hermes-agent.nousresearch.com 사용 팁과 활용 사례
Hermes Agent를 아이폰의 Hermex 앱, OWUI, 명령줄 도구, Hermes WebUI처럼 여러 화면에서 쓰면 채팅 기록이 한곳에 모이지 않을 수 있다. 어떤 대화는 명령줄에서만 보이고, 어떤 대화는 이름이나 내용 대신 “API chat”처럼만 표시된다. Hermes에서 만든 채팅이 OWUI에 자동으로 뜨지 않는 것은 어느 정도 이해할 수 있지만, Hermes에 직접 연결해 대화한 경우에도 화면마다 목록이 다르게 보이는 점이 문제다. 핵심은 여러 기기와 도구를 오가며 Hermes Agent를 쓰는 사람이 하나의 통합 채팅 목록을 만들 수 있는지, 또는 그렇게 쓰는 팁이 있는지다.
BJIR는 인공지능 코딩 에이전트에 넘기기 전 자료를 짧고 깨끗하게 다듬는 로컬 도구다. 긴 빌드 로그, 잠금 파일 변화가 많이 섞인 코드 변경 내역, Docker 출력과 뒤엉킨 오류 기록, 반복되는 에이전트 실행 기록에서 핵심만 남기는 데 초점을 둔다. 예를 들어 코드 변경 내역을 넣으면 실제 변경 중심으로 줄이고, 빌드나 테스트를 실행하면 실패한 부분만 잘 보이게 정리한다. 긴 오류 로그를 넣으면 붙여넣기 쉬운 짧은 보고서로 바꾼다. 보고서에는 원래 크기, 줄인 뒤 크기, 예상 토큰 수, 감지한 핵심 신호, 정리된 출력이 포함된다. 비밀값이나 인증 정보처럼 보이는 문자열은 기본으로 가린다. 요약을 위해 다른 인공지능 모델을 부르지 않고, 사용자의 컴퓨터 안에서 정해진 규칙대로 처리한다는 점이 핵심이다.
Windows에서 Hermes를 쓸 때 Nous 앱을 사용해온 한 이용자가, 기능이 한곳에 모여 있고 쓰기 편해서 대체로 만족했지만 최근 업데이트 이후 버그가 늘었다고 밝혔다. 이에 Nous만큼 쉽고 기능이 완비돼 있으면서 에이전트 관리 기능과 고급 기능이 더 나은 대안 UI나 앱이 있는지 커뮤니티에 추천을 요청했다.
Hermes Agent 데스크톱 앱에서 도구 실행 도중 “stream stalled mid-tool” 오류가 발생했다. 같은 문제가 전에는 없었고, 갑자기 나타난 새 증상이다. 실행 환경은 Windows, RTX 5090, llama.cpp, Qwen 27B 모델, 128k 컨텍스트 설정이다. 현재 확인된 내용은 오류 발생 상황과 사용 환경뿐이며, 원인이나 해결책은 아직 제시되지 않았다.
AgenC SDK나 AgenC Kit를 쓰면 Hermes, Claude, Codex 같은 인공지능 에이전트를 Solana 체인의 작업 프로토콜에 직접 연결할 수 있다. 연결된 에이전트는 단순히 답변만 하는 것이 아니라 일을 찾고, 작업을 맡고, 결과물을 제출하고, 정해진 지갑 정책 안에서 자동으로 움직일 수 있다. 이 프로토콜은 작업 대금 예치, 정산, 평판, 서비스 목록, 입찰, 리뷰, 분쟁 처리 경로를 Solana 위에서 처리한다. 목표는 에이전트가 앱 안에서 대화만 하는 도구에 머물지 않고, 체인 위에서 일을 하고 대가를 받고 이력을 쌓는 참여자가 되게 하는 것이다. 아직 초기 단계라는 점도 함께 전제된다.
핵심 고민은 Mac에서 Hermes 앱과 Codex 데스크톱 중 어떤 자동 실행 도구를 써야 하는지다. 원하는 용도는 코딩 보조가 아니라 Mac에서 여러 앱을 직접 다루는 일상 작업 자동화다. 예를 들면 메일을 열고, 정보를 확인하고, 특정 사람에게 내용을 보내고, Notion 페이지에 있는 내용을 바탕으로 알람 9개를 만들고, 브라우저에서 필요한 작업을 처리하는 식이다. 비교 기준은 Codex 무료 등급과 OpenAI Codex OAuth로 설정한 Hermes Agent의 비용, 실제로 맡긴 일을 안정적으로 끝내는지, 그리고 어느 쪽이 더 넓은 Mac 작업에 맞는지다. 검토할 정보는 요구사항 목록뿐이고, 실제 성능 비교나 가격 계산은 없다.
