Tutorial teknis + workflow simulasi

Untuk audiens @kayadigital.ai <callout icon="📝" color="gray_bg"> Betul. Versi terakhir terlalu fokus pada workflow bisnis dan automation, sehingga bagian "dari nol sampai Hermes siap dipakai" malah hilang. Saya gabungkan semuanya di bawah menjadi satu tutorial end-to-end, dan saya verifikasi ulang command serta capability terhadap dokumentasi Hermes yang tersedia saat ini. Ada satu pembetulan dari jawaban sebelumnya juga: fresh install Hermes sekarang bahkan dapat memiliki web_search/web_extract melalui keyless fallback, jadi Firecrawl API key tidak selalu wajib. Untuk penggunaan yang lebih terprediksi, backend ber-key atau Nous Tool Gateway tetap bisa dipilih. </callout>

TUTORIAL LENGKAP — Bangun Automated B2B Prospect Research Agent dengan Hermes

Use case simulasi: Supplier custom packaging → mencari bisnis F&B potensial di Jabodetabek. <callout icon="⚠️" color="yellow_bg">

STATUS: REFERENCE WORKFLOW / SIMULASI IMPLEMENTASI

Ini bukan real-world case study dari supplier packaging tertentu. Kita belum memiliki bukti bahwa implementasi ini menghasilkan X leads, X penjualan, atau menghemat X jam. Yang sudah diverifikasi adalah kemampuan teknis Hermes yang dipakai untuk membangunnya: web search/extract, Skills, subagent delegation, session search/memory, dan Cron. Estimasi waktu di bagian akhir adalah simulasi workflow, bukan benchmark resmi Hermes. </callout> <table_of_contents/>

🎯 PART 1 — Apa yang Akan Kita Bangun?

Bayangkan bisnis kita menjual:

Custom Packaging F&B

Paper Cup · Food Box · Takeaway Packaging · Custom Printed Packaging

Target market:

Restaurant · Coffee Shop · Bakery · Catering · F&B Chain · Franchise

Wilayah:

Jakarta · Bogor · Depok · Tangerang · Bekasi Tujuan kita bukan:

❌ "Hermes, berikan 100 leads." Kita akan membuat sistem:

PUBLIC WEB
  → FIND SIGNAL
  → VERIFY EVIDENCE
  → QUALIFY CANDIDATE
  → ACCOUNT BRIEF
  → HUMAN REVIEW
  → HUMAN OUTREACH
  → FEEDBACK
  → UPDATE PLAYBOOK
  ↻ AUTOMATE WEEKLY

⚙️ PART 2 — Install Hermes

Step 1 — Pilih Metode Instalasi

Untuk Windows dan macOS, dokumentasi Hermes saat ini merekomendasikan Hermes Desktop installer. Untuk CLI-only tersedia installer script resmi.

Linux / macOS / WSL2 / Android Termux

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Windows native

Buka PowerShell:

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

Perlu dicatat, macOS Desktop installer saat ini mendukung Apple Silicon; dokumentasi menyatakan Intel Mac tidak didukung. Panduan instalasi resmi Hermes Agent

🔌 PART 3 — Setup Model/Provider

Step 2 — Jalankan Setup

hermes setup

Fresh setup saat ini menawarkan tiga jalur:

Quick Setup — Nous Portal

OAuth login + model + Tool Gateway.

Full Setup

Konfigurasi provider/tools sendiri.

Blank Slate

Setup minimal; web, browser, memory, delegation, cron, skills dan beberapa fitur lainnya dimatikan pada awalnya.

Jalur termudah

Jika menggunakan Nous Portal:

hermes setup --portal

Menurut dokumentasi, ini mengautentikasi Nous Portal sekaligus mengaktifkan model dan Tool Gateway. Atau untuk memilih model/provider secara interaktif:

hermes model

Saran tutorial: jangan lanjut membuat agent B2B sebelum basic Hermes chat sudah berjalan.

