📄 user-guide/configuration.md

sidebar_position: 2 title: "Configuration" description: "Configure Hermes Agent — config.yaml, providers, models, API keys, and more"

Configuration

การตั้งค่าทั้งหมดจะถูกจัดเก็บไว้ในไดเรกทอรี ~/.hermes/ เพื่อให้เข้าถึงได้ง่าย

Directory Structure

~/.hermes/
├── config.yaml     # Settings (model, terminal, TTS, compression, etc.)
├── .env            # API keys and secrets
├── auth.json       # OAuth provider credentials (Nous Portal, etc.)
├── SOUL.md         # Primary agent identity (slot #1 in system prompt)
├── memories/       # Persistent memory (MEMORY.md, USER.md)
├── skills/         # Agent-created skills (managed via skill_manage tool)
├── cron/           # Scheduled jobs
├── sessions/       # Gateway sessions
└── logs/           # Logs (errors.log, gateway.log - secrets auto-redacted)

Managing Configuration

hermes config              # View current configuration
hermes config edit         # Open config.yaml in your editor
hermes config set KEY VAL  # Set a specific value
hermes config check        # Check for missing options (after updates)
hermes config migrate      # Interactively add missing options

# Examples:
hermes config set model anthropic/claude-opus-4
hermes config set terminal.backend docker
hermes config set OPENROUTER_API_KEY sk-or-...  # Saves to .env

:::tip คำสั่ง hermes config set จะกำหนดเส้นทางค่าโดยอัตโนมัติไปยังไฟล์ที่ถูกต้อง - API keys จะถูกบันทึกใน .env ส่วนค่าอื่น ๆ ทั้งหมดจะถูกบันทึกใน config.yaml :::

Configuration Precedence

การตั้งค่าจะถูกแก้ไขตามลำดับนี้ (ลำดับความสำคัญสูงสุดก่อน):

1. CLI arguments - เช่น hermes chat --model anthropic/claude-sonnet-4 (การเขียนทับสำหรับการเรียกใช้แต่ละครั้ง)
2. ~/.hermes/config.yaml - ไฟล์ config หลักสำหรับการตั้งค่าที่ไม่ใช่ความลับทั้งหมด
3. ~/.hermes/.env - ตัวสำรองสำหรับ env vars; จำเป็น สำหรับความลับ (API keys, tokens, passwords)
4. Built-in defaults - ค่าเริ่มต้นที่กำหนดไว้ล่วงหน้าเมื่อไม่มีการตั้งค่าอื่น

:::info Rule of Thumb ความลับ (API keys, bot tokens, passwords) ให้ใส่ใน .env ส่วนค่าอื่น ๆ ทั้งหมด (model, terminal backend, compression settings, memory limits, toolsets) ให้ใส่ใน config.yaml เมื่อมีการตั้งค่าทั้งสองส่วน config.yaml จะมีผลเหนือกว่าสำหรับการตั้งค่าที่ไม่ใช่ความลับ :::

Environment Variable Substitution

คุณสามารถอ้างอิง environment variables ใน config.yaml โดยใช้ไวยากรณ์ ${VAR_NAME}:

auxiliary:
  vision:
    api_key: ${GOOGLE_API_KEY}
    base_url: ${CUSTOM_VISION_URL}

delegation:
  api_key: ${DELEGATION_KEY}

การอ้างอิงหลายตัวในค่าเดียวสามารถทำได้: url: "${HOST}:${PORT}". หากตัวแปรที่อ้างอิงไม่ได้ถูกตั้งค่า ตัวยึดตำแหน่งจะถูกเก็บไว้ตามเดิม (${UNDEFINED_VAR} จะยังคงอยู่) รองรับเฉพาะไวยากรณ์ ${VAR} เท่านั้น - $VAR เฉย ๆ จะไม่ถูกขยาย

สำหรับการตั้งค่า AI provider (OpenRouter, Anthropic, Copilot, custom endpoints, self-hosted LLMs, fallback models, etc.) ดูที่ AI Providers

Provider Timeouts

คุณสามารถตั้งค่า providers.<id>.request_timeout_seconds สำหรับ request timeout ทั่วทั้ง provider รวมถึง providers.<id>.models.<model>.timeout_seconds สำหรับการเขียนทับเฉพาะ model ใช้ได้กับ primary turn client ในทุก transport (OpenAI-wire, native Anthropic, Anthropic-compatible), fallback chain, การสร้างใหม่หลังการหมุนเวียน credential, และ (สำหรับ OpenAI-wire) per-request timeout kwarg - ดังนั้นค่าที่กำหนดไว้จะชนะค่า env var HERMES_API_TIMEOUT แบบเก่า

คุณยังสามารถตั้งค่า providers.<id>.stale_timeout_seconds สำหรับ non-streaming stale-call detector รวมถึง providers.<id>.models.<model>.stale_timeout_seconds สำหรับการเขียนทับเฉพาะ model สิ่งนี้จะชนะค่า env var HERMES_API_CALL_STALE_TIMEOUT แบบเก่า

การปล่อยค่าเหล่านี้ให้ไม่ได้ตั้งค่าจะคงค่าเริ่มต้นแบบเก่าไว้ (HERMES_API_TIMEOUT=1800s, HERMES_API_CALL_STALE_TIMEOUT=300s, native Anthropic 900s) ไม่ได้เชื่อมต่อสำหรับ AWS Bedrock ในปัจจุบัน (ทั้ง bedrock_converse และ AnthropicBedrock SDK paths ใช้ boto3 พร้อมการกำหนดค่า timeout ของตัวเอง) ดูตัวอย่างที่คอมเมนต์ไว้ใน cli-config.yaml.example

Terminal Backend Configuration

Hermes รองรับ terminal backends หกประเภท แต่ละประเภทจะกำหนดว่าคำสั่ง shell ของ agent จะถูกดำเนินการที่ใด - เครื่อง local ของคุณ, Docker container, remote server ผ่าน SSH, Modal cloud sandbox, Daytona workspace, หรือ Singularity/Apptainer container

terminal:
  backend: local    # local | docker | ssh | modal | daytona | singularity
  cwd: "."          # Working directory ("." = current dir for local, "/root" for containers)
  timeout: 180      # Per-command timeout in seconds
  env_passthrough: []  # Env var names to forward to sandboxed execution (terminal + execute_code)
  singularity_image: "docker://nikolaik/python-nodejs:python3.11-nodejs20"  # Container image for Singularity backend
  modal_image: "nikolaik/python-nodejs:python3.11-nodejs20"                 # Container image for Modal backend
  daytona_image: "nikolaik/python-nodejs:python3.11-nodejs20"               # Container image for Daytona backend

สำหรับ cloud sandboxes เช่น Modal และ Daytona, container_persistent: true หมายความว่า Hermes จะพยายามรักษา filesystem state ข้ามการสร้าง sandbox ใหม่ มันไม่ได้รับประกันว่า sandbox ที่ใช้งานอยู่, PID space, หรือ background processes จะยังคงทำงานอยู่ภายหลัง

Backend Overview

Local Backend

ค่าเริ่มต้น คำสั่งจะทำงานโดยตรงบนเครื่องของคุณโดยไม่มีการแยกส่วนใด ๆ ไม่จำเป็นต้องมีการตั้งค่าพิเศษ

terminal:
  backend: local

:::warning agent มีสิทธิ์เข้าถึง filesystem เดียวกันกับบัญชีผู้ใช้ของคุณ ใช้ hermes tools เพื่อปิดการใช้งาน tools ที่คุณไม่ต้องการ หรือเปลี่ยนไปใช้ Docker สำหรับการทำ sandboxing :::

Docker Backend

รันคำสั่งภายใน Docker container พร้อมการเสริมความปลอดภัย (ยกเลิกความสามารถทั้งหมด, ไม่มี privilege escalation, PID limits)

terminal:
  backend: docker
  docker_image: "nikolaik/python-nodejs:python3.11-nodejs20"
  docker_mount_cwd_to_workspace: false  # Mount launch dir into /workspace
  docker_forward_env:              # Env vars to forward into container
    - "GITHUB_TOKEN"
  docker_volumes:                  # Host directory mounts
    - "/home/user/projects:/workspace/projects"
    - "/home/user/data:/data:ro"   # :ro for read-only

  # Resource limits
  container_cpu: 1                 # CPU cores (0 = unlimited)
  container_memory: 5120           # MB (0 = unlimited)
  container_disk: 51200            # MB (requires overlay2 on XFS+pquota)
  container_persistent: true       # Persist /workspace and /root across sessions

Requirements: ติดตั้งและรัน Docker Desktop หรือ Docker Engine Hermes จะตรวจสอบ $PATH บวกกับตำแหน่งการติดตั้ง macOS ทั่วไป (/usr/local/bin/docker, /opt/homebrew/bin/docker, Docker Desktop app bundle)

Container lifecycle: แต่ละ session จะเริ่ม container ที่มีอายุยาวนาน (docker run -d ... sleep 2h) คำสั่งจะรันผ่าน docker exec ด้วย login shell เมื่อทำความสะอาด container จะถูกหยุดและลบออก

Security hardening:

• --cap-drop ALL โดยเพิ่มเฉพาะ DAC_OVERRIDE, CHOWN, FOWNER กลับเข้าไป
• --security-opt no-new-privileges
• --pids-limit 256
• tmpfs ที่จำกัดขนาดสำหรับ /tmp (512MB), /var/tmp (256MB), /run (64MB)