Pi Spawner는 Codex, Claude Code, Cursor, Hermes 같은 주 작업 도구 안에서 Pi agents를 하위 에이전트로 실행하게 해 주는 작은 CLI 도구다. 핵심 목적은 하나의 작업 도구에 묶인 채로도 작업마다 다른 오픈소스 모델을 골라 쓰는 것이다. 예를 들어 Codex를 기본 조율 도구로 쓰면서, 코딩·글쓰기·계획·검토·디자인 같은 작업 경로마다 기본 모델을 따로 정할 수 있다. 모델 별칭도 만들 수 있어서, 매번 설정을 다시 쓰지 않고 프롬프트 안에서 필요한 모델을 빠르게 지정할 수 있다. 플러그인이나 스킬처럼 기존 도구에서 바로 호출하는 방식이라, Hermes를 계속 쓰면서 Pi agents를 보조 작업자로 붙이는 구성이 가능하다.
SIQ-1-35B는 Qwen-35B-A3를 바탕으로 PPO 방식으로 추가 학습한 모델이다. 학습에는 결과를 확인할 수 있는 검증 가능한 보상이 쓰였다. 공개된 성능 비교에서는 Karpathy의 자동 연구 과제 중 ‘파라미터 골프’에서 GLM-5.2와 Qwen-350B보다 좋은 결과를 냈고, 만들어 내는 아이디어가 Opus4.8에 가까운 느낌이라고 소개됐다. ‘bullshit-bench’라는 평가에서는 NEX와 GPT-5.5보다 높게 나왔다고 되어 있다. 모델 파일과 GGUF 파일은 Hugging Face에 올라와 있고, hermes-agent를 ZeroGPU에서 바로 시험해 볼 수 있는 데모도 제공된다.
두 개의 에이전트가 사람 대신 서로 연락해 일정을 잡는 실제 시험이 진행됐다. 한 에이전트가 자기 소유자의 달력을 확인하고, 다른 사람의 에이전트와 가능한 시간을 맞춘 뒤, 두 사람의 달력에 일정을 등록했다. 사람이 중간에서 시간을 전달하지 않아도 작업은 끝났다. 하지만 일정 등록 자체보다 더 어려운 문제는 권한과 정보 공유다. 에이전트는 어떤 달력을 만질 수 있는지 알아야 하고, 낯선 에이전트와 대화할 때도 그 경계를 지켜야 한다. 두 에이전트는 일을 끝낼 만큼의 문맥만 공유해야 하며, 소유자의 사적인 정보를 너무 많이 넘기면 안 된다. 또 서로 다른 가정을 조율하지 못하면, 에이전트가 자신 있게 틀린 행동을 할 수 있다. 이것은 화면 구성 같은 UI 문제가 아니라, 에이전트 협업의 기본 설계 문제다.
Hermes 데스크톱 앱이 별도 확인 없이 전역 npm 패키지를 설치한 사례가 보고됐다. 승인 설정은 자동에 가까운 스마트 모드가 아니라 수동 승인 모드였는데도 설치가 진행됐다. 전역 npm 패키지는 컴퓨터 전체에서 쓸 수 있게 설치되기 때문에, 개인 작업용 주 기기에서는 보안 위험이 더 크게 느껴질 수 있다. 최근 npm 보안 취약점 이야기가 많아진 상황이라, 사용자는 Hermes가 도구나 패키지를 설치할 때 어디까지 허용되는지 다시 확인할 필요가 있다. 생산성을 크게 떨어뜨리지 않으면서 이런 설치를 막아 주는 중간 보안 계층을 찾기는 쉽지 않다는 점도 문제로 제기됐다.
