Da. Povezava med domačim vrtom in AI je precej bolj zanimiva kot samo aplikacija, ki ti pove, kdaj zaliti paradižnik. Iz Hermesa bi lahko naredil nekakšnega digitalnega vrtnarja oziroma “Garden OS”, ki pozna vsako gredo, spremlja senzorje, vreme in fotografije, vodi zgodovino ter se postopoma uči, kaj na tvojem vrtu dejansko deluje.
Ključna stvar je arhitektura: LLM ne bi smel neposredno upravljati črpalke in ventilov brez omejitev. Hermes naj bo inteligentni nadzorni sloj, pod njim pa naj bodo deterministična pravila, varnostne omejitve in lokalna avtomatika.
1. Kako bi izgledal AI agent za domači vrt
Predstavljaj si, da Hermes vsako jutro ob 6:00 naredi pregled:
“Greda 2: vlažnost tal 31 %, solata je bila zalita pred 38 urami. Za popoldne je napovedanih 29 °C, verjetnost dežja je samo 10 %. Zadnjih sedem dni ta greda izgublja približno 6 % vlažnosti dnevno. Predlagam 5 litrov kapljičnega namakanja ob 6:30.”
Pri drugi gredi pa:
“Paradižnika danes ne zalivam. Vlažnost je 58 %, ARSO napoveduje padavine, v zadnjih 24 urah je padlo 7 mm dežja.”
Pri tretji rastlini:
“Na fotografiji lista je opazna sprememba v primerjavi s prejšnjimi posnetki. Možni zgodnji simptomi bolezni. Samodejnega škropljenja ne izvajam; predlagam pregled rastline.”
Tak agent bi imel tri vrste nalog: opazovanje → odločanje → ukrepanje.
Hermes je za takšno uporabo precej primeren, ker trenutno podpira trajni pomnilnik, Skills, MCP povezovanje z zunanjimi sistemi ter časovno načrtovane Cron naloge. MCP strežnik lahko Hermesu izpostavi podatke iz senzorjev, baz, Home Assistanta ali lastnih API-jev kot običajna orodja. [1]
2. Katere podatke bi moral poznati?
Sam bi podatkovni model vrta razdelil približno tako:
| Podatki | Primer | Kako jih dobi Hermes |
|---|---|---|
| Zemljevid vrta | Greda A, 2 × 1 m | ročni vnos / fotografija / načrt |
| Rastline | solata kristalka, paradižnik, paprika | uporabnik |
| Sorta | npr. določena sorta paradižnika | uporabnik |
| Datum setve | 12. april | vrtni dnevnik |
| Datum presajanja | 8. maj | vrtni dnevnik |
| Razvojna faza | sadika, cvetenje, plodovi | AI + fotografije |
| Vlažnost tal | 37 % | senzor |
| Temperatura tal | 21,4 °C | senzor |
| Temperatura zraka | 27 °C | senzor + ARSO |
| Vlažnost zraka | 66 % RH | senzor |
| Svetloba | lux / PAR | svetlobni senzor |
| Padavine | mm | ARSO / dežemer |
| Veter | m/s | ARSO |
| Napoved | temperatura, dež, zmrzal | vremenski API |
| Fotografije | list, plod, cela greda | kamera / telefon |
| pH tal | 6,5 | občasna meritev |
| EC | koncentracija raztopljenih soli | opcijski senzor |
| Poraba vode | 8,2 l | merilnik pretoka |
| Gnojenje | datum, gnojilo, količina | uporabnik / dozirnik |
| Bolezni/škodljivci | uši, plesen … | kamera + AI |
| Pridelek | 3,7 kg paradižnika | tehtnica / uporabnik |
| Posegi | obrezovanje, pletje | vrtni dnevnik |
Zelo pomemben je zadnji del: agent potrebuje tudi rezultat svojih odločitev.
Če je Hermes 4. julija dodal 5 litrov vode in se je vlažnost s 30 % povečala na 61 %, si to zapomni. Čez nekaj tednov lahko že precej dobro oceni:
“Za dvig te grede za približno 20 odstotnih točk potrebujem okrog 3,5 litra vode.”