Credential forwarding: Env vars ที่ระบุใน docker_forward_env จะถูกแก้ไขจาก shell environment ของคุณก่อน จากนั้นจึงเป็น ~/.hermes/.env Skills ยังสามารถประกาศ required_environment_variables ซึ่งจะถูกรวมโดยอัตโนมัติ

SSH Backend

รันคำสั่งบน remote server ผ่าน SSH ใช้ ControlMaster สำหรับการใช้ซ้ำการเชื่อมต่อ (keepalive 5 นาที) Persistent shell ถูกเปิดใช้งานโดยค่าเริ่มต้น - state (cwd, env vars) จะอยู่รอดข้ามคำสั่ง

terminal:
  backend: ssh
  persistent_shell: true           # Keep a long-lived bash session (default: true)

Required environment variables:

TERMINAL_SSH_HOST=my-server.example.com
TERMINAL_SSH_USER=ubuntu

Optional:

How it works: เชื่อมต่อเมื่อเริ่มต้นด้วย BatchMode=yes และ StrictHostKeyChecking=accept-new Persistent shell จะรักษา process bash -l เพียงตัวเดียวให้มีชีวิตอยู่บน remote host โดยสื่อสารผ่านไฟล์ชั่วคราว คำสั่งที่ต้องการ stdin_data หรือ sudo จะ fallback ไปที่โหมดครั้งเดียวโดยอัตโนมัติ

Modal Backend

รันคำสั่งใน Modal cloud sandbox แต่ละ task จะได้รับ VM ที่แยกส่วนพร้อม CPU, memory, และ disk ที่กำหนดค่าได้ Filesystem สามารถ snapshot/restore ข้าม session ได้

terminal:
  backend: modal
  container_cpu: 1                 # CPU cores
  container_memory: 5120           # MB (5GB)
  container_disk: 51200            # MB (50GB)
  container_persistent: true       # Snapshot/restore filesystem

Required: ต้องมี environment variables MODAL_TOKEN_ID + MODAL_TOKEN_SECRET หรือไฟล์ config ~/.modal.toml

Persistence: เมื่อเปิดใช้งาน sandbox filesystem จะถูก snapshot เมื่อทำความสะอาด และถูก restore ใน session ถัดไป Snapshots จะถูกติดตามใน ~/.hermes/modal_snapshots.json สิ่งนี้รักษา filesystem state ไม่ใช่ live processes, PID space, หรือ background jobs

Credential files: ถูก mount โดยอัตโนมัติจาก ~/.hermes/ (OAuth tokens, etc.) และซิงค์ก่อนทุกคำสั่ง

Daytona Backend

รันคำสั่งใน Daytona managed workspace รองรับ stop/resume สำหรับ persistence

terminal:
  backend: daytona
  container_cpu: 1                 # CPU cores
  container_memory: 5120           # MB -> converted to GiB
  container_disk: 10240            # MB -> converted to GiB (max 10 GiB)
  container_persistent: true       # Stop/resume instead of delete

Required: environment variable DAYTONA_API_KEY

Persistence: เมื่อเปิดใช้งาน sandbox จะถูกหยุด (ไม่ถูกลบ) เมื่อทำความสะอาด และถูก resume ใน session ถัดไป ชื่อ sandbox จะตามรูปแบบ hermes-{task_id}

Disk limit: Daytona บังคับใช้สูงสุด 10 GiB คำขอที่สูงกว่านี้จะถูกจำกัดพร้อมคำเตือน

Singularity/Apptainer Backend

รันคำสั่งใน Singularity/Apptainer container ออกแบบมาสำหรับ HPC clusters และ shared machines ที่ไม่มี Docker

terminal:
  backend: singularity
  singularity_image: "docker://nikolaik/python-nodejs:python3.11-nodejs20"
  container_cpu: 1                 # CPU cores
  container_memory: 5120           # MB
  container_persistent: true       # Writable overlay persists across sessions

Requirements: apptainer หรือ singularity binary ใน $PATH

Image handling: Docker URLs (docker://...) จะถูกแปลงเป็นไฟล์ SIF โดยอัตโนมัติและแคช ไฟล์ .sif ที่มีอยู่จะถูกใช้โดยตรง

Scratch directory: ถูกแก้ไขตามลำดับ: TERMINAL_SCRATCH_DIR → TERMINAL_SANDBOX_DIR/singularity → /scratch/$USER/hermes-agent (HPC convention) → ~/.hermes/sandboxes/singularity

Isolation: ใช้ --containall --no-home สำหรับการแยก namespace เต็มรูปแบบโดยไม่ต้อง mount host home directory

Common Terminal Backend Issues

หากคำสั่ง terminal ล้มเหลวทันที หรือรายงานว่าเครื่องมือ terminal ถูกปิดใช้งาน:

• Local - ไม่ต้องการข้อกำหนดพิเศษ เป็นค่าเริ่มต้นที่ปลอดภัยที่สุดเมื่อเริ่มต้น
• Docker - รัน docker version เพื่อตรวจสอบว่า Docker ทำงานได้หรือไม่ หากล้มเหลว ให้แก้ไข Docker หรือ hermes config set terminal.backend local
• SSH - ต้องตั้งค่าทั้ง TERMINAL_SSH_HOST และ TERMINAL_SSH_USER Hermes จะบันทึกข้อผิดพลาดที่ชัดเจนหากขาดตัวใดตัวหนึ่ง
• Modal - ต้องการ env var MODAL_TOKEN_ID หรือ ~/.modal.toml รัน hermes doctor เพื่อตรวจสอบ
• Daytona - ต้องการ DAYTONA_API_KEY SDK ของ Daytona จัดการการกำหนดค่า URL server
• Singularity - ต้องการ apptainer หรือ singularity ใน $PATH ทั่วไปใน HPC clusters

เมื่อไม่แน่ใจ ให้ตั้งค่า terminal.backend กลับเป็น local และตรวจสอบว่าคำสั่งทำงานที่นั่นก่อน

Docker Volume Mounts

เมื่อใช้ Docker backend, docker_volumes ช่วยให้คุณแชร์ host directories กับ container แต่ละรายการใช้ไวยากรณ์ -v มาตรฐานของ Docker: host_path:container_path[:options]

terminal:
  backend: docker
  docker_volumes:
    - "/home/user/projects:/workspace/projects"   # Read-write (default)
    - "/home/user/datasets:/data:ro"              # Read-only
    - "/home/user/.hermes/cache/documents:/output" # Gateway-visible exports

สิ่งนี้มีประโยชน์สำหรับ:

• การให้ไฟล์ แก่ agent (datasets, configs, reference code)
• การรับไฟล์ จาก agent (generated code, reports, exports)
• Shared workspaces ที่ทั้งคุณและ agent เข้าถึงไฟล์เดียวกัน

หากคุณใช้ messaging gateway และต้องการให้ agent ส่งไฟล์ที่สร้างขึ้นผ่าน MEDIA:/..., ให้เลือกใช้ host-visible export mount โดยเฉพาะ เช่น /home/user/.hermes/cache/documents:/output

• เขียนไฟล์ภายใน Docker ไปที่ /output/...
• ออก emit host path ใน MEDIA:, ตัวอย่างเช่น: MEDIA:/home/user/.hermes/cache/documents/report.txt
• ห้าม emit /workspace/... หรือ /output/... เว้นแต่ path ที่แน่นอนนั้นจะ มีอยู่สำหรับ gateway process บน host

:::warning YAML duplicate keys จะเขียนทับ keys ก่อนหน้าอย่างเงียบ ๆ หากคุณมีบล็อก docker_volumes: อยู่แล้ว ให้รวม mounts ใหม่ลงในรายการเดียวกันแทนการเพิ่ม key docker_volumes: อีกครั้งในไฟล์ :::

สามารถตั้งค่าผ่าน environment variable ได้เช่นกัน: TERMINAL_DOCKER_VOLUMES='["/host:/container"]' (JSON array)

Docker Credential Forwarding

โดยค่าเริ่มต้น, Docker terminal sessions จะไม่สืบทอด host credentials ที่เป็นไปตามอำเภอใจ หากคุณต้องการ token เฉพาะภายใน container, ให้เพิ่มมันใน terminal.docker_forward_env

terminal:
  backend: docker
  docker_forward_env:
    - "GITHUB_TOKEN"
    - "NPM_TOKEN"

Hermes จะแก้ไขแต่ละตัวแปรที่ระบุจาก shell ปัจจุบันของคุณก่อน จากนั้นจึง fallback ไปที่ ~/.hermes/.env หากถูกบันทึกด้วย hermes config set

:::warning สิ่งใดก็ตามที่ระบุใน docker_forward_env จะมองเห็นได้สำหรับคำสั่งที่รันภายใน container เท่านั้น ให้ส่งต่อ credentials ที่คุณสบายใจที่จะเปิดเผยต่อ terminal session :::

Optional: Mount the Launch Directory into /workspace

Docker sandboxes จะถูกแยกส่วนโดยค่าเริ่มต้น Hermes ไม่ส่ง current host working directory ของคุณเข้าไปใน container เว้นแต่คุณจะเลือกเปิดใช้งานอย่างชัดเจน

เปิดใช้งานใน config.yaml:

terminal:
  backend: docker
  docker_mount_cwd_to_workspace: true

เมื่อเปิดใช้งาน:

• หากคุณ launch Hermes จาก ~/projects/my-app, host directory นั้นจะถูก bind-mount ไปที่ /workspace
• Docker backend จะเริ่มที่ /workspace
• file tools และ terminal commands จะเห็น mounted project เดียวกัน

เมื่อปิดใช้งาน, /workspace จะยังคงเป็นของ sandbox เว้นแต่คุณจะ mount อะไรบางอย่างผ่าน docker_volumes อย่างชัดเจน

