI-agent: OpenClaw, Claude Cowork, Perplexity og Hermes. I dag den modsatte yderlighed af Perplexity: open-source, lokal, vedvarende — og bygget med sandboxing tæt på kernen.
1. Den morgen agenten murede sig selv inde
I sidste weekend bad jeg min AI-agent om en simpel ting. Forny et adgangstoken, der udløb om to dage.
Ti minutter senere kunne den ikke svare på noget som helst.
Hermes tolkede "forny tokenet automatisk" som "omskriv din egen kildekode". Den rettede i to af sine egne kernefiler, tilføjede en selvfornyende token-funktion, og genstartede så sin egen motor for at indlæse ændringerne. Den nye kode virkede ikke. Hvert eneste kald til sprogmodellen fejlede. Og fordi den havde genstartet sig selv ind i den tilstand, kunne den heller ikke længere læse sine egne logfiler eller forklare, hvad den lige havde gjort.
Den havde savet den gren over, den sad på. Tokenet var i øvrigt ikke engang udløbet — det havde to dage tilbage.
Genopretningen tog fem minutter, da jeg først forstod hvad der var sket: rul de to filer tilbage, genstart. Men pointen sidder fast. En agent, der både kan ændre sin egen kode og genstarte sig selv, kan låse sig selv ude. Og så kan den ikke hjælpe dig med at komme ind igen.
2. Hvad Hermes egentlig er
Hermes Agent er bygget af Nous Research. Open-source, gratis, installeres på din egen maskine eller server. Hvor Cowork er en assistent i Claude-appen, og hvor Perplexity Personal Computer er en research-specialist, er Hermes en agent, der bor hos dig. Den kører i baggrunden. Den er der, når du ikke er.
- Den husker. På tværs af sessioner — hvem du er, hvad du arbejder på, hvad den lærte sidst.
- Den kører selv. Du taler med den fra Telegram, fra din telefon, mens den arbejder på din Mac. Og den kan køre opgaver på et skema, uden at du er til stede.
- Den lærer. Når den løser noget, kan den gemme fremgangsmåden som en skill, den kan bruge igen.
Modellen bagved vælger du selv. Jeg har sat den op med OpenAI Codex som udbyder og GPT-5.5 som model, via mit faste ChatGPT Plus-abonnement. Du kan også køre den på Gemini, DeepSeek eller en lokal model. Det vender jeg tilbage til — for det er vigtigere end det lyder.
3. Det der virker: min egen test kørte upåklageligt
Daglig digest. Jeg gav Hermes opgaven at lave en daily digest — samme slags daglige opsamling som OpenClaw lavede i del 1. Hver morgen kl. kvart i otte samler den dagens vigtigste nyt om generativ AI og sender det til min Telegram. Den har kørt uden en eneste fejl, siden jeg satte den op. Jeg har ikke rørt den. Cirka samme resultat som OpenClaw med mindre anstrengelser. Den kører på min egen maskine, uden abonnement udover ChatGPT Plus til 25 dollars om måneden, plus lidt OpenRouter-forbrug til backup-modellen.
Indhold i min egen stemme. Jeg har lagt mine egne skills ind i den — de samme, jeg bruger i Claude Cowork. Så jeg kan bede den om et førsteudkast til et LinkedIn-opslag fra min telefon, mellem to møder, og få noget tilbage, der lyder tæt på "mig".
Skemalægning er der, hvor Hermes er stærkest. Beskriv opgaven i almindeligt sprog, sæt et interval, vælg hvor svaret skal leveres. Så kører den.
4. Mulighederne: det andre bruger den til
Min ene velfungerende rutine er kun toppen. Da jeg gravede i, hvad folk faktisk bruger Hermes til, blev listen lang:
- Dev- og drift-rutiner. Oprydning i kodebaser, automatiske opsummeringer fra GitHub, server-tjek der rapporterer disk, hukommelse og containere til en fælles kanal.
- Nyheds- og markedsovervågning. Agenten scanner et felt, sorterer fund efter vigtighed og lægger dem i forskellige kanaler.
- Overvågning, der kun melder ind, når en pris, en side eller et nøgleord ændrer sig.
- Lokale sprog- og branchepakker. En bruger byggede en komplet tyrkisk pakke med lokale markedsdata, nyhedskilder og daglige briefing-kort. Det samme kunne bygges på dansk, målrettet en branche.
- Research i parallelle spor. Den kan sætte underagenter i gang på flere opgaver samtidig og samle resultaterne.
- Værktøjer til agenten selv. De mere tekniske bygger skills, der vedligeholder agentens egne skills.
En ærlig note: de fleste eksempler er selvrapporterede fra communityet, ikke målte benchmarks. Tag dem som inspiration. Men retningen er klar — det her er en platform, som kode-kyndige profiler kan få meget ud af.
5. Det den ikke er så god til: den ærlige del
Hermes' styrke og dens fare er den samme egenskab. Den har adgang til din maskine, den kan ændre sine egne filer, og den kan genstarte sig selv. Uden at du kigger med.
Det betyder, at den kan ødelægge sig selv på måder, Cowork og Perplexity simpelthen ikke kan. Den efterlader også rod — efter mit nedbrud lå der over hundrede ændrede filer i dens egen kode. Og så kræver den tekniske hænder. Det her er ikke et værktøj, du giver din ikke-tekniske kollega.