🌐 PART 4 — Setup Web Research

Ini komponen terpenting untuk use case kita. Hermes menyediakan dua tool berbeda:

web_search

Mencari web dan mengembalikan ranked results.

web_extract

Mengambil readable content dari URL. Jadi jangan bayangkan keduanya sama:

SEARCH — menemukan halaman.

EXTRACT — membaca halaman tersebut.

Step 3 — Buka Tool Configuration

Jalankan:

hermes tools

Pilih: Web Search & Extract Hermes kemudian memungkinkan kita memilih backend. Dokumentasi saat ini mencantumkan beberapa pilihan, termasuk Firecrawl, SearXNG, Brave, DDGS, Exa, Parallel, Tavily, Perplexity, Keenable, dan xAI, dengan dukungan search/extract yang berbeda-beda.

Pilihan sederhana

Dokumentasi Hermes menyebut: Firecrawl = default / recommended for most users. Firecrawl mendukung: Search ✔ Extract ✔ Jika menggunakan API key:

FIRECRAWL_API_KEY=fc-your-key-here

disimpan di: ~/.hermes/.env Tetapi ada perubahan penting pada Hermes saat ini: fresh install tanpa web credential dapat menggunakan keyless free-tier fallback melalui provider yang didukung. Jadi API key bukan syarat absolut untuk mulai bereksperimen. Untuk tutorial pemula, cukup:

hermes tools
→ Web Search & Extract
→ pilih backend

Dokumentasi Web Search & Extract

🧪 PART 5 — Test Web Tool

Step 4 — Jangan Langsung Membuat Prospecting Automation

Tes dulu. Minta Hermes:

Search the web for recent F&B business expansion news
in Jakarta.

Return:
- company
- signal
- date
- source URL

Do not infer that a company needs packaging.

Tujuannya belum mencari prospect. Kita hanya ingin memastikan:

Hermes → web search → result

berfungsi. Kemudian:

Open the strongest source from the previous results.

Extract the relevant information.

Separate:
FACT
INFERENCE
UNKNOWN

Kalau berhasil: web research layer kita siap.

🧩 PART 6 — Buat ICP

Sekarang baru masuk ke sales workflow.

Step 5 — Tentukan Siapa yang Kita Cari

PRODUCT

Custom F&B packaging.

ICP

• Restaurant chain
• Coffee shop
• Bakery
• Catering
• F&B franchise
• F&B group

GEOGRAPHY

Jabodetabek.

PUBLIC SIGNAL

Sebagai hipotesis awal:

• New outlet
• Grand opening
• Branch expansion
• Franchise expansion
• Central kitchen
• Geographic expansion
• Relevant business growth Tetapi:

SIGNAL ≠ BUYING INTENT Perusahaan membuka outlet baru tidak membuktikan mereka sedang mencari supplier packaging. Signal hanya berarti: "Account tersebut mungkin layak diteliti lebih lanjut."

🔍 PART 7 — Prospect Research Pertama

Step 6 — Gunakan Master Research Prompt

Saya adalah supplier custom food packaging.

PRODUK:
- paper cup
- food box
- takeaway packaging
- custom printed packaging

TARGET:
- restaurant
- coffee shop
- bakery
- catering
- F&B chain
- F&B franchise

AREA:
Jabodetabek.

TUGAS:

Lakukan B2B prospect research menggunakan informasi publik.

Cari perusahaan yang mempunyai PUBLIC BUSINESS SIGNAL
sehingga layak diteliti lebih lanjut sebagai potential account.