Security tradeoff:

• false รักษาขอบเขตของ sandbox
• true ให้ sandbox เข้าถึง directory ที่คุณ launch Hermes จากได้โดยตรง

ใช้การเปิดใช้งานเฉพาะเมื่อคุณต้องการให้ container ทำงานบนไฟล์ host ที่มีชีวิตอยู่โดยเจตนาเท่านั้น

Persistent Shell

โดยค่าเริ่มต้น, แต่ละคำสั่ง terminal จะรันใน subprocess ของตัวเอง - working directory, environment variables, และ shell variables จะถูกรีเซ็ตระหว่างคำสั่ง เมื่อ persistent shell ถูกเปิดใช้งาน, process bash ที่มีอายุยาวนานตัวเดียวจะถูกรักษาให้มีชีวิตอยู่ข้ามการเรียกใช้ execute() เพื่อให้ state อยู่รอดระหว่างคำสั่ง

สิ่งนี้มีประโยชน์ที่สุดสำหรับ SSH backend, ซึ่งยังช่วยกำจัด overhead การเชื่อมต่อต่อคำสั่งด้วย Persistent shell เปิดใช้งานโดยค่าเริ่มต้นสำหรับ SSH และปิดใช้งานสำหรับ local backend

terminal:
  persistent_shell: true   # default - enables persistent shell for SSH

ในการปิดใช้งาน:

hermes config set terminal.persistent_shell false

สิ่งที่คงอยู่ข้ามคำสั่ง:

• Working directory (cd /tmp จะอยู่สำหรับคำสั่งถัดไป)
• Exported environment variables (export FOO=bar)
• Shell variables (MY_VAR=hello)

Precedence:

Environment variables ต่อ backend มีลำดับความสำคัญสูงสุด หากคุณต้องการ persistent shell บน local backend ด้วย:

export TERMINAL_LOCAL_PERSISTENT=true

:::note คำสั่งที่ต้องการ stdin_data หรือ sudo จะ fallback ไปที่โหมดครั้งเดียวโดยอัตโนมัติ เนื่องจาก stdin ของ persistent shell ถูกครอบครองโดย IPC protocol อยู่แล้ว :::

ดู Code Execution และ Terminal section of the README สำหรับรายละเอียดเกี่ยวกับแต่ละ backend.

Skill Settings

Skills สามารถประกาศค่าการตั้งค่า configuration ของตัวเองผ่าน frontmatter ของ SKILL.md ได้ ค่าเหล่านี้เป็นค่าที่ไม่เป็นความลับ (เช่น paths, preferences, domain settings) ซึ่งจะถูกจัดเก็บภายใต้ namespace skills.config ในไฟล์ config.yaml

skills:
  config:
    myplugin:
      path: ~/myplugin-data   # Example - each skill defines its own keys

วิธีการทำงานของ skill settings:

• hermes config migrate จะสแกน enabled skills ทั้งหมด ค้นหา settings ที่ยังไม่ได้กำหนดค่า และเสนอให้คุณ prompt เพื่อกำหนดค่า
• hermes config show จะแสดง settings ของ skill ทั้งหมดภายใต้ "Skill Settings" พร้อมระบุว่า skill ใดเป็นเจ้าของ
• เมื่อ skill โหลด ค่า config ที่ถูก resolve แล้วจะถูก inject เข้าไปใน skill context โดยอัตโนมัติ

การตั้งค่าค่าด้วยตนเอง:

hermes config set skills.config.myplugin.path ~/myplugin-data

สำหรับรายละเอียดเกี่ยวกับการประกาศ config settings ใน skills ของคุณเอง โปรดดูที่ Creating Skills - Config Settings

Memory Configuration

memory:
  memory_enabled: true
  user_profile_enabled: true
  memory_char_limit: 2200   # ~800 tokens
  user_char_limit: 1375     # ~500 tokens

File Read Safety

ควบคุมว่าการเรียกใช้ read_file ครั้งเดียวสามารถส่งคืนเนื้อหาได้มากแค่ไหน การอ่านที่เกินขีดจำกัดจะถูกปฏิเสธพร้อมข้อผิดพลาดที่แจ้งให้ agent ใช้ offset และ limit เพื่ออ่านช่วงที่เล็กลง สิ่งนี้ป้องกันไม่ให้การอ่าน minified JS bundle หรือไฟล์ข้อมูลขนาดใหญ่เพียงครั้งเดียวทำให้ context window ล้นเกิน

file_read_max_chars: 100000  # default - ~25-35K tokens

ให้เพิ่มค่านี้หากคุณใช้ model ที่มี context window ขนาดใหญ่ และมีการอ่านไฟล์ขนาดใหญ่บ่อยครั้ง ให้ลดค่านี้สำหรับ model context ขนาดเล็กเพื่อรักษาประสิทธิภาพการอ่าน:

# Large context model (200K+)
file_read_max_chars: 200000

# Small local model (16K context)
file_read_max_chars: 30000

agent ยังทำการ deduplicate การอ่านไฟล์โดยอัตโนมัติ - หากมีการอ่านบริเวณไฟล์เดิมซ้ำสองครั้งและไฟล์นั้นไม่ได้เปลี่ยนแปลง จะมีการส่ง lightweight stub กลับมาแทนการส่งเนื้อหาซ้ำ สิ่งนี้จะถูกรีเซ็ตเมื่อมีการบีบอัด context ทำให้ agent สามารถอ่านไฟล์ใหม่ได้หลังจากที่เนื้อหาของไฟล์ถูกสรุปไปแล้ว

Git Worktree Isolation

เปิดใช้งาน git worktrees แบบ isolated สำหรับการรัน agent หลายตัวแบบขนานบน repo เดียวกัน:

worktree: true    # Always create a worktree (same as hermes -w)
# worktree: false # Default - only when -w flag is passed

เมื่อเปิดใช้งาน แต่ละ session CLI จะสร้าง worktree ใหม่ภายใต้ .worktrees/ พร้อม branch ของตัวเอง agent สามารถแก้ไขไฟล์ commit push และสร้าง PRs ได้โดยไม่รบกวนกัน worktrees ที่สะอาดจะถูกลบเมื่อออกจากระบบ ส่วน worktrees ที่มีการเปลี่ยนแปลงจะถูกเก็บไว้สำหรับการกู้คืนด้วยตนเอง

คุณยังสามารถ list ไฟล์ที่ถูก gitignore เพื่อคัดลอกไปยัง worktrees ผ่าน .worktreeinclude ใน root ของ repo ของคุณได้:

# .worktreeinclude
.env
.venv/
node_modules/

Context Compression

Hermes จะทำการบีบอัดบทสนทนาที่ยาวนานโดยอัตโนมัติ เพื่อให้ยังคงอยู่ใน context window ของ model การสรุป (summarizer) เป็นการเรียกใช้ LLM แยกต่างหาก - คุณสามารถกำหนดเป้าหมายให้มันกับ provider หรือ endpoint ใดก็ได้

การตั้งค่าการบีบอัดทั้งหมดอยู่ใน config.yaml (ไม่มี environment variables)

Full reference

compression:
  enabled: true                                     # Toggle compression on/off
  threshold: 0.50                                   # Compress at this % of context limit
  target_ratio: 0.20                               # Fraction of threshold to preserve as recent tail
  protect_last_n: 20                                # Min recent messages to keep uncompressed

# The summarization model/provider is configured under auxiliary:
auxiliary:
  compression:
    model: "google/gemini-3-flash-preview"          # Model for summarization
    provider: "auto"                               # Provider: "auto", "openrouter", "nous", "codex", "main", etc.
    base_url: null                                  # Custom OpenAI-compatible endpoint (overrides provider)

:::info Legacy config migration Configs เก่าที่มี compression.summary_model, compression.summary_provider, และ compression.summary_base_url จะถูกย้ายไปยัง auxiliary.compression.* โดยอัตโนมัติเมื่อโหลดครั้งแรก (config version 17) ไม่ต้องดำเนินการด้วยตนเอง :::

Common setups

Default (auto-detect) - ไม่ต้องตั้งค่า:

compression:
  enabled: true
  threshold: 0.50

ใช้ provider ที่พร้อมใช้งานตัวแรก (OpenRouter → Nous → Codex) ด้วย Gemini Flash

บังคับใช้ provider เฉพาะ (แบบ OAuth หรือ API-key based):

auxiliary:
  compression:
    provider: nous
    model: gemini-3-flash

ใช้งานได้กับ provider ใดก็ได้: nous, openrouter, codex, anthropic, main, etc.