Takrat se sistem začne spreminjati iz navadne avtomatike v učljiv model konkretnega vrta.
3. Kako bi podatke zbiral
Najbolj praktična rešitev bi bila kombinacija ESP32 + Home Assistant/MQTT + Hermes.
Takšni DIY sistemi dejansko že obstajajo. Objavljeni projekti uporabljajo ESP32, kapacitivne senzorje vlage, elektromagnetne ventile, črpalke in MQTT ter podatke pošiljajo v Home Assistant. Nekateri imajo tudi omejitve proti prekomernemu zalivanju in nadzor nivoja vode. [2]
Arhitektura bi bila približno:
↓
↓
↓ MQTT / Wi-Fi
↓
↓
↓ odločitev
Za slovenske razmere je posebno uporabna integracija z ARSO. ARSO omogoča avtomatiziran dostop do meritev, napovedi, opozoril in radarskih podatkov; samodejne meteorološke postaje imajo ponekod meritve na 10 oziroma 30 minut. [3]
4. Kaj bi dal v Hermes /garden-care Skill
Skill bi določal način razmišljanja agenta. Na primer:
Garden Care Agent
Agent mora poznati:
garden.json – zemljevid vrta
plants.json – rastline in sorte
planting_history.db – zgodovina
sensor_history.db – meritve
watering_history.db – namakanje
garden_journal.md – opažanja uporabnikaMCP pa bi mu ponudil funkcije v slogu:
get_garden_state()
get_zone_soil_moisture(zone)
get_weather_forecast()
get_rainfall_24h()
get_camera_image(zone)
get_plant_history(plant)
water_zone(zone, liters)
stop_irrigation()
log_observation()
log_harvest()
identify_plant_problem(image)
send_alert()Tako Hermes ne bi rabil vedeti, ali spodaj uporabljaš GARDENA, ESP32, Home Assistant ali kaj tretjega. Vsa strojna oprema bi bila abstrahirana prek MCP.
To je pravzaprav tipičen primer, za katerega je bil MCP zamišljen: Hermes lahko naloži zunanja orodja in jih uporablja kot svoje funkcije. [1]
5. Kaj na trgu že obstaja
Raziskal sem nekaj bolj zanimivih rešitev. Nobena še ni povsem to, kar opisujeva.
| Sistem | Kaj že zna | Kaj bi vzel za Hermes vrt |
|---|---|---|
| GARDENA smart system | senzor vlage tal, temperature in svetlobe; avtomatizirano zalivanje, vremenski podatki | senzorika + ventili |
| Rachio | inteligentno namakanje glede na vreme, dež, veter, zmrzal in ocenjeno stanje vlage | algoritmi za vodni proračun |
| FarmBot | robot, kamera, setev, zalivanje, pletje, meritve tal | robotika + API/MQTT koncept |
| Plantix | AI analiza fotografij rastlin in diagnostika | vision diagnostika |
| Agrio | bolezni, škodljivci, vremenska opozorila, AI analiza slik | zdravstveni nadzor |
| GrowVeg | načrt vrta, dnevnik, kolobarjenje, koledar setve in spravila | dolgoročni pomnilnik |
| Tertill | solarni robot za mehansko odstranjevanje plevela | avtomatizacija dela |
| Capenta | napovedan AI sistem za monitoring, zalivanje in pletje | zelo podoben koncept Garden OS |
GARDENA ima na primer senzor, ki meri vlažnost tal, svetlobo in zunanjo temperaturo ter meritve uporablja pri avtomatskem namakanju. [4]
Rachio gre še korak dlje. Njegov sistem pri namakanju upošteva dež, veter, zmrzal in ocenjeno nasičenost tal; za izračune uporablja tudi evapotranspiracijo oziroma ET. To je zelo dober vzorec za našega agenta. [5]
6. FarmBot je trenutno verjetno najbližje ideji
FarmBot se mi zdi posebej zanimiv.