SIGNAL AWAL:

- outlet baru
- ekspansi cabang
- franchise expansion
- central kitchen baru
- ekspansi geografis
- perkembangan bisnis lain yang relevan

ATURAN:

1. Jangan menyimpulkan perusahaan membutuhkan packaging
   hanya karena ditemukan signal.

2. Setiap factual claim harus memiliki evidence.

3. Sertakan source URL.

4. Bedakan secara eksplisit:
   FACT
   INFERENCE
   UNKNOWN

5. Jangan mengarang:
   - budget
   - order volume
   - existing supplier
   - purchasing process
   - decision maker
   - buying timeline

OUTPUT:

Company
Business Type
Location
Public Signal
Signal Date
Evidence URL
Potential Relevance
Unknown Information

Jika evidence tidak mencukupi:
INSUFFICIENT EVIDENCE.

Ini bukan built-in Hermes B2B command. Ini workflow yang kita bangun menggunakan kemampuan web Hermes.

✅ PART 8 — Verify, Jangan Langsung Percaya

Ini justru bagian paling penting.

Step 7 — Evidence Verification

Prompt:

Verifikasi kembali candidate accounts tadi.

Untuk setiap candidate:

1. Buka source.
2. Pastikan perusahaan benar.
3. Pastikan signal benar.
4. Periksa tanggal.
5. Cari additional public evidence jika tersedia.
6. Bedakan fakta dari inference.
7. Jangan mengisi informasi yang tidak ditemukan.

OUTPUT:

COMPANY

FACTS:
-

EVIDENCE:
-

INFERENCE:
-

UNKNOWN:
-

CONFIDENCE:
HIGH / MEDIUM / LOW

Jika evidence lemah: INSUFFICIENT EVIDENCE. Workflow berubah menjadi:

SEARCH
  ↓
EXTRACT
  ↓
READ
  ↓
VERIFY
  ↓
CANDIDATE

bukan:

SEARCH → LEAD

web_extract memang dibuat untuk mengambil clean page content tanpa LLM summarization; dokumentasinya juga mendukung beberapa URL dalam satu call.

📊 PART 9 — Qualification Rubric

Step 8 — Tentukan Kategori

Gunakan:

HIGH

ICP cocok + signal jelas + evidence cukup kuat.

MEDIUM

ICP cocok tetapi signal/relevance belum cukup kuat.

LOW

Company ada tetapi tidak ditemukan signal relevan.

INSUFFICIENT EVIDENCE

Tidak ada cukup evidence. HIGH bukan berarti "hot lead". HIGH hanya:

"Candidate yang menurut rubric kita lebih layak diperiksa manusia."

🧵 PART 10 — Parallel Research dengan Subagents

Ini salah satu bagian yang menunjukkan kenapa kita menggunakan agent harness, bukan sekadar chat.

Step 9 — Setelah Kandidat Mulai Banyak

Misalnya ada 15 candidate accounts:

Lakukan deeper research terhadap candidate accounts yang lolos.

Gunakan parallel delegation jika memang membantu.

Untuk setiap account analisis:

A. COMPANY FIT
Apakah benar masuk ICP?

B. BUSINESS SIGNAL
Signal publik apa yang ditemukan?

C. EVIDENCE QUALITY
Seberapa kuat sumbernya?

D. POTENTIAL RELEVANCE
Mengapa account ini mungkin relevan?

E. UNKNOWN
Informasi apa yang belum kita ketahui?

Jangan mengarang:
- budget
- volume
- supplier existing
- purchasing process
- decision maker

Return consolidated qualification table.

Hermes mempunyai delegate_task. Child agent mendapatkan isolated context, inherited tool access, fresh conversation, dan hanya final summary yang kembali ke parent context. Secara konseptual:

             HERMES
                │
    ┌───────────┼───────────┐
    ▼           ▼           ▼
COMPANY      SIGNAL      EVIDENCE
RESEARCH     RESEARCH      CHECK
    │           │           │
    └───────────┼───────────┘
                ▼
       CONSOLIDATED REPORT

Tidak perlu memaksa subagent untuk tiga kandidat. Delegation lebih berguna ketika pekerjaan memang bisa diparalelkan.