Custom endpoint (self-hosted, Ollama, zai, DeepSeek, etc.):

auxiliary:
  compression:
    model: glm-4.7
    base_url: https://api.z.ai/api/coding/paas/v4

ชี้ไปยัง custom OpenAI-compatible endpoint ใช้ OPENAI_API_KEY สำหรับการ auth

How the three knobs interact

:::warning Summary model context length requirement Summary model ต้องมี context window ที่มีขนาดอย่างน้อยเท่ากับ main agent model ของคุณ Compressor จะส่งส่วนกลางทั้งหมดของบทสนทนาไปยัง summary model - หาก context window ของ model นั้นมีขนาดเล็กกว่า main model, การเรียกสรุปจะล้มเหลวด้วยข้อผิดพลาด context length เมื่อเกิดเหตุการณ์นี้ ส่วนกลางจะ ถูกทิ้งโดยไม่มีการสรุป ทำให้สูญเสีย context ของบทสนทนาอย่างเงียบๆ หากคุณ override model, โปรดตรวจสอบว่า context length ของมันตรงตามหรือเกินกว่า main model ของคุณ :::

Context Engine

context engine ควบคุมวิธีการจัดการบทสนทนาเมื่อใกล้ถึงขีดจำกัด token ของ model built-in compressor engine ใช้ lossy summarization (ดูที่ Context Compression) Plugin engines สามารถแทนที่มันด้วยกลยุทธ์ทางเลือกได้

context:
  engine: "compressor"    # default - built-in lossy summarization

ในการใช้ plugin engine (เช่น LCM สำหรับการจัดการ context แบบ lossless):

context:
  engine: "lcm"          # must match the plugin's name

Plugin engines จะไม่ถูกเปิดใช้งานโดยอัตโนมัติ - คุณต้องตั้งค่า context.engine เป็นชื่อ plugin อย่างชัดเจน สามารถเรียกดูและเลือก available engines ได้ผ่าน hermes plugins → Provider Plugins → Context Engine

ดูที่ Memory Providers สำหรับระบบ single-select ที่เทียบเท่าสำหรับ memory plugins

Iteration Budget Pressure

เมื่อ agent กำลังทำงานในงานที่ซับซ้อนซึ่งมีการเรียกใช้ tool จำนวนมาก มันอาจใช้ iteration budget ของตัวเองจนหมดโดยไม่รู้ตัวว่ากำลังเหลือน้อย Budget pressure จะแจ้งเตือน model โดยอัตโนมัติเมื่อใกล้ถึงขีดจำกัด:

คำเตือนจะถูก inject เข้าไปใน JSON ของผลลัพธ์ tool ล่าสุด (ในรูปแบบ field _budget_warning) แทนที่จะเป็นข้อความแยกต่างหาก - สิ่งนี้ช่วยรักษา prompt caching และไม่รบกวนโครงสร้างบทสนทนา

agent:
  max_turns: 90                # Max iterations per conversation turn (default: 90)

Budget pressure ถูกเปิดใช้งานโดยค่าเริ่มต้น agent จะเห็นคำเตือนตามธรรมชาติเป็นส่วนหนึ่งของผลลัพธ์ tool ซึ่งกระตุ้นให้มันรวมงานและส่งมอบคำตอบก่อนที่จะหมด iteration

เมื่อ iteration budget หมดลงโดยสมบูรณ์ CLI จะแสดงการแจ้งเตือนให้ผู้ใช้เห็น: ⚠ Iteration budget reached (90/90) - response may be incomplete หาก budget หมดลงระหว่างการทำงาน active, agent จะสร้างสรุปว่าทำอะไรสำเร็จไปแล้วก่อนที่จะหยุด

API Timeouts

Hermes มีชั้น timeout แยกกันสำหรับการ streaming และมี stale detector สำหรับการเรียกที่ไม่ใช่ streaming stale detectors จะปรับอัตโนมัติสำหรับ local providers เท่านั้นเมื่อคุณปล่อยให้มันเป็นค่า default โดยปริยาย

socket read timeout ควบคุมว่า httpx รอ chunk ข้อมูลถัดไปจาก provider นานแค่ไหน LLMs ท้องถิ่นอาจใช้เวลาหลายนาทีในการ prefill สำหรับ context ขนาดใหญ่ก่อนที่จะสร้าง token แรก ดังนั้น Hermes จึงเพิ่มค่านี้เป็น 30 นาทีเมื่อตรวจพบ local endpoint หากคุณตั้งค่า HERMES_STREAM_READ_TIMEOUT อย่างชัดเจน ค่านี้จะถูกใช้เสมอโดยไม่คำนึงถึงการตรวจจับ endpoint

stale stream detection จะตัดการเชื่อมต่อที่ได้รับสัญญาณ keep-alive pings ของ SSE แต่ไม่มีเนื้อหาจริง สิ่งนี้ถูกปิดใช้งานโดยสิ้นเชิงสำหรับ local providers เนื่องจากพวกมันไม่ได้ส่ง keep-alive pings ระหว่าง prefill

stale non-stream detection จะตัดการเรียกที่ไม่ใช่ streaming ที่ไม่ให้การตอบสนองเป็นเวลานานเกินไป โดยค่า default Hermes จะปิดสิ่งนี้สำหรับ local endpoints เพื่อหลีกเลี่ยง false positives ระหว่าง prefills ที่ยาวนาน หากคุณตั้งค่า providers.<id>.stale_timeout_seconds, providers.<id>.models.<model>.stale_timeout_seconds, หรือ HERMES_API_CALL_STALE_TIMEOUT อย่างชัดเจน ค่าที่ระบุนั้นจะถูกนำมาใช้แม้กระทั่งบน local endpoints

Context Pressure Warnings

แยกจาก iteration budget pressure, context pressure ติดตามว่าบทสนทนาใกล้กับ compaction threshold แค่ไหน - จุดที่ context compression ทำงานเพื่อสรุปข้อความเก่าๆ สิ่งนี้ช่วยให้ทั้งคุณและ agent เข้าใจเมื่อไหร่ที่บทสนทนากำลังยาวขึ้น

ใน CLI, context pressure ปรากฏเป็น progress bar ใน tool output feed:

  ◐ context ████████████░░░░░░░░ 62% to compaction  48k threshold (50%) · approaching compaction

บน messaging platforms, จะมีการส่ง plain-text notification:

◐ Context: ████████████░░░░░░░░ 62% to compaction (threshold: 50% of window).

หาก auto-compression ถูกปิดใช้งาน, คำเตือนจะแจ้งว่า context อาจถูกตัดแทน

Context pressure เป็นแบบอัตโนมัติ - ไม่ต้องตั้งค่าใดๆ มันทำงานในฐานะการแจ้งเตือนที่ผู้ใช้เห็นเท่านั้น และไม่ได้แก้ไข message stream หรือ inject อะไรใดๆ เข้าไปใน context ของ model

Credential Pool Strategies

เมื่อคุณมี API keys หรือ OAuth tokens หลายตัวสำหรับ provider เดียวกัน ให้กำหนดกลยุทธ์การหมุนเวียน:

credential_pool_strategies:
  openrouter: round_robin    # cycle through keys evenly
  anthropic: least_used      # always pick the least-used key

Options: fill_first (default), round_robin, least_used, random. ดูที่ Credential Pools สำหรับเอกสารฉบับเต็ม

Auxiliary Models

Hermes ใช้ "auxiliary" models ที่มีน้ำหนักเบาสำหรับงานเสริม เช่น การวิเคราะห์รูปภาพ การสรุปหน้าเว็บ และการวิเคราะห์ screenshot ของ browser โดยค่า default สิ่งเหล่านี้ใช้ Gemini Flash ผ่าน auto-detection - คุณไม่จำเป็นต้องตั้งค่าอะไรเลย

The universal config pattern

ทุก slot model ใน Hermes - auxiliary tasks, compression, fallback - ใช้ 3 knobs เดียวกัน:

เมื่อ base_url ถูกตั้งค่า, Hermes จะเพิกเฉยต่อ provider และเรียก endpoint นั้นโดยตรง (โดยใช้ api_key หรือ OPENAI_API_KEY สำหรับการ auth) เมื่อตั้งค่าเฉพาะ provider เท่านั้น, Hermes จะใช้ built-in auth และ base URL ของ provider นั้น

Available providers สำหรับ auxiliary tasks: auto, main, บวกกับ provider ใดๆ ใน provider registry - openrouter, nous, openai-codex, copilot, copilot-acp, anthropic, gemini, google-gemini-cli, qwen-oauth, zai, kimi-coding, kimi-coding-cn, minimax, minimax-cn, deepseek, nvidia, xai, ollama-cloud, alibaba, bedrock, huggingface, arcee, xiaomi, kilocode, opencode-zen, opencode-go, ai-gateway - หรือ provider ที่ตั้งชื่อเองใดๆ จากรายการ custom_providers ของคุณ (เช่น provider: "beans").

:::warning "main" is for auxiliary tasks only ตัวเลือก provider "main" หมายถึง "ใช้ provider ใดก็ได้ที่ main agent ของฉันใช้" - มันใช้ได้เฉพาะใน config auxiliary:, compression:, และ fallback_model: เท่านั้น มัน ไม่ใช่ ค่าที่ถูกต้องสำหรับ model.provider ระดับบนสุด หากคุณใช้ custom OpenAI-compatible endpoint, ให้ตั้งค่า provider: custom ในส่วน model: ของคุณ ดูที่ AI Providers สำหรับตัวเลือก provider ของ main model ทั้งหมด :::

Full auxiliary config reference

auxiliary:
  # Image analysis (vision_analyze tool + browser screenshots)
  vision:
    provider: "auto"           # "auto", "openrouter", "nous", "codex", "main", etc.
    model: ""                  # e.g. "openai/gpt-4o", "google/gemini-2.5-flash"
    base_url: ""               # Custom OpenAI-compatible endpoint (overrides provider)
    api_key: ""                # API key for base_url (falls back to OPENAI_API_KEY)
    timeout: 120               # seconds - LLM API call timeout; vision payloads need generous timeout
    download_timeout: 30       # seconds - image HTTP download; increase for slow connections

  # Web page summarization + browser page text extraction
  web_extract:
    provider: "auto"
    model: ""                  # e.g. "google/gemini-2.5-flash"
    base_url: ""
    api_key: ""
    timeout: 360               # seconds (6min) - per-attempt LLM summarization

  # Dangerous command approval classifier
  approval:
    provider: "auto"
    model: ""
    base_url: ""
    api_key: ""
    timeout: 30                # seconds

