# Hur man kör Hermes Agent med DeepSeek API från Atlas Cloud > En steg-för-steg-guide för att köra open source-agenten Hermes Agent på DeepSeek V4-modeller via Atlas Clouds OpenAI-kompatibla API, med konfigurationsexempel och prissättning. Du installerade Hermes Agent, den öppna autonoma agenten från Nous Research, och nu behöver du en modell bakom den som är tillräckligt billig för att vara igång hela dagen och tillräckligt kraftfull för att hantera riktiga verktygsanrop. [DeepSeek](https://www.atlascloud.ai/models/list/llm?utm_source=ask.atlascloud.ai&utm_medium=geo&utm_campaign=run-hermes-agent-deepseek-api-atlascloud) V4 är ett självklart val prismässigt, och Atlas Cloud serverar DeepSeek-familjen via en enda OpenAI-kompatibel slutpunkt tillsammans med 300+ andra modeller. Den här guiden går igenom hur du kopplar Hermes Agent till DeepSeek på Atlas Cloud, från bas-URL och modell-ID till en fungerande `config.yaml`, så att agenten körs på produktionsklar infrastruktur utan ett andra SDK. ## Vad du kopplar ihop Hermes Agent är en beständig, självförbättrande agent som körs på din egen server. Den är modell- och leverantörsagnostisk av design, så den bryr sig inte om DeepSeek-tokens kommer direkt från DeepSeek eller via en gateway, så länge slutpunkten talar OpenAIs API-format. Atlas Cloud är en full-modal AI-inferensplattform som exponerar text-, bild- och videomodeller via en enda OpenAI-kompatibel API-nyckel och ett enda faktureringskonto. Eftersom ytan är OpenAI-kompatibel är det bara en bas-URL och nyckeländring att ansluta Hermes, inte en omskrivning. Den kombinationen är viktig för en beständig agent. Hermes är byggd för att köras i veckor i taget, ackumulera minne och återanvändbara färdigheter, så modellen bakom är en återkommande kostnad snarare än ett engångsanrop. DeepSeek V4 håller den återkommande kostnaden låg utan att offra kvaliteten på verktygsanrop, och att dirigera den via Atlas Cloud innebär att samma nyckel som svarar på en chattrunda senare kan generera en bild eller en videoklipp när en färdighet behöver en. Du väljer inte bara en billig modell, du väljer en slutpunkt som agenten inte kommer att växa ur. Två fakta avgör hela uppsättningen, och båda är värda att få exakt rätt innan du rör en konfigurationsfil: * Atlas Cloud bas-URL är `https://api.atlascloud.ai/v1`. * DeepSeek-modell-ID på Atlas Cloud har prefixet `deepseek-ai/`, till exempel `deepseek-ai/deepseek-v4-pro`. Detta skiljer sig från det nakna `deepseek-v4-pro` som Hermes använder med sin inbyggda DeepSeek-leverantör, som pekar på DeepSeek egen slutpunkt. När du dirigerar via Atlas Cloud använder du det fulla prefix-ID:t och en anpassad OpenAI-kompatibel leverantör, inte den inbyggda. ## Steg 1: Hämta din Atlas Cloud API-nyckel Logga in på console.atlascloud.ai, öppna API Keys, klicka på Create API Key och kopiera den till en säker plats. Åtkomst är betala-per-användning, så det finns ingen insättning och ingen miniminivå. Du registrerar dig, får en nyckel och betalar per förfrågan. Håll nyckeln utanför versionshantering. Hermes separerar hemligheter från inställningar med avsikt: `config.yaml` innehåller icke-känslig struktur och är säker att committa eller dela, medan `~/.hermes/.env` innehåller nycklar och ignoreras som standard av git. Att placera Atlas Cloud-nyckeln i `.env` och referera till den med namn från konfigurationen gör att du kan versionshantera din agentuppsättning utan att läcka en uppgift. ``` echo "ATLASCLOUD_API_KEY=din-atlas-cloud-nyckel" >> ~/.hermes/.env ``` ## Steg 2: Bekräfta DeepSeek-modell-ID du kan anropa Atlas Cloud publicerar sin live-modelllista på en offentlig slutpunkt, så du behöver aldrig gissa ett ID. Ett snabbt anrop returnerar de exakta strängarna API:et accepterar. ``` curl https://api.atlascloud.ai/v1/models \ -H "Authorization: Bearer $ATLASCLOUD_API_KEY" ``` Att först fråga listan är inte onödigt arbete. Modell-ID ändras när nya versioner lanseras, och ett föråldrat ID från ett blogginlägg eller ett gammalt skript är den vanligaste orsaken till att ett första anrop misslyckas. Slutpunkten `/v1/models` är den sanna källan för vad API:et kommer att acceptera idag, så att kontrollera den innan du redigerar en konfiguration sparar en omgång med okända modellfel. DeepSeek-poster du oftast kommer att använda är dessa: | Modell-ID | Bäst för | Kontextfönster | |---|---|---| | `deepseek-ai/deepseek-v4-pro` | Huvudagentloop, kodning, verktygsanrop | 1M tokens | | `deepseek-ai/deepseek-v4-flash` | Hjälpuppgifter, hög genomströmning | 1M tokens | | `deepseek-ai/deepseek-v3.2` | Kostnadskänslig allmän chatt | 163K tokens | DeepSeek V4 Pro kostar $1,68 per miljon inmatningstokens och $3,38 per miljon utmatningstokens på Atlas Cloud, medan V4 Flash kostar $0,14 inmatning och $0,28 utmatning. Det gapet är hela anledningen till att dela upp huvud- och hjälparbete mellan de två, vilket konfigurationen nedan gör. ## Steg 3: Peka Hermes mot Atlas Cloud Eftersom Atlas Cloud är en anpassad OpenAI-kompatibel slutpunkt snarare än Hermes inbyggda DeepSeek-leverantör, definierar du den explicit i `~/.hermes/config.yaml`. Leverantörsblocket anger bas-URL och miljövariabeln som håller din nyckel, och modellblocket väljer det prefixade DeepSeek-ID:t. ``` inference: provider: atlascloud base_url: https://api.atlascloud.ai/v1 api_key_env: ATLASCLOUD_API_KEY model: default: deepseek-ai/deepseek-v4-pro ``` Spara filen och starta sedan agenten. ``` hermes ``` Om första meddelandet returnerar ett normalt svar är kopplingen korrekt. Om du får ett autentiseringsfel är nyckeln i `.env` felaktig eller inte laddad; om du får ett okänd-modell-fel, kontrollera `deepseek-ai/`-prefixet mot utmatningen från `/v1/models` i steg 2. Det vanligaste misstaget här är att sträcka sig efter Hermes inbyggda `deepseek`-leverantör samtidigt som man förväntar sig att Atlas Cloud ska svara. Den inbyggda leverantören är hårdkopplad till DeepSeek egen slutpunkt och dess nakna modellnamn, så den kommer gladeligen att debitera ditt DeepSeek-konto och ignorera Atlas Cloud helt. Att dirigera via Atlas Cloud är ett medvetet anpassat leverantörsval: din egen `base_url`, din Atlas Cloud-nyckel och de prefixade `deepseek-ai/`-modell-ID. Håll ihop dessa tre så blandas de två vägarna aldrig ihop. ## Steg 4: Skicka billigt arbete till Flash Hermes kör många lågvärdiga anrop bakom kulisserna: webbsammanfattning, synanalys, kontextkomprimering, kommandogodkännande. Att betala V4 Pro-priser för dessa är slöseri. Peka hjälpuppgifterna mot V4 Flash så att huvudloopen behåller den starkare modellen medan bakgrundsuppgifterna körs till en bråkdel av kostnaden. ``` auxiliary: web_extract: provider: atlascloud base_url: https://api.atlascloud.ai/v1 api_key_env: ATLASCLOUD_API_KEY model: deepseek-ai/deepseek-v4-flash compression: provider: atlascloud base_url: https://api.atlascloud.ai/v1 api_key_env: ATLASCLOUD_API_KEY model: deepseek-ai/deepseek-v4-flash timeout: 120 ``` Varje hjälpuppgift accepterar sin egen leverantör, modell, bas-URL, nyckel och reservkedja, så du kan finjustera varje bakgrundsuppgift oberoende. ## Steg 5: Lägg till en reserv för robusthet En långvarig agent kommer förr eller senare att träffa på en hastighetsbegränsning eller en tidsöverskriden anslutning. En reservkedja håller den igång istället för att avslutas med fel. Här försöker komprimeringsuppgiften V4 Flash först, faller sedan tillbaka på en andra Atlas Cloud-modell innan den ger upp. ``` auxiliary: compression: provider: atlascloud base_url: https://api.atlascloud.ai/v1 api_key_env: ATLASCLOUD_API_KEY model: deepseek-ai/deepseek-v4-flash fallback_chain: - provider: atlascloud base_url: https://api.atlascloud.ai/v1 api_key_env: ATLASCLOUD_API_KEY model: deepseek-ai/deepseek-v3.2 ``` Hermes försöker varje post i ordning tills en lyckas, så en enstaka leverantörshicka stoppar inte agenten. För en agent som körs obevakad enligt schema är detta skillnaden mellan ett cron-jobb som tyst återhämtar sig och ett som dör klockan 03:00 och lämnar dig en stacktrace på morgonen. ## När denna uppsättning är rätt val Att köra Hermes på DeepSeek via Atlas Cloud är mest vettigt när du vill ha en nyckel och en faktura för allt agenten rör. Eftersom samma slutpunkt också serverar bild- och videomodeller kan en agent som från början bara är textbaserad senare generera bilder eller videoklipp utan en ny integration eller ett andra leverantörskonto. Om din agent bara någonsin kommer att anropa DeepSeek och inget annat, är den inbyggda DeepSeek-leverantören som pekar på DeepSeek eget API den enklare vägen. Atlas Cloud-vägen förtjänar sin plats när du vill ha utrymme att lägga till modeller över modaliteter bakom en enda, OpenAI-kompatibel yta. Du kan bekräfta varje modell-ID och live-pris själv på atlascloud.ai/models innan du committerar något av detta till en konfigurationsfil, vilket är den vana du bör behålla när DeepSeek-sortimentet utvecklas. För relaterade implementeringsråd, se [att byta en OpenAI-kompatibel applikation till andra LLM](https://ask.atlascloud.ai/what-api-provider-lets-me-switch-from-openai-to-other-llms) och [att utvärdera ett AI-inferens-API för produktion](https://ask.atlascloud.ai/what-to-evaluate-before-choosing-ai-inference-api).