📄 PART 11 — Account Brief

Step 10 — Ubah Research Menjadi Sesuatu yang Berguna bagi Sales

Untuk setiap HIGH candidate, buat:

SALES ACCOUNT BRIEF

COMPANY:
BUSINESS:
LOCATION:

PUBLIC SIGNAL:
SIGNAL DATE:

VERIFIED FACTS:
-

EVIDENCE:
-

WHY THIS MAY BE RELEVANT:
-

Tuliskan bagian relevance sebagai hypothesis, bukan fakta.

WHAT WE DON'T KNOW:
- existing supplier
- packaging specification
- volume
- budget
- purchasing process
- decision maker
- buying timeline

DISCOVERY QUESTIONS:
-

Sekarang salesperson tidak cuma menerima:

Brand A Brand B Brand C tetapi: "Kenapa Brand A masuk shortlist? Apa evidence-nya? Apa yang belum kita ketahui?"

🚦 PART 12 — Human Checkpoint

Step 11 — AI Berhenti, Manusia Mengambil Keputusan

Salesperson melakukan:

REVIEW
  →
VALIDATE
  →
PURSUE / REJECT

Jika pursue:

• Referral
• Public business contact
• Email
• Phone
• WhatsApp bisnis
• LinkedIn
• Networking
• Visit
• Meeting AI tidak menentukan bahwa orang tertentu pasti decision maker atau bahwa account pasti ingin membeli.

🕵️ PART 13 — Discovery

Misalnya manusia menghubungi candidate. Yang ingin ditemukan justru informasi UNKNOWN:

• Packaging yang digunakan?
• Custom atau generic?
• Existing supplier?
• Volume?
• MOQ?
• Lead time?
• Purchasing terpusat?
• Problem supplier sekarang?
• Apakah terbuka menerima alternatif?
• Siapa yang terlibat dalam procurement? Di sinilah:

Candidate account

bisa berubah menjadi:

Actual sales opportunity.

🔁 PART 14 — Masukkan Feedback ke Hermes

Step 12 — Setelah Sales Conversation

Misalnya:

ACCOUNT: Brand A

Hasil conversation:

- purchasing packaging terpusat
- sudah mempunyai supplier
- membuka 2 outlet
- bersedia menerima alternative quotation
- meminta catalogue
- follow-up minggu depan

Minta:

Update account context berdasarkan conversation ini.

Bedakan:

FACT
INFERENCE
UNKNOWN

Buat:

1. Interaction summary
2. Next actions
3. Unanswered questions
4. Follow-up preparation

🧠 PART 15 — Memory ≠ Session Search ≠ Skill

Ini perlu dipahami agar tutorial tidak misleading.

MEMORY

Untuk fakta penting yang perlu selalu tersedia dalam context.

SESSION SEARCH

Untuk mencari percakapan lama. Dokumentasi Hermes menyebut session search menyimpan seluruh session dan menggunakan FTS5; memory jauh lebih kecil dan curated.

SKILL

Untuk cara melakukan pekerjaan. Contoh:

"Bagaimana melakukan prospect research F&B packaging." Jadi sederhananya:

• Memory = WHAT
• Session Search = WHAT HAPPENED
• Skill = HOW

🛠️ PART 16 — Buat Prospecting Skill

Sekarang workflow yang bagus jangan disimpan hanya dalam chat.

Step 13 — Jadikan Reusable Procedure

Minta Hermes:

Buat reusable Skill:

fnb-packaging-prospecting

Skill harus berisi:

1. Objective
2. ICP
3. Geography
4. Approved public signals
5. Research procedure
6. Evidence requirements
7. FACT vs INFERENCE vs UNKNOWN rule
8. Qualification rubric
9. Account brief format
10. Disqualification rules
11. Common research mistakes
12. Human review checkpoint

Jangan memasukkan asumsi yang belum tervalidasi.

Tampilkan draft Skill sebelum menyimpannya.

