Hermes Agent + Polymarket — 자기학습 날씨 트레이딩 봇 구축 가이드
5,000. Nous Research의 Hermes Agent를 활용해 Polymarket 날씨 시장에서 24/7 자동 트레이딩 봇을 구축하는 완전 가이드. 코딩 불필요, 프롬프트 복붙만으로 30분 완성.
실전 성과 사례 (Polymarket 봇들)
| 봇 | 전략 | 성과 |
|---|---|---|
| ColdMath | 날씨 트레이딩 | 219K (3개월) |
| Sharky6999 | 크립토 트레이딩 | $819K PnL, 99.3% 승률 |
| RN1 | 스포츠 트레이딩 | 7.3M |
Hermes Agent란?
2026년 2월 25일 nous-research (YaRN, Nomos, Psyche 모델 팀)가 공개한 오픈소스 자기학습 AI 에이전트.
“채팅봇”이 아니라 잠들지 않고, 모든 것을 기억하며, 매일 더 나아지는 직원에 가깝다.
3계층 아키텍처
| 계층 | 구성 요소 | 역할 |
|---|---|---|
| Knowledge Layer | 내장 메모리, 세션 검색, LLM-Wiki 스킬, Honcho 연동 | 지식 축적 |
| Execution Layer | 멀티에이전트, 자식 에이전트, 도구 시스템, MCP, 영속 서버 접근 | 병렬 작업 분해·실행 |
| Output Layer | 크론잡, Telegram/Slack/Discord 게이트웨이, Web UI, 파일 출력 | 실제 워크플로우 연결 |
3가지 핵심 차별점
1. 영속 메모리 (Persistent Memory)
MEMORY.md: 환경 정보, 컨벤션, 경험 누적USER.md: 사용자 선호, 커뮤니케이션 스타일- SQLite DB에 전체 대화 이력 저장 → 전문 검색·요약·조회 가능
- 탭을 닫아도 기억이 유지됨
2. 자기개선 스킬 (Self-Improving Skills)
- 복잡한 작업(약 5회 이상 도구 호출) 완료 후 자동으로 “스킬” 파일 생성
- 스킬 = 절차, 함정, 검증 단계를 담은 구조화된 마크다운 파일
- 저장 위치:
~/.hermes/skills/(사람이 읽고 편집 가능) - 사용할수록 해당 워크플로우에서 더 빠르고 정확해짐
3. 상시 실행 (Always-On Execution)
- 서버에서 24/7 구동
- Telegram, Discord, Slack, WhatsApp, Signal, Email 등 15+ 플랫폼 단일 게이트웨이로 연결
- 자연어 크론 스케줄링:
"매일 아침 8시에 GitHub 레포 스캔 후 Telegram으로 요약"→ 자동 실행
Hermes vs OpenClaw 비교
openclaw (구 Clawdbot → Moltbot)은 2026년 초 폭발적 인기(GitHub 145,000+ 스타)를 끌었지만, 두 가지 근본적 한계가 있다.
| 항목 | OpenClaw | Hermes |
|---|---|---|
| 학습 루프 | 정적 (수동 스킬 설치, 개선 없음) | 폐쇄 루프 (약 15회 도구 호출마다 자동 스킬 생성) |
| 세션 간 메모리 | 수동 설정 + 서드파티 도구(QMD 등) 필요 | 내장 bounded 메모리 + 전문 검색 + 자동 컨텍스트 압축 |
| 플랫폼 연동 | 50+ 플랫폼 (더 넓은 커버리지) | 15+ 주요 플랫폼 |
| 보안 | 기본 | 강화됨 |
| 시간에 따른 성능 | 일정 (day 1 = day 30) | 복리 성장 (쓸수록 강해짐) |
OpenClaw는 개념을 증명했고, Hermes는 아키텍처를 완성했다.
설치 가이드 (5분)
지원 환경: Linux, macOS, WSL2 (Windows는 WSL2 필수)
Step 1 — VPS 준비
24/7 구동을 위해 Hetzner VPS 사용 권장.
hetzner.com → KYC 인증 → Regular Performance VPS 임대
Step 2 — VPS 접속
ssh root@server_ipStep 3 — Hermes 설치
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrcStep 4 — 모델 선택
설치 완료 후 모델 선택 프롬프트 → ChatGPT(Codex) 또는 Anthropic(Claude) 권장
Step 5 — 메시징 게이트웨이 설정
hermes gateway setupTelegram 사용 시: @BotFather에서 봇 생성 → 토큰 입력
Step 6 — Hermes 시작
hermesPolymarket 날씨 트레이딩 에이전트 구축 (30분)
@AlterEgo_eth의 오픈소스 날씨 봇 로직 + Hermes 자기학습 능력 결합. 20개 도시, 4개 대륙, 3개 예보 소스, EV(기대값) + Kelly Criterion 포지션 사이징 적용.