Gre za open-source robotski sistem, ki lahko po koordinatah premika orodja po gredi. Ima možnosti za sejanje, zalivanje, odstranjevanje plevela, merjenje tal in fotografiranje rastlin. [6]
Njegov software uporablja tudi API in MQTT, zato je konceptualno zelo primeren za povezovanje z agentom. [7]
Še pomembnejše: FarmBot že prikazuje, zakaj samo senzor vlage ni dovolj. Njihova dokumentacija opozarja, da se meritve med različnimi mesti in pogoji spreminjajo ter jih je treba interpretirati oziroma kalibrirati za konkretna tla. [8]
In prav tu bi imel LLM agent prednost: ne bi samo reagiral na številko vlaga < 40, ampak bi lahko gledal trend + vreme + rastlino + razvojno fazo + zgodovino zalivanja.
7. AI za bolezni rastlin
Tu je tehnologija že precej napredovala.
Plantix ima sistem, kjer fotografijo rastline pošlješ v AI in dobiš strukturirano diagnozo ter predlog ukrepov. Njihov vision sistem je na voljo tudi prek API-ja. [9]
Agrio podobno prepoznava bolezni in škodljivce ter združuje slike z vremenskimi in regionalnimi opozorili. [10]
Hermes bi lahko zato naredil nekaj zanimivejšega od običajne aplikacije.
Ne bi gledal samo:
fotografija → bolezen
ampak:
fotografija + vlaga tal + vlaga zraka + padavine + temperatura + zgodovina rastline → ocena tveganja
To je že precej bliže agronomskemu odločanju.
8. Nove stvari, ki bi jih jaz dodal
Tu vidim največ potenciala.
| Nova funkcija | Kaj bi počela |
|---|---|
| Garden Digital Twin | digitalna kopija vsake grede in rastline |
| Plant Memory | zgodovina vsake posamezne rastline |
| AI Water Budget | učenje dejanske porabe vode po gredah |
| Visual Growth Tracking | primerjava fotografij skozi čas |
| Stress Detection | kombinacija fotografij, temperature in vlage |
| Microclimate Map | iskanje bolj vročih/suhih delov vrta |
| Harvest Predictor | napoved količine in datuma pridelka |
| Succession Planner | predlog naslednje setve po spravilu |
| AI Crop Rotation | večletni nadzor kolobarjenja |
| Garden Experiments | A/B testiranje gnojenja, zalivanja itd. |
| Pest Forecasting | vremensko pogojena ocena tveganja škodljivcev |
| Voice Garden Journal | uporabnik na vrtu samo govori telefonu |
Zadnja funkcija bi bila izredno praktična.
Na primer samo rečeš:
“Hermes, na drugi gredi sem danes pobral tri solate, ena je imela precej uši. Paradižnik sem privezal in odstranil dva spodnja lista.”
Agent bi iz tega sam naredil strukturirane zapise.
9. Posebej zanimiva ideja: agent, ki dela poskuse
To bi bila zame ena najbolj originalnih funkcij.
Hermes bi lahko imel dve podobni gredi:
A: zalivanje po običajnem režimu
B: 15 % manj vode.
Nato bi primerjal rast, pridelek, fotografije in vlago.
Naslednje leto bi vedel:
“Pri solati je greda B porabila 17 % manj vode, pridelek pa je bil samo 2 % manjši.”
In bi prilagodil strategijo.
S tem bi domači vrt postal neke vrste majhen longitudinalni agronomski eksperiment.
Človek takšne informacije po treh ali štirih sezonah večinoma pozabi. Agent jih ne.
10. Kako bi projekt dejansko začel
Ne bi takoj kupoval dvajset senzorjev. Razvil bi ga v treh stopnjah.
| Faza | Sistem |
|---|---|
| 1 – AI vrtni pomočnik | Hermes + ARSO + fotografije + vrtni dnevnik |
| 2 – AI monitoring | + ESP32 + vlaga tal + temperatura + kamera |
| 3 – Avtonomni vrt | + ventili + kapljično namakanje + merilnik pretoka |
Že prva faza praktično ne potrebuje posebne strojne opreme.