Hermes Agent를 오래된 리눅스 노트북에서 실행하고, SSH로 접속해 쓰는 환경에서 ChatGPT Plus 계정을 OAuth로 연결했다. 처음에는 GPT-5.5를 쓰다가 GPT-5.4로 바꾸고, 추론 강도는 중간으로 낮췄다. 약 1시간 동안 몇 번의 대화, 가벼운 문제 해결, 일반적인 질의응답을 했는데 5시간 기준 사용 한도의 55% 이상이 소모됐다. 비슷한 방식으로 Claude Pro와 Gemini Pro를 쓸 때는 시간당 또는 메시지 한도가 거의 줄지 않았다고 느꼈다. Hermes Agent 설정은 기본 설치에 포함된 도구와 스킬만 있는 단순한 상태였고, 일부 스킬이 자동으로 만들어지거나 갱신된 흔적이 있었다. 핵심 의문은 ChatGPT로 Hermes Agent를 쓰면 이 정도 사용량 소모가 정상인지, 아니면 뒤에서 추가 모델 호출이 일어나는 설정 문제가 있는지다.
Hermes Agent는 값싼 모델이나 로컬 LLM과 함께 쓰면 여러 일을 자동화할 수 있어 보이지만, 일반 챗봇으로도 쉽게 할 수 있는 작업과 무엇이 다른지 분명하지 않다는 고민이 핵심이다. 실용적인 후보로는 사업 홍보와 잠재 고객에게 먼저 연락하는 업무가 나온다. 예를 들어 Facebook에서 상품이나 서비스를 알리는 데 에이전트를 쓰는 방식이다. 다만 에이전트가 스스로 광고성 활동을 하게 두면 플랫폼 규칙을 어기거나 계정이 제한될 수 있다는 걱정도 함께 나온다. 그래서 Hermes Agent를 쓸 때는 “무엇을 완전 자동화할지”보다 “어디까지 사람이 확인하고 승인할지”가 먼저 정해져야 한다.
Hermes를 몇 달간 익힌 뒤, 업무에 다중 에이전트 방식으로 적용하려는 단계다. 목표는 정보를 조사해서 데이터베이스에 저장하고, 모은 정보를 기준으로 클라이언트 프로젝트를 검토하는 것이다. 역할은 정보 조사 담당, 프로젝트 검토 담당, 개발 파트 A 담당, 개발 파트 B 담당, 회계 담당으로 나뉘어 있다. 아직 사업 세부 내용은 공개하지 않는다. 핵심 고민은 에이전트들이 서로 따로 일하는지, 아니면 서로 대화하며 일을 이어갈 수 있는지다.
Hermes를 Codex OAuth와 연결해 전체 계획과 판단을 맡기고, Claude Code를 실제 코딩 공간으로 쓰는 방식이 제시됐다. 역할을 나누면 Hermes와 Codex는 조사, 설계, 긴 추론, 도구 사용, 작업 조율에 집중하고, Claude Code는 파일 수정, 코드 정리, 저장소 탐색 같은 실행 작업을 맡는다. 핵심 고민은 Hermes에서 만든 계획을 Claude Code로 어떻게 넘길지다. 단순히 설계 내용과 작업 지시를 복사해 붙여 넣을 수도 있고, Hermes에서 Claude Code로 이어지는 자동화나 스킬, 연동 기능을 만들 수도 있다. 또 Codex OAuth 기반 모델을 쓸 때 문맥 창을 너무 빨리 소모하지 않는 설정이 중요하다. config.yaml에서 context_length 같은 값을 직접 정할지, 자동 감지에 맡길지도 확인해야 한다. 긴 대화는 Hermes에게 촘촘한 설계 문서나 작업 명세로 정리하게 한 뒤, 그 요약만 넣어 새 대화를 시작하는 방식이 대안으로 제시된다. read_file 같은 파일 읽기 도구나 긴 로그가 문맥 창을 빠르게 채우지 않도록 관리하는 것도 중요한 문제다.
Hermes Agent를 한 명의 만능 비서처럼 쓰기보다, 여러 에이전트에 서로 다른 일을 맡기면 작업이 더 정리된다. 예를 들어 하나는 자료 조사를 맡고, 하나는 글쓰기를 맡고, 다른 하나는 검토를 맡는다. 검토 담당 에이전트는 사실관계, 글의 흐름, 명확성, 빠진 내용을 확인한다. 각 에이전트는 맡은 일이 좁고 분명하기 때문에 지시문도 더 단순해지고, 결과도 덜 흔들린다. Obsidian을 함께 쓰면 조사 에이전트가 찾은 내용을 한곳에 저장하고, 글쓰기 에이전트가 그 메모리를 바탕으로 초안을 만들 수 있다. 핵심은 한 에이전트에게 조사, 작성, 검토, 파일 정리, 기억까지 모두 맡기지 않는 것이다.