PROMPT 1 — 레포 클론 및 환경 설정
clone this repo and set up the python environment:
git clone https://github.com/alteregoeth-ai/weatherbot.git
cd weatherbot
create a python venv in the weatherbot folder and install these packages:
py-clob-client python-dotenv requests web3
make sure python3.12-venv is installed if venv creation fails
PROMPT 2 — 지갑 생성
create a new Polygon wallet for me using eth_account in python.
show me the address and private key.
save the private key to weatherbot/.env file as:
PK=the_private_key
WALLET=the_address
SIG_TYPE=0
반드시 프라이빗 키와 지갑 주소를 별도로 저장해 둘 것.
PROMPT 3 — 지갑 충전 (직접 수행)
Polygon 네트워크로 아래 자산을 전송:
- USDC.e: 트레이딩 자본 (50 권장)
- POL: 가스비 약 2 POL (~$1)
충전 후 에이전트에게:
check the balance of my wallet on Polygon. address is 0xYOUR_ADDRESS.
check both POL and USDC.e (contract: 0x2791Bca1f2de4661ED88A30C99A7a9449Aa84174)
PROMPT 4 — Polymarket 컨트랙트 승인
i need to approve USDC.e spending for 3 Polymarket contracts on Polygon.
my wallet private key is in the .env file in the weatherbot folder.
send on-chain ERC20 approve (max uint256) transactions for USDC.e
(0x2791Bca1f2de4661ED88A30C99A7a9449Aa84174) to these 3 spenders:
1. CTF Exchange: 0x4bFb41d5B3570DeFd03C39a9A4D8dE6Bd8B8982E
2. Neg Risk Exchange: 0xC5d563A36AE78145C45a50134d48A1215220f80a
3. Router: 0xd91E80cF2E7be2e162c6513ceD06f1dD0dA35296
also approve the Conditional Tokens contract
(0x4D97DCd97eC945f40cF65F87097ACe5EA0476045)
using setApprovalForAll for the same 3 spenders above.
use web3.py, EIP-1559 tx type, 200 gwei maxFeePerGas, wait for each receipt.
chain id is 137 (Polygon). verify all approvals after.
PROMPT 5 — 날씨 API 연결
visualcrossing.com 에서 무료 API 키 발급 후:
edit weatherbot/config.json:
- balance: match my actual USDC balance
- max_bet: 2.0 (dollars per trade, start small)
- min_ev: 0.10 (only trade with 10%+ expected edge)
- mode: live (or paper for simulation first)
- vc_key: YOUR_API_HERE
keep everything else default
PROMPT 6 — 테스트 스캔
실제 자금 투입 전 페이퍼 트레이딩으로 먼저 검증:
cd weatherbot, activate the venv, and run: python3 bot_v3.py scan
show me what trades it found and placed
예상 출력:
[LIVE] BUY Chicago D+1 | 82-83F @ $0.220 | EV +3.55 | $2.00
[LIVE] BUY Seattle D+1 | 52-53F @ $0.115 | EV +7.70 | $1.50
PROMPT 7 — 실거래 시작
start the weather bot in continuous mode as a background process,
self-learning based on trades. It scans every 60 minutes.
Show me the Polymarket portfolio link for my wallet.
핵심 인사이트
- 자기학습의 복리 효과: 고정 스크립트가 아니라 매 거래에서 학습하므로 시간이 지날수록 성능이 향상됨
- 에이전트 특화 우위: 감정 없음, 잠 안 잠, 모든 것 기억 → 사람이 이길 수 없는 실행 속도와 일관성
- 진입 장벽 최소화: 코딩 없이 프롬프트 복붙만으로 프로덕션 수준 봇 구축 가능
- 월 운영비: LLM API 비용 10/월 수준
관련 노트
- openclaw — Hermes 이전의 주요 AI 에이전트 프레임워크
- polymarket — 예측 시장 플랫폼
- nous-research — Hermes Agent 개발사
- kelly-criterion — 포지션 사이징 공식