  # Context compression timeout (separate from compression.* config)
  compression:
    timeout: 120               # seconds - compression summarizes long conversations, needs more time

  # Session search - summarizes past session matches
  session_search:
    provider: "auto"
    model: ""
    base_url: ""
    api_key: ""
    timeout: 30
    max_concurrency: 3       # Limit parallel summaries to reduce request-burst 429s
    extra_body: {}           # Provider-specific OpenAI-compatible request fields

  # Skills hub - skill matching and search
  skills_hub:
    provider: "auto"
    model: ""
    base_url: ""
    api_key: ""
    timeout: 30

  # MCP tool dispatch
  mcp:
    provider: "auto"
    model: ""
    base_url: ""
    api_key: ""
    timeout: 30

  # Memory flush - summarizes conversation for persistent memory
  flush_memories:
    provider: "auto"
    model: ""
    base_url: ""
    api_key: ""
    timeout: 30

:::tip แต่ละ auxiliary task มี timeout ที่สามารถตั้งค่าได้ (เป็นวินาที) ค่า default: vision 120s, web_extract 360s, approval 30s, compression 120s หากคุณใช้ local models ที่ช้าสำหรับ auxiliary tasks ให้เพิ่มค่าเหล่านี้ Vision ยังมี download_timeout แยกต่างหาก (default 30s) สำหรับการดาวน์โหลดรูปภาพ HTTP - ให้เพิ่มค่านี้สำหรับการเชื่อมต่อที่ช้าหรือ self-hosted image servers :::

:::info Context compression มีบล็อก compression: ของตัวเองสำหรับ threshold และบล็อก auxiliary.compression: สำหรับการตั้งค่า model/provider - ดูที่ Context Compression ข้างบน ส่วน fallback model ใช้บล็อก fallback_model: - ดูที่ Fallback Model ทั้งสามส่วนปฏิบัติตามรูปแบบ provider/model/base_url เดียวกัน :::

Session Search Tuning

หากคุณใช้ model ที่เน้นการให้เหตุผล (reasoning-heavy model) สำหรับ auxiliary.session_search, Hermes จะให้ controls built-in สองตัว:

• auxiliary.session_search.max_concurrency: จำกัดจำนวน session ที่จับคู่แล้วที่ Hermes จะสรุปในครั้งเดียว
• auxiliary.session_search.extra_body: ส่งต่อ fields ของ request ที่ OpenAI-compatible เฉพาะของ provider ในการเรียกสรุป

ตัวอย่าง:

auxiliary:
  session_search:
    provider: "main"
    model: "glm-4.5-air"
    timeout: 60
    max_concurrency: 2
    extra_body:
      enable_thinking: false

ใช้ max_concurrency เมื่อ provider ของคุณ rate-limit request bursts และคุณต้องการให้ session_search แลกเปลี่ยนความเป็นคู่ขนานบางส่วนเพื่อความเสถียร

ใช้ extra_body เมื่อ provider ของคุณมีการ document fields ของ request-body ที่ OpenAI-compatible ที่คุณต้องการให้ Hermes ส่งผ่านสำหรับ task นั้นๆ Hermes จะส่งต่อ object นั้นตามที่ได้รับ

:::warning extra_body จะมีผลก็ต่อเมื่อ provider ของคุณรองรับ field ที่คุณส่งจริง หาก provider ไม่เปิดเผย flag การให้เหตุผลแบบ OpenAI-compatible native, Hermes ก็ไม่สามารถสังเคราะห์ให้ได้ :::

Changing the Vision Model

ในการใช้ GPT-4o แทน Gemini Flash สำหรับการวิเคราะห์รูปภาพ:

auxiliary:
  vision:
    model: "openai/gpt-4o"

หรือผ่าน environment variable (ใน ~/.hermes/.env):

AUXILIARY_VISION_MODEL=openai/gpt-4o

Provider Options

ตัวเลือกเหล่านี้ใช้กับ auxiliary task configs (auxiliary:, compression:, fallback_model:) ไม่ใช่การตั้งค่า model.provider หลักของคุณ

Common Setups

การใช้ custom endpoint โดยตรง (ชัดเจนกว่า provider: "main" สำหรับ local/self-hosted APIs):

auxiliary:
  vision:
    base_url: "http://localhost:1234/v1"
    api_key: "local-key"
    model: "qwen2.5-vl"

base_url มีลำดับความสำคัญเหนือกว่า provider, ดังนั้นนี่เป็นวิธีที่ชัดเจนที่สุดในการ route auxiliary task ไปยัง endpoint เฉพาะ สำหรับการ override endpoint โดยตรง, Hermes ใช้ api_key ที่กำหนดค่าไว้ หรือ fallback ไปยัง OPENAI_API_KEY; มันจะไม่ใช้ OPENROUTER_API_KEY สำหรับ custom endpoint นั้น

การใช้ OpenAI API key สำหรับ vision:

# In ~/.hermes/.env:
# OPENAI_BASE_URL=https://api.openai.com/v1
# OPENAI_API_KEY=sk-...

auxiliary:
  vision:
    provider: "main"
    model: "gpt-4o"       # or "gpt-4o-mini" for cheaper

การใช้ OpenRouter สำหรับ vision (route ไปยัง model ใดก็ได้):

auxiliary:
  vision:
    provider: "openrouter"
    model: "openai/gpt-4o"      # or "google/gemini-2.5-flash", etc.

การใช้ Codex OAuth (บัญชี ChatGPT Pro/Plus - ไม่ต้องใช้ API key):

auxiliary:
  vision:
    provider: "codex"     # uses your ChatGPT OAuth token
    # model defaults to gpt-5.3-codex (supports vision)

การใช้ local/self-hosted model:

auxiliary:
  vision:
    provider: "main"      # uses your active custom endpoint
    model: "my-local-model"

provider: "main" ใช้ provider ใดก็ตามที่ Hermes ใช้สำหรับ chat ปกติ - ไม่ว่าจะเป็น custom provider ที่ตั้งชื่อ (เช่น beans), built-in provider อย่าง openrouter, หรือ endpoint OPENAI_BASE_URL แบบ legacy

:::tip หากคุณใช้ Codex OAuth เป็น main model provider, vision จะทำงานโดยอัตโนมัติ - ไม่ต้องตั้งค่าเพิ่มเติม Codex ถูกรวมอยู่ใน auto-detection chain สำหรับ vision :::

:::warning Vision ต้องการ multimodal model. หากคุณตั้งค่า provider: "main", โปรดตรวจสอบให้แน่ใจว่า endpoint ของคุณรองรับ multimodal/vision - มิฉะนั้นการวิเคราะห์รูปภาพจะล้มเหลว :::

Environment Variables (legacy)

Auxiliary models ยังสามารถกำหนดค่าผ่าน environment variables ได้ อย่างไรก็ตาม, config.yaml เป็นวิธีที่แนะนำกว่า - มันง่ายต่อการจัดการและรองรับทุกตัวเลือก รวมถึง base_url และ api_key

การตั้งค่า compression และ fallback model ทำได้เฉพาะใน config.yaml เท่านั้น

:::tip รัน hermes config เพื่อดูการตั้งค่า auxiliary model ปัจจุบันของคุณ การ override จะแสดงเฉพาะเมื่อแตกต่างจากค่า default เท่านั้น :::

Reasoning Effort

ควบคุมว่าโมเดลจะ "คิด" มากแค่ไหนก่อนที่จะตอบ:

agent:
  reasoning_effort: ""   # empty = medium (default). Options: none, minimal, low, medium, high, xhigh (max)

เมื่อไม่ได้ตั้งค่า (ค่าเริ่มต้น) reasoning effort จะเป็น "medium" ซึ่งเป็นระดับที่สมดุลและใช้งานได้ดีสำหรับงานส่วนใหญ่ การตั้งค่าค่าใดค่าหนึ่งจะเขียนทับค่าเริ่มต้น — reasoning effort ที่สูงขึ้นจะให้ผลลัพธ์ที่ดีขึ้นสำหรับงานที่ซับซ้อน แต่ต้องแลกมาด้วยจำนวน tokens และ latency ที่เพิ่มขึ้น

คุณยังสามารถเปลี่ยน reasoning effort ได้ในขณะรันด้วยคำสั่ง /reasoning:

/reasoning           # แสดงระดับ effort ปัจจุบันและสถานะ
/reasoning high      # ตั้งค่า reasoning effort เป็น high
/reasoning none      # ปิด reasoning
/reasoning show      # แสดงการคิดของโมเดลเหนือการตอบกลับแต่ละครั้ง
/reasoning hide      # ซ่อนการคิดของโมเดล

Tool-Use Enforcement

บางครั้งโมเดลอาจอธิบายการกระทำที่ตั้งใจเป็นข้อความแทนการเรียกใช้ tool จริง (เช่น "ฉันจะรัน tests..." แทนที่จะเรียก terminal จริง) Tool-use enforcement จะฉีดคำแนะนำ system prompt เพื่อชี้นำโมเดลให้เรียกใช้ tools จริง

agent:
  tool_use_enforcement: "auto"   # "auto" | true | false | ["model-substring", ...]