Sådan løste jeg nedbruddet: Jeg byggede en "AI wingman" i Claude Cowork, i et separat Cowork-projekt, som jeg gav adgang til Hermes' kildekode på min Mac. Lidt klarede Cowork selv, lidt skulle jeg hjælpe med på terminalen.
Bagefter satte jeg en spærre op. Jeg fik Claude Cowork til at skrive en regel ind i agentens egne instruktioner: den må foreslå ændringer i sin egen kode og foreslå en genstart — men den må ikke gøre det selv uden et menneskeligt ja først. Human-in-the-loop. Det er den vigtigste indstilling, jeg har lavet.
6. Forlader data din maskine?
Her er den nuance, der betyder mest. "Kører lokalt" lyder som "data forlader ikke min maskine". Det gør det ikke nødvendigvis.
Hermes kører lokalt — selve agenten, dens hukommelse, dens filer, dens motor. Det er ægte. Det er forskellen fra Perplexity, hvor både eksekvering og behandling sker hos leverandøren. Men modellen er ikke nødvendigvis lokal. Når Hermes tænker, kalder den en sprogmodel. Hos mig er det GPT-5.5 hos OpenAI, med Claude Sonnet som backup via OpenRouter. Det betyder, at de prompts og det filindhold, jeg giver agenten, bliver sendt til modeludbyderen.
Vil du have, at data faktisk bliver på maskinen, skal du køre Hermes med en lokal model — for eksempel via Ollama. Prisen er kvalitet og hastighed.
Tommelfingerregel:
- 🟢 Offentligt materiale, sektorresearch, egne notater, indholdsudkast: fint med en cloud-model.
- 🔴 Klientdata, personoplysninger, fortrolige dokumenter: enten en lokal model med en bevidst risikovurdering, eller hold det ude.
7. Hvem er det til
Hermes er til dig, der er teknisk komfortabel og gerne vil have en agent, der arbejder, når du ikke gør. Udvikleren med natlige rutiner på sin egen server. Power-brugeren, der vil styre sin egen infrastruktur og sin egen model.
Hermes er ikke til din ikke-tekniske kollega. Der peger jeg på Cowork eller Perplexity. Og den er ikke til følsomme, regulerede data med en cloud-model — ikke uden en lokal model og en rigtig risikovurdering først.
8. Sådan kommer du i gang
1. Kør det et sted, du kan undvære. En VPS, en ekstra Mac, en gammel maskine. Ikke nødvendigvis din primære arbejdscomputer fra dag ét.
2. Slå godkendelse til. Lad agenten spørge, før den kører kommandoer, der kan gøre skade. Kør den ikke i "bare gør det"-tilstand.
3. Giv den én kanal og ét formål. Start med Telegram og én opgave — for eksempel en daglig digest. Det var min første, og den kørte fejlfrit.
4. Vælg modellen bevidst. Cloud til kvalitet på offentligt materiale. Lokal model til følsomt. Hold klientdata ude, indtil aftalegrundlaget er på plads.
5. Læs efter. Altid. Den 5-procents fejl venter altid et sted.
9. Fire værktøjer, ét ansvar
Det her var den sidste i serien. Fire ting, vi alle kalder "AI-agent", og som knap nok er det samme dyr.
- OpenClaw var sværmen. Mange agenter, meget kontrol, tekniske hænder.
- Cowork var den superviserede assistent. En mappe, en sætning, dig ved roret.
- Perplexity var research-specialisten. Dyb, dokumenteret, pålidelig.
- Hermes er den autonome. Lokal, vedvarende, arbejder når du ikke gør.
Det, der binder dem sammen, er ikke teknologien. Det er din dømmekraft. Den agent, der imponerer dig 95 procent af tiden, er den samme, der murede sig selv inde i weekenden over et token, der ikke engang var udløbet. Ansvaret for de sidste fem procent flytter sig ikke. Det bliver hos dig.
10. Måske er det mig, der ikke har haft tid nok
Det meste af det, jeg beskrev som muligheder, har jeg ikke selv fået til at køre endnu. Den ene rutine, jeg satte ordentligt op, kører upåklageligt. Resten kræver mere, end jeg indtil videre har givet den. Og jeg tror ikke, det er Hermes, der er problemet — det er nok mig, der ikke har haft tid og mulighed til at få den til at danse.
Det er måske den mest ærlige konklusion på hele serien. Loftet er sjældent værktøjet. Det er, hvor meget vi selv har tid til at eksperimentere og lære.
Så jeg bliver ved. Den daglige digest kører videre, mens jeg langsomt finder ud af hvad det ellers kan — måske sammen med dig, ik?
Stefano Vincenti — GenAI-strateg og -arkitekt. 25 års erfaring fra IT og digital transformation. Co-founder af BotTellMe. Ekstern lektor ved ITU og DIS Copenhagen. Partner hos TryZone. Tilmeld nyhedsbrevet og få de næste numre direkte.
Guiden er et fagligt øjebliksbillede pr. juni 2026 og udgør hverken juridisk rådgivning, GDPR-vurdering eller IT-sikkerhedsrådgivning for din specifikke situation. Værktøjer, priser, vilkår og sikkerhedsmeldinger ændrer sig hurtigt — verificér altid de aktuelle forhold før beslutning.