Hermes menyediakan skill_manage, skill_view, dan skills_list. Agent-created Skills secara default disimpan di profile-local: ~/.hermes/skills/ dan direktori creation dapat diubah melalui skills.create_dir. Jadi ini bukan retraining model. Kita sedang membuat: reusable operational playbook.

🧪 PART 17 — Test Skill Sebelum Automation

Ini langkah yang tadi kurang saya tekankan. Jangan langsung Cron. Mulai chat/session baru dan minta:

Use the fnb-packaging-prospecting Skill.

Find 5 new candidate accounts in Jabodetabek.

Follow all evidence and qualification rules.

Periksa:

• Apakah ICP benar?
• Evidence benar?
• Signal terlalu longgar?
• Banyak noise?
• Format konsisten? Kalau tidak:

UPDATE SKILL.

Misalnya:

Update fnb-packaging-prospecting.

Single-location independent coffee shops should be LOW priority
unless there is strong public evidence of expansion.

Do not use social follower growth as a business signal.

Test lagi.

⏱️ PART 18 — Baru Masuk ke Automation

Sekarang bagian yang menjadi wow factor Hermes.

Step 14 — Buat Weekly Prospecting Automation

Tujuannya:

SETUP ONCE → RUN REPEATEDLY Setiap Senin:

LOAD SKILL
  ↓
SEARCH
  ↓
FIND SIGNALS
  ↓
VERIFY
  ↓
QUALIFY
  ↓
ACCOUNT BRIEF
  ↓
MONDAY PROSPECT BRIEF
  ↓
HUMAN REVIEW

Hermes Cron memang mendukung recurring scheduled agent jobs dan Skills dapat dilampirkan ke job.

⏰ PART 19 — Cara Membuat Cron

Ada tiga jalur yang terdokumentasi.

Opsi A — Natural Conversation

Cukup katakan kepada Hermes:

Every Monday at 8 AM,
run our F&B Packaging Prospect Research workflow.

Use the fnb-packaging-prospecting Skill.

Search for NEW public business signals from F&B businesses
in Jabodetabek.

Only include candidate accounts supported by evidence.

For every candidate include:

Company
Business Type
Signal
Signal Date
Evidence URL
Potential Relevance
Unknowns
Qualification

Separate:

HIGH
MEDIUM
INSUFFICIENT EVIDENCE

Maximum 10 candidate accounts.

Never describe a candidate as a qualified sales lead
before human review.

Produce a Monday Prospect Brief.

Hermes dapat menerjemahkan natural-language scheduling tersebut ke unified cronjob tool.

Opsi B — /cron

Di Hermes chat:

/cron add "every Monday at 8am" \
"Research new F&B business signals in Jabodetabek and produce a Monday Prospect Brief for human review." \
--skill fnb-packaging-prospecting

Dokumentasi resmi menunjukkan pola /cron add "<schedule>" "<prompt>" --skill <skill>.

Opsi C — CLI

hermes cron create "every Monday at 8am" \
  "Research new F&B business signals in Jabodetabek and produce a Monday Prospect Brief for human review." \
  --skill fnb-packaging-prospecting \
  --name "Weekly F&B Prospect Research"

Pola hermes cron create, natural-language schedule, --skill, dan --name semuanya terdokumentasi.

▶️ PART 20 — Test Automation Sekarang

Jangan tunggu Senin depan. Lihat jobs:

hermes cron list

Kemudian jalankan job secara manual:

hermes cron run "Weekly F&B Prospect Research"

Hermes juga menyediakan lifecycle:

hermes cron pause <job>
hermes cron resume <job>
hermes cron remove <job>
hermes cron edit <job>
hermes cron status

Ini semuanya merupakan command resmi saat ini. Jadi workflow testing:

CREATE
  →
LIST
  →
RUN NOW
  →
INSPECT OUTPUT
  →
EDIT SKILL
  →
RUN AGAIN
  →
baru: LEAVE AUTOMATION RUNNING

📬 PART 21 — Hasil Senin Pagi

Contoh output yang kita desain:

MONDAY PROSPECT BRIEF

Candidate accounts researched: 10

Stronger signals: 4 Medium: 3 Insufficient evidence: 3 Angka tersebut hanya contoh format. Bukan hasil real test. Setiap candidate: COMPANY: Brand ABC BUSINESS: Bakery Chain SIGNAL: New outlets announced DATE: xx/xx/xxxx EVIDENCE: URL POTENTIAL RELEVANCE: Expansion may increase packaging requirements. UNKNOWN: supplier, volume, specifications, budget, procurement. Kemudian: 👤 HUMAN

PURSUE atau REJECT atau RESEARCH MORE.

🔄 PART 22 — Automation Loop Sebenarnya

Sekarang sistem kita menjadi:

     ┌──────────────────┐
     │ SETUP ONCE        │
     │ ICP + RULES       │
     │ + SKILL           │
     └────────┬──────────┘
              │
              ▼
     ⚡ CRON: MONDAY
              │
              ▼
        WEB SEARCH
              │
              ▼
       FIND SIGNALS
              │
              ▼
      EXTRACT SOURCES
              │
              ▼
     VERIFY EVIDENCE
              │
              ▼
         QUALIFY
              │
              ▼
      ACCOUNT BRIEF
              │
              ▼
📩 MONDAY PROSPECT BRIEF
              │
              ▼
      👤 HUMAN REVIEW
        ↙           ↘
     REJECT         PURSUE
                      │
                      ▼
                 OUTREACH
                      │
                      ▼
                  DISCOVERY
                      │
                      ▼
                   RESULT
                      │
                      ▼
                  FEEDBACK
                      │
                      ▼
               UPDATE SKILL
                      │
                      └──────↺

Itulah automation yang sebenarnya.

🤖 PART 23 — Apa yang Otomatis?

Hermes dapat menangani sisi research preparation:

• Searching
• Reading/extracting sources
• Finding public signals
• Comparing accounts
• Initial qualification
• Evidence organization
• Summarization
• Account brief preparation
• Recurring execution
• Weekly report preparation Tetapi kita tetap mempertahankan manusia untuk:
• Final qualification
• Contact validation
• Outreach judgment
• Relationship
• Discovery
• Commercial decision
• Negotiation
• Closing Jadi jangan promosikan tutorial sebagai:

❌ "Automated AI Salesperson." Lebih akurat: AUTOMATED B2B PROSPECT RESEARCH AGENT

⏳ PART 24 — Simulasi Penghematan Waktu

Sekarang kita bisa menghitung potensi manfaatnya. Tetapi beri label dengan jelas:

⚠️ SIMULASI WORKFLOW — BUKAN BENCHMARK HERMES Kita belum menjalankan eksperimen nyata supplier packaging tersebut. Misalnya salesperson setiap minggu meneliti 20 candidate accounts.

Sekarang sebagian desk research dijalankan Hermes secara unattended. Manusia mungkin tinggal:

• Review evidence
• Validate shortlist
• Decide Misalnya: 45–90 menit human attention. Maka dalam skenario simulasi ini: Manual: ±5 jam versus Hermes-assisted: ±45–90 menit human attention. Potensi: ±3,5–4,25 jam human attention dialihkan per siklus. Tetapi jangan tulis:

❌ "Hermes menghemat 4 jam per minggu." Belum terbukti. Tulis: "Dalam simulasi workflow ini, sebagian ±5 jam desk research manual berpotensi dialihkan menjadi automated research + ±45–90 menit human review. Hasil aktual harus diukur."

📏 PART 25 — Metric Terpenting: Human Attention Time

Misalnya Hermes sendiri bekerja selama 50 menit. Tidak masalah. Salesperson tidak harus duduk di depan komputer selama 50 menit itu. Sebelumnya:

SEARCH → OPEN → READ → COPY → COMPARE → SUMMARIZE → PREPARE

Sekarang manusia terutama:

REVIEW → DECIDE → CONNECT

Jadi metric yang menarik adalah:

Human Attention Time

bukan sekadar:

Agent Runtime.