What it injects

เมื่อเปิดใช้งาน อาจมีการเพิ่มคำแนะนำสามระดับใน system prompt:

1. General tool-use enforcement (สำหรับโมเดลที่ตรงทั้งหมด) — สั่งให้โมเดลเรียกใช้ tool ทันทีแทนการอธิบายความตั้งใจ, ให้ทำงานต่อไปจนกว่างานจะเสร็จสมบูรณ์, และห้ามจบ turn ด้วยคำสัญญาถึงการกระทำในอนาคต

2. OpenAI execution discipline (สำหรับโมเดล GPT และ Codex เท่านั้น) — คำแนะนำเพิ่มเติมที่จัดการกับ failure modes เฉพาะของ GPT: การละทิ้งงานเมื่อได้ผลลัพธ์บางส่วน, การข้ามการค้นหา prerequisite, การสร้างข้อมูลเท็จแทนการใช้ tools, และการประกาศ "done" โดยไม่มีการตรวจสอบ

3. Google operational guidance (สำหรับโมเดล Gemini และ Gemma เท่านั้น) — ความกระชับ, absolute paths, การเรียกใช้ tool แบบขนาน, และรูปแบบ verify-before-edit

สิ่งเหล่านี้โปร่งใสต่อผู้ใช้และส่งผลเฉพาะต่อ system prompt เท่านั้น โมเดลที่ใช้ tools ได้อย่างน่าเชื่อถืออยู่แล้ว (เช่น Claude) ไม่จำเป็นต้องใช้คำแนะนำนี้ ซึ่งเป็นเหตุผลที่ "auto" ไม่รวมโมเดลเหล่านั้น

When to turn it on

หากคุณใช้โมเดลที่ไม่อยู่ในรายการ auto เริ่มต้น และสังเกตว่าโมเดลนั้นมักจะอธิบายสิ่งที่ จะ ทำแทนการทำจริง ให้ตั้งค่า tool_use_enforcement: true หรือเพิ่ม model substring เข้าไปในรายการ:

agent:
  tool_use_enforcement: ["gpt", "codex", "gemini", "grok", "my-custom-model"]

TTS Configuration

tts:
  provider: "edge"              # "edge" | "elevenlabs" | "openai" | "minimax" | "mistral" | "gemini" | "xai" | "neutts"
  speed: 1.0                    # Global speed multiplier (fallback for all providers)
  edge:
    voice: "en-US-AriaNeural"   # 322 voices, 74 languages
    speed: 1.0                  # Speed multiplier (converted to rate percentage, e.g. 1.5 → +50%)
  elevenlabs:
    voice_id: "pNInz6obpgDQGcFmaJgB"
    model_id: "eleven_multilingual_v2"
  openai:
    model: "gpt-4o-mini-tts"
    voice: "alloy"              # alloy, echo, fable, onyx, nova, shimmer
    speed: 1.0                  # Speed multiplier (clamped to 0.25–4.0 by the API)
    base_url: "https://api.openai.com/v1"  # Override for OpenAI-compatible TTS endpoints
  minimax:
    speed: 1.0                  # Speech speed multiplier
    # base_url: ""              # Optional: override for OpenAI-compatible TTS endpoints
  mistral:
    model: "voxtral-mini-tts-2603"
    voice_id: "c69964a6-ab8b-4f8a-9465-ec0925096ec8"  # Paul - Neutral (default)
  gemini:
    model: "gemini-2.5-flash-preview-tts"   # or gemini-2.5-pro-preview-tts
    voice: "Kore"               # 30 prebuilt voices: Zephyr, Puck, Kore, Enceladus, etc.
  xai:
    voice_id: "eve"             # xAI TTS voice
    language: "en"              # ISO 639-1
    sample_rate: 24000
    bit_rate: 128000            # MP3 bitrate
    # base_url: "https://api.x.ai/v1"
  neutts:
    ref_audio: ''
    ref_text: ''
    model: neuphonic/neutts-air-q4-gguf
    device: cpu

สิ่งนี้ควบคุมทั้ง tool text_to_speech และการตอบกลับด้วยเสียงใน voice mode (/voice tts ใน CLI หรือ messaging gateway)

Speed fallback hierarchy: speed เฉพาะของผู้ให้บริการ (เช่น tts.edge.speed) → tts.speed ทั่วโลก → ค่าเริ่มต้น 1.0 ตั้งค่า tts.speed ทั่วโลกเพื่อใช้ความเร็วที่สม่ำเสมอสำหรับทุกผู้ให้บริการ หรือเขียนทับต่อผู้ให้บริการเพื่อควบคุมอย่างละเอียด

Display Settings

display:
  tool_progress: all      # off | new | all | verbose
  tool_progress_command: false  # Enable /verbose slash command in messaging gateway
  tool_progress_overrides: {}  # Per-platform overrides (see below)
  interim_assistant_messages: true  # Gateway: send natural mid-turn assistant updates as separate messages
  skin: default           # Built-in or custom CLI skin (see user-guide/features/skins)
  personality: "kawaii"  # Legacy cosmetic field still surfaced in some summaries
  compact: false          # Compact output mode (less whitespace)
  resume_display: full    # full (show previous messages on resume) | minimal (one-liner only)
  bell_on_complete: false # Play terminal bell when agent finishes (great for long tasks)
  show_reasoning: false   # Show model reasoning/thinking above each response (toggle with /reasoning show|hide)
  streaming: false        # Stream tokens to terminal as they arrive (real-time output)
  show_cost: false        # Show estimated $ cost in the CLI status bar
  tool_preview_length: 0  # Max chars for tool call previews (0 = no limit, show full paths/commands)

ใน CLI ให้วนรอบโหมดเหล่านี้ด้วย /verbose หากต้องการใช้ /verbose ใน messaging platforms (Telegram, Discord, Slack, etc.) ให้ตั้งค่า tool_progress_command: true ในส่วน display ข้างต้น คำสั่งจะวนรอบโหมดและบันทึกใน config

Per-platform progress overrides

แพลตฟอร์มต่างๆ มีความต้องการความละเอียดที่แตกต่างกัน ตัวอย่างเช่น Signal ไม่สามารถแก้ไขข้อความได้ ดังนั้นการอัปเดต progress แต่ละครั้งจึงกลายเป็นข้อความแยก — ซึ่งจะดูรกตา ใช้ tool_progress_overrides เพื่อตั้งค่าโหมดต่อแพลตฟอร์ม:

display:
  tool_progress: all          # global default
  tool_progress_overrides:
    signal: 'off'             # เงียบ progress บน Signal
    telegram: verbose         # progress ละเอียดบน Telegram
    slack: 'off'              # เงียบในพื้นที่ทำงานของ Slack

แพลตฟอร์มที่ไม่มีการ override จะกลับไปใช้ค่า tool_progress ทั่วโลก คีย์แพลตฟอร์มที่ถูกต้อง: telegram, discord, slack, signal, whatsapp, matrix, mattermost, email, sms, homeassistant, dingtalk, feishu, wecom, weixin, bluebubbles, qqbot.

interim_assistant_messages ใช้ได้เฉพาะ gateway เท่านั้น เมื่อเปิดใช้งาน Hermes จะส่งการอัปเดต assistant ที่เสร็จสมบูรณ์ระหว่าง turn เป็นข้อความแชทแยกต่างหาก สิ่งนี้เป็นอิสระจาก tool_progress และไม่จำเป็นต้องใช้ gateway streaming

Privacy

privacy:
  redact_pii: false  # Strip PII from LLM context (gateway only)

เมื่อ redact_pii เป็น true gateway จะทำการลบข้อมูลที่ระบุตัวตนส่วนบุคคล (PII) ออกจาก system prompt ก่อนส่งไปยัง LLM บนแพลตฟอร์มที่รองรับ:

Platform support: การลบข้อมูลใช้ได้กับ WhatsApp, Signal, และ Telegram. Discord และ Slack ถูกยกเว้นเนื่องจากระบบ mention ของพวกเขา (<@user_id>) ต้องการ ID จริงใน LLM context

Hash เป็นแบบ deterministic — ผู้ใช้คนเดิมจะแมปไปยัง hash เดิมเสมอ ดังนั้นโมเดลยังสามารถแยกความแตกต่างระหว่างผู้ใช้ในกลุ่มแชทได้ การกำหนดเส้นทางและการส่งมอบใช้ค่าดั้งเดิมภายใน

Speech-to-Text (STT)

stt:
  provider: "local"            # "local" | "groq" | "openai" | "mistral"
  local:
    model: "base"              # tiny, base, small, medium, large-v3
  openai:
    model: "whisper-1"         # whisper-1 | gpt-4o-mini-transcribe | gpt-4o-transcribe
  # model: "whisper-1"         # Legacy fallback key still respected

พฤติกรรมของผู้ให้บริการ:

• local ใช้ faster-whisper ที่รันบนเครื่องของคุณ ติดตั้งแยกต่างหากด้วย pip install faster-whisper
• groq ใช้ endpoint ที่เข้ากันได้กับ Whisper ของ Groq และอ่าน GROQ_API_KEY
• openai ใช้ OpenAI speech API และอ่าน VOICE_TOOLS_OPENAI_KEY

หากผู้ให้บริการที่ร้องขอไม่พร้อมใช้งาน Hermes จะ fallback โดยอัตโนมัติตามลำดับนี้: local → groq → openai

การเขียนทับโมเดลของ Groq และ OpenAI ถูกขับเคลื่อนโดย environment:

STT_GROQ_MODEL=whisper-large-v3-turbo
STT_OPENAI_MODEL=whisper-1
GROQ_BASE_URL=https://api.groq.com/openai/v1
STT_OPENAI_BASE_URL=https://api.openai.com/v1

Voice Mode (CLI)

voice:
  record_key: "ctrl+b"         # Push-to-talk key inside the CLI
  max_recording_seconds: 120    # Hard stop for long recordings
  auto_tts: false               # Enable spoken replies automatically when /voice on
  beep_enabled: true            # Play record start/stop beeps in CLI voice mode
  silence_threshold: 200        # RMS threshold for speech detection
  silence_duration: 3.0         # Seconds of silence before auto-stop