Hermes bi poznal rastline, datume setve, fotografije in lokalno vreme ter ti vsak dan povedal, kaj je treba narediti.
V drugi fazi bi mu dal “čutila”.
V tretji pa še “roke”.
Hermes ima vgrajene Cron naloge, zato lahko npr. vsak dan ob 6:00 izvede pregled vrta ali sproži periodično preverjanje. Cron naloge lahko uporabljajo tudi posamezne Skills. [11]
11. Varnostna arhitektura
Tu bi bil precej strog.
Hermes lahko reče:
“Zalij gredo 3 s štirimi litri.”
Toda ukaz bi šel skozi lokalni Garden Controller, ki preveri:
max_water_per_run
max_water_per_day
minimum_interval_between_watering
flow_meter_status
tank_level
soil_sensor_valid
valve_timeoutČe karkoli ni normalno:
ukaz se zavrne.
Elektromagnetni ventili naj bodo praviloma normally closed, tako da ob izgubi elektrike voda preneha teči.
Prav tako bi v prvi različici popolnoma prepovedal samostojno AI doziranje pesticidov ali koncentriranih gnojil. Agent naj tam samo predlaga ukrep.
12. Kam bi to lahko pripeljalo
Najzanimivejši rezultat po mojem ne bi bil “pametni zalivalnik”.
Bil bi nekaj takega:
Hermes Garden Agent
Agent ima:
- vid → kamere
- tip → senzorji tal
- zunanji svet → ARSO
- spomin → večletni vrtni dnevnik
- znanje → LLM + rastlinske baze
- roke → ventili, črpalke, roboti
- urnik → Hermes Cron
- orodja → MCP
- komunikacijo → telefon/Telegram/glas
Tak sistem bi po nekaj letih lahko poznal tvoj vrt bolje kot katerakoli generična vrtnarska aplikacija, ker ne bi poznal samo pravil tipa “paradižnik potrebuje toliko vode”, ampak bi poznal točno določeno gredo, zemljo, mikroklimo in zgodovino pridelka.
Zanimivo je, da se trg očitno že premika v to smer. FarmBot je razvil robotsko platformo; GARDENA in Rachio pametno namakanje; Plantix in Agrio računalniški vid; Capenta pa trenutno razvija sistem za domači vrt, ki združuje monitoring, AI analizo, zalivanje in odstranjevanje plevela. Capenta je avgusta 2026 še v razvojni oziroma waitlist fazi. [12]
Moja izbira za razvoj bi bila: Hermes + lasten /garden-care Skill + Garden MCP + Home Assistant + ESP32 senzorji + ARSO. S tem dobiš odprt sistem, ki ga lahko kasneje priklopiš na skoraj katerokoli fizično opremo, namesto da ostaneš zaprt v ekosistemu enega proizvajalca.
Če bi to zastavil kot resen Nexus/Hermes projekt, bi ga poimenoval nekaj v smislu “Hermes Garden – avtonomni AI vrtnar”. To bi bil tudi zelo dober praktični demonstrator AI agentov: agent ima senzorje, dolgoročni spomin, multimodalni vid, zunanje podatke, MCP orodja in možnost dejanskega fizičnega ukrepanja.
Viri
- MCP (Model Context Protocol) | Hermes Agent
- ESP32 irrigation automation – GitHub
- ARSO / meteo.si – avtomatiziran dostop do podatkov
- GARDENA smart Senzor
- Rachio Weather Intelligence
- FarmBot Genesis Documentation – Camera
- FarmBot Software Documentation – MQTT Gateway
- FarmBot Software Documentation – Measure Soil Moisture
- Plantix Intelligence API Toolkit
- Agrio | Protect your plants
- Scheduled Tasks (Cron) | Hermes Agent
- Capenta — Smart Garden Robot