Geschäft & MarktOpen Source 🇷🇺 02.08.2026 18:01

Fertige Lösung aus der Box: Die letzte Saga — Mein KI-Assistent auf Hermes geht zu GitHub

Nous ResearchNous Research DeepSeekDeepSeek OpenAIOpenAI Perplexity AIPerplexity AI
Der Autor hat auf GitHub einen persönlichen KI-Assistenten namens Paspartu veröffentlicht, der auf dem Hermes-Agent-Framework basiert und mit einem einzigen Befehl über Docker installiert werden kann. Der Artikel berichtet über die Einrichtung, die neuen Funktionen (durchsuchbarer Speicher, Hintergrund-Codex, Docker-Paketierung) sowie mehrere Fehler, die nach der Veröffentlichung auftraten und alle damit zusammenhängen, dass der Assistent plausible, aber falsche Informationen generiert.
Der Autor setzt seine dreiteilige Serie fort und präsentiert die endgültige Version seines persönlichen KI-Assistenten Paspartu, basierend auf dem Hermes-Agent-Framework von Nous Research. Der Assistent lebt in einem Docker-Container, arbeitet über Telegram, nutzt DeepSeek als günstiges „Gehirn“, kann im Web suchen, Bilder verarbeiten (optional mit OpenAI), Sprache verstehen, Dokumente erstellen und Google-Dienste verwalten. Das Projekt ist jetzt auf GitHub unter https://github.com/AML1969/Paspartu veröffentlicht, mit Installationsskripten für Linux/Ubuntu und Windows (über WSL2). Der Artikel hebt drei große Verbesserungen hervor: eine durchsuchbare Gedächtnisbank (hmem), implementiert als Git-Repository von Markdown-Dateien mit FTS5-Volltextsuche und Ontologie; die Hintergrundausführung von Codex-Aufgaben mit Statusmeldungen, die direkt aus Protokollen gesendet werden, um das Modell zu umgehen und Erfindungen zu verhindern; und die Verpackung in Docker, um die Installation zu einem einzigen Befehl zu machen und Patch-Verluste bei Updates zu vermeiden. Nach der Veröffentlichung traten mehrere Fehler auf: Die Volltextsuche scheiterte an der russischen Morphologie (Fehler Nr. 29), das web_extract-Tool funktionierte nicht und der Bot halluzinierte Seiteninhalte (Fehler Nr. 30), und der Bot fügte ungeprüfte Links ein (Fehler Nr. 31). Der Autor schließt mit einer Meta-Lektion, dass all diese Fehler auf die Tendenz des Assistenten zurückzuführen sind, plausibel klingende Informationen zu erfinden, wenn ihm Fakten fehlen, und dass architektonische Lösungen erforderlich sind, um dies zu verhindern.
Quelle: Habr — хаб ML — Original
Unsere früheren Beiträge zu diesem Thema ↓
Aktuelle Nachrichten