ใช้ /voice on ใน CLI เพื่อเปิดใช้งานโหมดไมโครโฟน, record_key เพื่อเริ่ม/หยุดบันทึก, และ /voice tts เพื่อสลับการตอบกลับด้วยเสียง ดู Voice Mode สำหรับการตั้งค่า end-to-end และพฤติกรรมเฉพาะแพลตฟอร์ม

Streaming

Stream tokens ไปยัง terminal หรือ messaging platforms เมื่อมาถึง แทนที่จะรอการตอบกลับทั้งหมด

CLI Streaming

display:
  streaming: true         # Stream tokens to terminal in real-time
  show_reasoning: true    # Also stream reasoning/thinking tokens (optional)

เมื่อเปิดใช้งาน การตอบกลับจะปรากฏแบบ token-by-token ภายในกล่อง streaming การเรียกใช้ tool ยังคงถูกจับอย่างเงียบๆ หากผู้ให้บริการไม่รองรับ streaming จะ fallback ไปยังการแสดงผลปกติโดยอัตโนมัติ

Gateway Streaming (Telegram, Discord, Slack)

streaming:
  enabled: true           # Enable progressive message editing
  transport: edit         # "edit" (progressive message editing) or "off"
  edit_interval: 0.3      # Seconds between message edits
  buffer_threshold: 40    # Characters before forcing an edit flush
  cursor: " ▉"            # Cursor shown during streaming

เมื่อเปิดใช้งาน บอทจะส่งข้อความด้วย token แรก จากนั้นจะแก้ไขข้อความนั้นอย่างต่อเนื่องเมื่อมี token เพิ่มเข้ามา แพลตฟอร์มที่ไม่รองรับการแก้ไขข้อความ (Signal, Email, Home Assistant) จะถูกตรวจจับโดยอัตโนมัติในการพยายามครั้งแรก — streaming จะถูกปิดใช้งานอย่างราบรื่นสำหรับ session นั้นโดยไม่มีข้อความท่วม

สำหรับการอัปเดต assistant ที่เป็นธรรมชาติระหว่าง turn โดยไม่มีการแก้ไข token แบบ progressive ให้ตั้งค่า display.interim_assistant_messages: true

Overflow handling: หากข้อความที่ stream เกินขีดจำกัดความยาวข้อความของแพลตฟอร์ม (~4096 chars) ข้อความปัจจุบันจะถูกสรุปและข้อความใหม่จะเริ่มต้นโดยอัตโนมัติ

:::note Streaming ถูกปิดใช้งานโดยค่าเริ่มต้น เปิดใช้งานใน ~/.hermes/config.yaml เพื่อลองใช้ประสบการณ์ streaming :::

Group Chat Session Isolation

ควบคุมว่าแชทที่ใช้ร่วมกันจะเก็บการสนทนาหนึ่งครั้งต่อห้อง หรือการสนทนาหนึ่งครั้งต่อผู้เข้าร่วม:

group_sessions_per_user: true  # true = per-user isolation in groups/channels, false = one shared session per chat

• true คือค่าเริ่มต้นและแนะนำ ใน Discord channels, Telegram groups, Slack channels, และบริบทที่ใช้ร่วมกันที่คล้ายกัน ผู้ส่งแต่ละคนจะได้รับ session ของตัวเองเมื่อแพลตฟอร์มให้ user ID
• false กลับไปใช้พฤติกรรม shared-room แบบเก่า ซึ่งอาจมีประโยชน์หากคุณต้องการให้ Hermes จัดการ channel เหมือนการสนทนาแบบร่วมมือกัน แต่ก็หมายความว่าผู้ใช้แชร์ context, token costs, และ interrupt state ด้วยกัน
• Direct messages ไม่ได้รับผลกระทบ Hermes ยังคง key DMs ด้วย chat/DM ID ตามปกติ
• Threads ยังคงแยกจาก parent channel ไม่ว่าจะด้วยวิธีใดก็ตาม; ด้วย true, ผู้เข้าร่วมแต่ละคนจะได้รับ session ของตัวเองภายใน thread

สำหรับรายละเอียดพฤติกรรมและตัวอย่าง ดู Sessions และ Discord guide

Unauthorized DM Behavior

ควบคุมว่า Hermes จะทำอย่างไรเมื่อผู้ใช้ที่ไม่รู้จักส่ง direct message:

unauthorized_dm_behavior: pair

whatsapp:
  unauthorized_dm_behavior: ignore

• pair คือค่าเริ่มต้น Hermes ปฏิเสธการเข้าถึง แต่ตอบกลับด้วยรหัสจับคู่ครั้งเดียวใน DMs
• ignore ทิ้ง DMs ที่ไม่ได้รับอนุญาตอย่างเงียบๆ
• ส่วนของแพลตฟอร์มจะเขียนทับค่า default ทั่วโลก ดังนั้นคุณสามารถเปิดใช้งานการจับคู่ในวงกว้างได้ในขณะที่ทำให้แพลตฟอร์มใดแพลตฟอร์มหนึ่งเงียบลง

Quick Commands

กำหนด custom commands ที่รัน shell commands โดยไม่เรียกใช้ LLM — ไม่มีการใช้ token, การดำเนินการทันที มีประโยชน์อย่างยิ่งจาก messaging platforms (Telegram, Discord, etc.) สำหรับการตรวจสอบเซิร์ฟเวอร์อย่างรวดเร็วหรือสคริปต์ยูทิลิตี้

quick_commands:
  status:
    type: exec
    command: systemctl status hermes-agent
  disk:
    type: exec
    command: df -h /
  update:
    type: exec
    command: cd ~/.hermes/hermes-agent && git pull && pip install -e .
  gpu:
    type: exec
    command: nvidia-smi --query-gpu=name,utilization.gpu,memory.used,memory.total --format=csv,noheader

การใช้งาน: พิมพ์ /status, /disk, /update, หรือ /gpu ใน CLI หรือ messaging platform ใดๆ คำสั่งจะรันในเครื่อง host และส่งคืน output โดยตรง — ไม่มีการเรียกใช้ LLM, ไม่มีการใช้ tokens

• 30-second timeout — คำสั่งที่รันนานจะถูกยกเลิกพร้อมข้อความ error
• Priority — quick commands จะถูกตรวจสอบก่อน skill commands ดังนั้นคุณจึงสามารถ override ชื่อ skill ได้
• Autocomplete — quick commands จะถูก resolve ในเวลา dispatch และไม่แสดงในตาราง autocomplete slash-command ที่ built-in
• Type — รองรับเฉพาะ exec เท่านั้น (รัน shell command); ประเภทอื่นจะแสดง error
• Works everywhere — CLI, Telegram, Discord, Slack, WhatsApp, Signal, Email, Home Assistant

Human Delay

จำลองจังหวะการตอบกลับแบบมนุษย์ใน messaging platforms:

human_delay:
  mode: "off"                  # off | natural | custom
  min_ms: 800                  # Minimum delay (custom mode)
  max_ms: 2500                 # Maximum delay (custom mode)

Code Execution

กำหนดค่าเครื่องมือ execute_code:

code_execution:
  mode: project                # project (default) | strict
  timeout: 300                 # Max execution time in seconds
  max_tool_calls: 50           # Max tool calls within code execution

mode ควบคุม working directory และ Python interpreter สำหรับ scripts:

• project (default) - scripts จะทำงานใน working directory ของ session โดยใช้ python ของ virtualenv/conda env ที่ใช้งานอยู่ Project deps (pandas, torch, project packages) และ relative paths (.env, ./data.csv) จะถูก resolve อย่างเป็นธรรมชาติ ตรงกับที่ terminal() เห็น
• strict - scripts จะทำงานใน temp staging directory โดยใช้ sys.executable (python ของ Hermes เอง) เพื่อให้เกิดความสามารถในการทำซ้ำ (reproducibility) สูงสุด แต่ project deps และ relative paths จะไม่ถูก resolve

การทำความสะอาด Environment (strips *_API_KEY, *_TOKEN, *_SECRET, *_PASSWORD, *_CREDENTIAL, *_PASSWD, *_AUTH) และ tool whitelist จะถูกนำมาใช้เหมือนกันทั้งสองโหมด - การเปลี่ยน mode จะไม่เปลี่ยน security posture

Web Search Backends

เครื่องมือ web_search, web_extract, และ web_crawl รองรับ backend providers สี่ตัว กำหนดค่า backend ใน config.yaml หรือผ่าน hermes tools:

web:
  backend: firecrawl    # firecrawl | parallel | tavily | exa

การเลือก Backend: หากไม่ได้กำหนดค่า web.backend ระบบจะตรวจจับ backend โดยอัตโนมัติจาก API keys ที่มีอยู่ หากกำหนดเฉพาะ EXA_API_KEY จะใช้ Exa หากกำหนดเฉพาะ TAVILY_API_KEY จะใช้ Tavily หากกำหนดเฉพาะ PARALLEL_API_KEY จะใช้ Parallel มิฉะนั้น Firecrawl จะเป็นค่า default

Self-hosted Firecrawl: กำหนดค่า FIRECRAWL_API_URL ให้ชี้ไปยัง instance ของคุณเอง เมื่อกำหนด URL แบบกำหนดเองแล้ว API key จะกลายเป็นทางเลือก (ให้ตั้งค่า USE_DB_AUTHENTICATION=false บน server เพื่อปิดการใช้งาน auth)

Parallel search modes: กำหนดค่า PARALLEL_SEARCH_MODE เพื่อควบคุมพฤติกรรมการค้นหา - fast, one-shot, หรือ agentic (default: agentic)