📆 PART 26 — Buktikan Sendiri Selama 4 Minggu

Inilah yang mengubah tutorial dari "teori AI" menjadi eksperimen bisnis.

Minggu 1 — Baseline Manual

Catat:

• Research time
• Candidates researched
• Candidates dianggap relevan
• Outreach
• Responses
• Meetings
• Quotations

Minggu 2–4 — Hermes-assisted

Catat metric yang sama. Kemudian hitung:

Human Attention Time Saved

Manual Research Time
  -
Hermes-assisted Human Review Time
  =
Human Attention Time Saved

Human Validation Rate

Candidates passing human validation
  ÷
Total candidate accounts
  × 100

Lalu ukur:

• Response Rate
• Discovery Rate
• Quotation Rate
• Opportunity Rate
• Closing Rate Baru setelah ada data aktual kita boleh mengatakan:

"Pada implementasi kami, workflow Hermes mengurangi human research time sebesar X%." atau: "Candidate accounts dengan signal X menghasilkan response rate Y%." Sebelum ada eksperimen: jangan membuat klaim tersebut.

🧱 PART 27 — Versi MVP untuk Audiens

Kalau seluruh tutorial terasa panjang, pembaca cukup melakukan ini dahulu.

Hari 1

Install Hermes.
  ↓
Setup model/provider.
  ↓
Aktifkan Web Search & Extract.
  ↓
Test web research.
  ↓
Masukkan ICP packaging.
  ↓
Cari 10 candidate accounts.
  ↓
Wajibkan evidence URL.
  ↓
Human review.
  ↓
Pilih 3 kandidat.
  ↓
Buat Account Brief.
  ↓
Catat waktu.

Jika hasil research berguna: Buat Skill. Jika Skill konsisten: Buat Weekly Cron. Jika automation stabil: Masukkan sales feedback. Setelah 4 minggu: ukur hasil aktual.

📋 Cheat Sheet

INSTALL
  ↓
hermes setup
  ↓
hermes tools
  ↓
Setup Web Search & Extract
  ↓
TEST WEB
  ↓
DEFINE ICP
  ↓
RUN FIRST RESEARCH
  ↓
VERIFY EVIDENCE
  ↓
QUALIFY
  ↓
ACCOUNT BRIEF
  ↓
HUMAN REVIEW
  ↓
OUTREACH
  ↓
FEEDBACK
  ↓
CREATE SKILL
  ↓
TEST SKILL
  ↓
CREATE CRON
  ↓
RUN CRON MANUALLY
  ↓
FIX SKILL
  ↓
AUTOMATE WEEKLY
  ↓
MEASURE FOR 4 WEEKS

⚠️ Disclaimer yang Disarankan Ikut Diberikan Bersama Tutorial

<callout icon="⚠️" color="yellow_bg">

Catatan validasi: Tutorial ini adalah reference workflow / simulasi implementasi, menggunakan contoh supplier packaging F&B yang mencari potential business accounts di Jabodetabek. Ini bukan studi kasus perusahaan nyata dan belum membuktikan peningkatan leads, conversion, revenue, atau penghematan waktu tertentu. Kemampuan teknis yang digunakan — web search/extract, Skills, subagent delegation, session search/memory dan scheduled Cron jobs — telah diverifikasi terhadap dokumentasi resmi Hermes Agent. Angka waktu dalam tutorial merupakan simulasi berdasarkan asumsi workflow dan harus diuji pada proses bisnis masing-masing. </callout> Dengan versi ini saya jauh lebih nyaman kalau materi dibagikan ke audiens @kayadigital.ai: orang bisa benar-benar mengikuti dari instalasi → setup → research → Skill → automation → pengukuran, sementara kita tetap transparan bahwa packaging F&B-nya adalah reference implementation, bukan success story yang sudah terjadi.