NotebookLM은 자료가 많은 조사 작업에서 연구 전담 도구로 쓰기 좋다. PDF, 웹사이트, 영상, 오디오 파일, 구글 문서, 기존 프로젝트 노트를 넣으면 내용을 읽고 정리한 뒤, 답변마다 원래 자료로 돌아갈 수 있는 출처 표시를 붙인다. Claude는 조사 결과를 더 깊게 생각하고 글로 다듬는 역할을 맡는다. Hermes는 완성된 조사 결과와 글을 실제 업무로 옮기는 역할을 맡는다. 핵심은 한 챗봇에게 모든 일을 시키는 대신, NotebookLM으로 근거를 모으고, Claude로 판단과 문장을 다듬고, Hermes로 실행 단계에 연결하는 것이다. AI Profit Boardroom은 이런 연결형 인공지능 작업 흐름을 만들기 위한 교육, 지원, 강좌를 함께 홍보한다.
Hermes Agent Paperclip은 여러 인공지능 에이전트를 동시에 쓸 때 역할과 진행 상황을 한곳에서 보이게 하는 방식이다. 한두 개의 대화창만 쓸 때는 지시와 결과를 따라가기 쉽지만, 조사, 글쓰기, 검토, 계획, 코딩, 게시 같은 일을 여러 에이전트가 나누면 흐름이 금방 흩어진다. Paperclip은 각 에이전트에 이름, 역할, 보고 관계, 담당 범위를 붙여 하나의 관리 화면처럼 정리한다. 그래서 누가 어떤 일을 하고 있는지, 무엇이 막혔는지, 프로젝트가 어디까지 왔는지 확인하기 쉬워진다. 핵심은 에이전트를 더 많이 만드는 것이 아니라, 이미 움직이는 에이전트들의 연결과 넘겨주기를 분명하게 보는 데 있다. 함께 언급된 AI Profit Boardroom은 이런 연결형 에이전트 작업 흐름을 만들기 위한 교육, 지원, 시스템을 제공하는 유료 성격의 안내로 보인다.
HarnessBench는 PI, OpenCode, Hermes Agent 같은 AI 하네스를 같은 조건에서 비교하려는 벤치마크입니다. 테스트에서는 사용하는 모델을 Qwen 3.5 9B로 고정해, 도구 차이만 비교하려고 했습니다. 만든 쪽도 결과가 얼마나 믿을 만한지, 실제로 얼마나 쓸 만한지는 아직 확신하지 못합니다. 저장소는 공개되어 있어 다른 사람이 코드를 보고 수정하거나 갈라서 자신에게 맞게 바꿀 수 있습니다.
Codex Pooler 0.1.0은 직접 운영할 수 있는 무료 오픈소스 도구이며, Hermes Agent 같은 에이전트와 함께 쓸 수 있다. 핵심 기능은 도구 실행 결과를 대형 언어 모델로 보내기 전에 압축해서, 조건이 맞는 출력에서 쓰는 토큰을 크게 줄이는 것이다. 소개된 수치로는 일부 경우 토큰 사용량을 최대 95%까지 줄일 수 있다. 사용자는 새 풀 설정에서 요청 압축을 켜면 된다. Codex, OpenCode, Aider, Continue 같은 여러 개발 도구와 OpenClaw, Hermes Agent 같은 에이전트에서 테스트됐다고 되어 있다. Codex를 직접 지원하지 않는 소프트웨어도 채팅 및 응답 응용 프로그래밍 인터페이스를 Codex 구독 경로로 연결해 쓸 수 있다고 한다. 통계, 알림, 고급 설정, 웹소켓, 초대, 사용자 관리, 풀 관리 기능도 포함되어 있다. 여러 서버에 나눠 운영하려는 사람을 위한 Helm 차트도 제공된다.