Browser

กำหนดค่าพฤติกรรมการทำงานของ browser automation:

browser:
  inactivity_timeout: 120        # Seconds before auto-closing idle sessions
  command_timeout: 30             # Timeout in seconds for browser commands (screenshot, navigate, etc.)
  record_sessions: false         # Auto-record browser sessions as WebM videos to ~/.hermes/browser_recordings/
  camofox:
    managed_persistence: false   # When true, Camofox sessions persist cookies/logins across restarts

ชุดเครื่องมือ browser รองรับหลาย providers ดูรายละเอียดเกี่ยวกับ Browserbase, Browser Use, และการตั้งค่า local Chrome CDP ได้ที่ Browser feature page

Timezone

กำหนดค่า timezone ที่แตกต่างจาก server-local timezone ด้วย IANA timezone string มีผลต่อ timestamps ใน logs, cron scheduling, และ system prompt time injection

timezone: "America/New_York"   # IANA timezone (default: "" = server-local time)

ค่าที่รองรับ: IANA timezone identifier ใดก็ได้ (เช่น America/New_York, Europe/London, Asia/Kolkata, UTC) ปล่อยว่างหรือละเว้นเพื่อใช้ server-local time

Discord

กำหนดค่าพฤติกรรมเฉพาะของ Discord สำหรับ messaging gateway:

discord:
  require_mention: true          # Require @mention to respond in server channels
  free_response_channels: ""     # Comma-separated channel IDs where bot responds without @mention
  auto_thread: true              # Auto-create threads on @mention in channels

• require_mention - เมื่อเป็น true (default) bot จะตอบใน server channels ก็ต่อเมื่อถูก mention ด้วย @BotName ส่วน DMs จะทำงานได้เสมอโดยไม่ต้อง mention
• free_response_channels - รายการ channel IDs แบบคั่นด้วย comma ที่ bot จะตอบทุกข้อความโดยไม่จำเป็นต้องมีการ mention
• auto_thread - เมื่อเป็น true (default) การ mention ใน channels จะสร้าง thread สำหรับการสนทนาโดยอัตโนมัติ ทำให้ channels สะอาด (คล้ายกับการทำ threading ใน Slack)

Security

การสแกนความปลอดภัยและการ redact secret ก่อนการ execute:

security:
  redact_secrets: true           # Redact API key patterns in tool output and logs
  tirith_enabled: true           # Enable Tirith security scanning for terminal commands
  tirith_path: "tirith"          # Path to tirith binary (default: "tirith" in $PATH)
  tirith_timeout: 5              # Seconds to wait for tirith scan before timing out
  tirith_fail_open: true         # Allow command execution if tirith is unavailable
  website_blocklist:             # See Website Blocklist section below
    enabled: false
    domains: []
    shared_files: []

• redact_secrets - ตรวจจับและ redact patterns ที่ดูเหมือน API keys, tokens, และ passwords ใน tool output โดยอัตโนมัติ ก่อนที่ข้อมูลจะเข้าสู่ conversation context และ logs
• tirith_enabled - เมื่อเป็น true คำสั่ง terminal จะถูกสแกนโดย Tirith ก่อนการ execute เพื่อตรวจจับการดำเนินการที่อาจเป็นอันตราย
• tirith_path - path ไปยัง tirith binary กำหนดค่านี้หาก tirith ถูกติดตั้งในตำแหน่งที่ไม่เป็นมาตรฐาน
• tirith_timeout - จำนวนวินาทีสูงสุดที่รอการสแกนของ tirith คำสั่งจะดำเนินการต่อหากการสแกนหมดเวลา
• tirith_fail_open - เมื่อเป็น true (default) คำสั่งจะได้รับอนุญาตให้ execute หาก tirith ไม่พร้อมใช้งานหรือล้มเหลว ตั้งค่าเป็น false เพื่อบล็อกคำสั่งเมื่อ tirith ไม่สามารถตรวจสอบได้

Website Blocklist

บล็อก domain เฉพาะไม่ให้ agent's web และ browser tools เข้าถึง:

security:
  website_blocklist:
    enabled: false               # Enable URL blocking (default: false)
    domains:                     # List of blocked domain patterns
      - "*.internal.company.com"
      - "admin.example.com"
      - "*.local"
    shared_files:                # Load additional rules from external files
      - "/etc/hermes/blocked-sites.txt"

เมื่อเปิดใช้งาน URL ใดๆ ที่ตรงกับรูปแบบ domain ที่ถูกบล็อกจะถูกปฏิเสธก่อนที่ web หรือ browser tool จะ execute สิ่งนี้ใช้ได้กับ web_search, web_extract, browser_navigate, และ tool ใดๆ ที่เข้าถึง URLs

Domain rules รองรับ:

• Exact domains: admin.example.com
• Wildcard subdomains: *.internal.company.com (บล็อก subdomains ทั้งหมด)
• TLD wildcards: *.local

Shared files บรรจุ domain rule หนึ่ง rule ต่อบรรทัด (บรรทัดว่างและคอมเมนต์ # จะถูกละเว้น) ไฟล์ที่ขาดหายไปหรืออ่านไม่ได้จะบันทึก warning แต่จะไม่ปิดใช้งาน web tools อื่นๆ

นโยบายนี้จะถูก cache เป็นเวลา 30 วินาที ดังนั้นการเปลี่ยนแปลง config จึงมีผลอย่างรวดเร็วโดยไม่ต้อง restart

Smart Approvals

ควบคุมวิธีการที่ Hermes จัดการกับคำสั่งที่อาจเป็นอันตราย:

approvals:
  mode: manual   # manual | smart | off

Smart mode มีประโยชน์อย่างยิ่งในการลดความเหนื่อยล้าจากการอนุมัติ - ช่วยให้ agent ทำงานได้อย่างอิสระมากขึ้นสำหรับ operations ที่ปลอดภัย ในขณะที่ยังคงตรวจจับคำสั่งที่ทำลายล้างจริงได้

:::warning การตั้งค่า approvals.mode: off จะปิดการตรวจสอบความปลอดภัยทั้งหมดสำหรับคำสั่ง terminal เท่านั้น ควรใช้ในสภาพแวดล้อมที่เชื่อถือได้และ sandboxed เท่านั้น :::

Checkpoints

การ snapshot filesystem อัตโนมัติก่อนการดำเนินการไฟล์ที่ทำลายล้าง ดู Checkpoints & Rollback สำหรับรายละเอียด

checkpoints:
  enabled: true                  # Enable automatic checkpoints (also: hermes --checkpoints)
  max_snapshots: 50              # Max checkpoints to keep per directory

Delegation

กำหนดค่าพฤติกรรมของ subagent สำหรับ delegate tool:

delegation:
  # model: "google/gemini-3-flash-preview"  # Override model (empty = inherit parent)
  # provider: "openrouter"                  # Override provider (empty = inherit parent)
  # base_url: "http://localhost:1234/v1"    # Direct OpenAI-compatible endpoint (takes precedence over provider)
  # api_key: "local-key"                    # API key for base_url (falls back to OPENAI_API_KEY)
  max_concurrent_children: 3                # Parallel children per batch (floor 1, no ceiling). Also via DELEGATION_MAX_CONCURRENT_CHILDREN env var.
  max_spawn_depth: 1                        # Delegation tree depth cap (1-3, clamped). 1 = flat (default): parent spawns leaves that cannot delegate. 2 = orchestrator children can spawn leaf grandchildren. 3 = three levels.
  orchestrator_enabled: true                # Global kill switch. When false, role="orchestrator" is ignored and every child is forced to leaf regardless of max_spawn_depth.

Subagent provider:model override: โดย default subagents จะ inherit provider และ model ของ parent agent กำหนดค่า delegation.provider และ delegation.model เพื่อส่ง subagents ไปยัง provider:model pair อื่น - เช่น การใช้ model ที่ราคาถูก/เร็วสำหรับ subtasks ที่มีขอบเขตจำกัด ในขณะที่ agent หลักของคุณใช้ model สำหรับการให้เหตุผลที่มีราคาสูง

Direct endpoint override: หากคุณต้องการ path custom-endpoint ที่ชัดเจน ให้ตั้งค่า delegation.base_url, delegation.api_key, และ delegation.model สิ่งนี้จะส่ง subagents ไปยัง OpenAI-compatible endpoint นั้นโดยตรงและมีลำดับความสำคัญสูงกว่า delegation.provider หากละเว้น delegation.api_key Hermes จะ fallback ไปที่ OPENAI_API_KEY เท่านั้น

Provider ของ delegation ใช้การ resolve credential เดียวกันกับการ startup ของ CLI/gateway รองรับ provider ที่กำหนดค่าทั้งหมด: openrouter, nous, copilot, zai, kimi-coding, minimax, minimax-cn เมื่อมีการกำหนด provider ระบบจะ resolve base URL, API key, และ API mode ที่ถูกต้องโดยอัตโนมัติ - ไม่จำเป็นต้องเชื่อมต่อ credential ด้วยตนเอง

Precedence: delegation.base_url ใน config → delegation.provider ใน config → parent provider (inherited). delegation.model ใน config → parent model (inherited). การตั้งค่าแค่ model โดยไม่มี provider จะเปลี่ยนแค่ชื่อ model โดยที่ยังคง credentials ของ parent (มีประโยชน์สำหรับการสลับ model ภายใน provider เดียวกัน เช่น OpenRouter)

Width and depth: max_concurrent_children จำกัดจำนวน subagents ที่ทำงานแบบ parallel ต่อ batch (default 3, floor of 1, no c

...(truncated due to GitHub issue limit)