OmniSearch는 윈도우에서 단축키 하나로 PC 안의 여러 정보를 찾는 로컬 실행 도구다. 기본 단축키는 Alt + Space이며, 원하는 단축키로 바꿀 수도 있다. 앱과 파일 이름만 찾는 수준을 넘어서 파일 안의 글, 50개가 넘는 파일 형식, 이미지 속 글자를 읽는 OCR, 브라우저 즐겨찾기와 방문 기록, 클립보드 기록, Git 커밋, 윈도우 설정과 제어판 항목까지 한 검색창에서 찾는 것을 목표로 한다. Hermes 기반 AI 에이전트도 포함되어 있어, 단순 검색 도구를 넘어 PC 안의 작업을 더 쉽게 다루는 방향을 제시한다. 강력한 클립보드 관리 기능도 함께 제공된다.
Headroom을 Hermes agents와 함께 쓰면 문제가 생길 수 있다. 증상은 Hermes agents가 파일을 제대로 읽지 못하거나 Kanban을 통해 서로 소통하지 못하는 것이다. Headroom을 켠 뒤 Hermes agents의 작업 흐름에서 파일 접근과 에이전트 간 전달 기능이 깨지는 형태로 나타난다. 예전에는 제대로 작동했던 것으로 보이지만, 현재는 우회 방법이 있는지 확실하지 않다.
Hermes Agent에 Zoho Mail 접근 권한을 줄 때, 읽기와 작성은 허용하되 실제 발송은 막고 싶다는 요구입니다. 목표는 Hermes가 받은 메일을 읽고 임시 메일이나 초안을 만들 수 있게 하는 것입니다. 하지만 최종 발송은 Hermes 안의 도구가 아니라 별도 스크립트가 처리해야 합니다. 핵심 걱정은 Hermes의 도구 사용 제한만 믿으면, 강한 압박이나 우회 상황에서 발송 기능을 사용할 수 있다는 점입니다. 가능한 접근 방식으로는 MCP 서버나 맞춤 스크립트를 두고, Hermes에는 발송 권한이 없는 통로만 제공하는 구성이 언급됩니다.
현재 작업 방식은 Kilo와 Minimax M3를 YOLO 모드로 함께 쓰는 것이다. 큰 범위의 작업을 한 번에 맡기고, 도구가 파일을 자동으로 고치게 하며, 테스트도 실행하게 둔다. 이후 사람이 남은 실수만 직접 정리한다. 핵심 질문은 Hermes Agent가 이런 자동 코딩 흐름에서 무엇을 더 낫게 만들 수 있느냐다.
Hermes Agent나 OpenClaw 같은 직접 운영형 인공지능 에이전트는 텔레그램이나 슬랙 안에서 일하는 개인 비서처럼 쓸 수 있다. 단순히 대화만 하는 창이 아니라 콘텐츠 초안 작성, 자료 조사, 긴 문서 요약, 정해진 시간마다 반복 작업 실행 같은 일을 맡길 수 있다. 마케팅 업무에서는 콘텐츠 만들기, 경쟁사 추적, 보고서 정리 같은 작업이 첫 후보가 될 수 있다. 실제로 시작할 때는 API 키 준비, 어떤 모델을 쓸지 고르기, 에이전트가 계속 켜져 있도록 호스팅하기, 텔레그램과 연결하기 위한 웹훅 설정에서 막히기 쉽다. 이런 설정 장벽 때문에 써보고 싶어도 시작 전에 포기하는 사람이 있을 수 있다.
Hermes Agent를 OpenRouter와 함께 VPS에서 돌리는 상황이다. 목표는 모델이 이미 배운 지식에 기대지 않고, 지금 웹 전체를 검색해 도시의 역사 같은 최신·실제 정보를 찾게 하는 것이다. 핵심 선택지는 세 가지다. 어떤 모델이 도구 사용과 추론에 강한지, Hermes에 Exa, Firecrawl, Tavily, Parallel 같은 웹 검색 백엔드를 따로 붙여야 하는지, 아니면 OpenRouter의 :online 변형이나 서버 도구 방식의 웹 검색이 더 나은지다. 필요한 결과는 교과서식 요약이 아니라, 실제 웹에서 새로 찾은 근거 있는 정보다. 모델 이름과 Hermes 설정 예시처럼 바로 적용할 수 있는 조합이 중요하다.
Manifest를 쓰면 이미 내고 있는 챗GPT 플러스 같은 구독 계정을 Claude Code나 Hermes 같은 에이전트 실행 도구에 연결할 수 있다. 보통 에이전트는 별도 API 키로 돌아가서 사용량에 따라 비용이 따로 붙고, 총비용을 예측하기 어렵다. Manifest는 에이전트가 보내는 요청을 중간에서 받아 연결된 구독 계정의 모델로 보내는 방식이다. Claude Code 예시는 Manifest에서 Claude Code 에이전트를 만들고 기본 주소와 API 키를 복사한 뒤, `~/.claude/settings.json`에 `ANTHROPIC_BASE_URL`과 `ANTHROPIC_AUTH_TOKEN`을 Manifest 값으로 넣는 흐름이다. 그다음 Manifest의 Providers 화면에서 챗GPT 플러스 구독을 연결하면, 해당 플랜에 포함된 OpenAI 모델을 에이전트에서 쓸 수 있다. 이 방식의 장점은 비용 관리, 모델 사용 제한에 걸렸을 때 대체 경로 확보, 여러 에이전트에서 같은 구독 재사용, 어떤 에이전트가 어디서 실행되는지 한곳에서 확인하는 것이다.
Hermes 같은 자율 에이전트를 오래 돌리면 사용한 글자 수나 토큰 수에 따라 API 비용이 갑자기 커질 수 있다. 긴 코드베이스를 밤새 고치거나 데이터를 긁어오는 작업은 호출이 반복되기 때문에 요금과 속도 제한이 문제가 된다. 민감한 회사 코드를 외부 API에 넣는 것도 데이터 관리 측면에서 부담이 될 수 있다. 이 서비스는 인도에 있는 애플 실리콘 장비 묶음을 로컬로 빌려 주는 방식이다. 사용자는 작업 시간 동안 전용 하드웨어를 빌리고, 읽힌 글자 수가 아니라 장비 사용 시간에 대해 고정 요금을 낸다. 10만 개가 넘는 긴 문맥을 반복해서 모델에 넣어도 요금은 바뀌지 않는다고 주장한다. Ollama, DeepSeek-R1, Llama, Kimi, OpenClaw, Claude Code와 함께 쓸 수 있고, 자동화 도구인 n8n 노드도 같은 장비에서 돌릴 수 있다고 한다. 다음 달 첫 시험 사용자 10명을 받아 파이프라인을 검증할 계획이다.
Claude 같은 비싼 모델 하나에 계획, 코딩, 검토, 조사, 반복 작업을 모두 맡기면 비용과 성능이 비효율적일 수 있다. 더 나은 방식은 작업을 나누고, 각 단계에 맞는 모델을 배치하는 것이다. Claude는 목표를 해석하고 위험을 찾고 작업 기준을 정하는 역할에 맞다고 제안된다. Hermes는 프로젝트 파일, 작업 상태, 에이전트별 책임을 연결하며 전체 흐름을 조율하는 역할로 제시된다. GLM 5.2 같은 다른 모델은 좁고 구체적인 코딩 작업을 맡는 예로 언급된다. 핵심은 하나의 고급 모델에 모든 일을 시키는 대신, 판단이 필요한 일과 반복 실행 작업을 분리하는 것이다.
Hermes Agent와 일부 비슷한 도구의 기본 설치 상태에서 웹 사용 요청이 Parallel로 보내질 수 있다는 주장이 나왔다. 핵심은 별도 설정을 하지 않아도 외부 경로가 쓰일 수 있으니, 설치 직후 연결 설정과 기본값을 확인해야 한다는 점이다. 제공된 정보에는 어떤 버전에서 발생하는지, 끄는 방법, 실제 전송 범위 같은 세부 내용은 없다.
Hermes Agent에 OpenAI의 GPT와 Codex를 연결한 뒤, 작업을 거의 하지 않아도 “모델 제공업체가 요청을 속도 제한하고 있다”는 안내가 반복해서 나타났다. DeepSeek 사용량을 다 쓴 뒤 OpenAI로 바꾼 상황이었고, GPT 4.5 Mini를 써도 같은 문제가 이어졌다. 12시간 동안 에이전트를 제대로 쓰지 못했고, 질문 하나만 보내도 바로 제한에 걸리는 수준이었다. 문제의 핵심은 Hermes Agent 자체 오류인지, OpenAI 쪽 토큰 제한이나 요청 제한인지, 또는 설정 문제인지가 불분명하다는 점이다. 구독료를 냈는데 환불도 어렵다고 느낄 만큼 사용성이 크게 떨어진 경험이다.