คนส่วนใหญ่ติดตั้ง Hermes Agent แล้วใช้เป็นแค่แชทบอท พิมพ์พรอมต์ ได้คำตอบ แล้วก็ปิดแท็บไป รวมๆ แล้วนั่นก็แค่ประมาณ 10% ของความสามารถทั้งหมดที่เอเจนต์ตัวนี้ทำได้
บทความนี้จะพาคุณสำรวจทุกเลเวลการใช้งาน Hermes Agent ตั้งแต่พรอมต์แรก ไปจนถึงระบบที่ขับเคลื่อนธุรกิจของคุณโดยที่คุณไม่ต้องทำอะไรเลย มีทั้งหมด 15 เลเวล แบ่งเป็น 3 เฟส แต่ละเลเวลจะต่อยอดจากเลเวลก่อนหน้า แต่คุณสามารถข้ามไปยังเลเวลที่เหมาะกับการตั้งค่าของคุณได้เลย
โครงสร้างในแต่ละเลเวลจะเหมือนกัน: มันคืออะไร, มันปลดล็อกอะไรได้บ้าง, วิธีตั้งค่า, และข้อผิดพลาดที่มักจะเจอในเลเวลนั้นๆ
รายละเอียดทางเทคนิคทั้งหมดได้รับการตรวจสอบแล้วจากเอกสารทางการและซอร์สโค้ดของ Hermes Agent v0.17.0
สมัครรับ SubStack ของฉันเพื่ออ่านบทความเพิ่มเติม: https://substack.com/@yanxbt
เฟส 1 — พื้นฐาน (เลเวล 1-3)
คุณกำลังใช้ Hermes เอเจนต์จะตอบสนองตามที่คุณถาม
เลเวล 1 — พรอมต์ครั้งเดียว
มันคืออะไร: คุณติดตั้ง Hermes แล้ว คุณพิมพ์พรอมต์ เอเจนต์ตอบกลับด้วยการเรียกใช้เครื่องมือ แก้ไขไฟล์ ค้นหาเว็บ หรือรันคำสั่งในเทอร์มินัล เป็นการโต้ตอบขั้นพื้นฐาน
มันปลดล็อกอะไรได้บ้าง: Hermes สามารถทำงานต่างๆ ในระบบไฟล์ เทอร์มินัล และเว็บของคุณได้ มันอ่านไฟล์ เขียนโค้ด ค้นหาอินเทอร์เน็ต และรันเชลล์คำสั่ง มันลงมือทำสิ่งต่างๆ ในขณะที่แชทบอทแค่พูดถึงสิ่งต่างๆ
การตั้งค่า:
แอปเดสก์ท็อป: ดาวน์โหลดได้ที่ hermes-agent.nousresearch.com ติดตั้งด้วยคลิกเดียว CLI: hermes setup
โหมดการตั้งค่า 3 แบบ: → Quick Setup (Nous Portal): เข้าสู่ระบบด้วย OAuth, มีโมเดลและ Tool Gateway ในคำสั่งเดียว → Full Setup: ตั้งค่าทุกอย่างด้วยตัวเอง ทั้งผู้ให้บริการ เครื่องมือ และตัวเลือกต่างๆ → Blank Slate: ทุกอย่างถูกปิดไว้ตั้งแต่เริ่ม ยกเว้นผู้ให้บริการ โมเดล เครื่องมือจัดการไฟล์ และเทอร์มินัล ไม่มีการค้นหาเว็บ ไม่มีเบราว์เซอร์ ไม่มีหน่วยความจำ ไม่มีการมอบหมายงาน ไม่มี cron ไม่มีสกิล ไม่มีปลั๊กอิน ไม่มี MCP คุณเปิดใช้เฉพาะที่จำเป็นเท่านั้น ไม่มีอะไรโหลดมาที่คุณไม่ได้เลือก แม้หลังอัปเดตแล้วก็ตาม
Blank Slate เป็นจุดเริ่มต้นที่สะอาดที่สุดสำหรับผู้ใช้ที่ต้องการควบคุมทุกอย่างที่เอเจนต์ทำได้และทำไม่ได้
เชื่อมต่อผู้ให้บริการโมเดล แล้วเริ่มแชทได้เลย
ข้อผิดพลาด: การใช้ Hermes เหมือนเป็นเสิร์ชเอนจิน "บอกฉันเกี่ยวกับ X" เป็นการใช้งานที่ไม่คุ้มค่ากับเอเจนต์ที่สามารถลงมือทำได้ "ค้นคว้า X, เขียนรายงาน, บันทึกไปที่ ~/reports/" เป็นการใช้เครื่องมืออย่างถูกต้อง
ตัวอย่าง: "ค้นคว้า CRM 5 อันดับแรกสำหรับผู้ก่อตั้งคนเดียว เปรียบเทียบราคาและฟีเจอร์ บันทึกรายงานไปที่ ~/reports/crm-comparison.html" — เอเจนต์ค้นหา เปรียบเทียบ และเขียนไฟล์ เสร็จใน 3 นาที
เลเวล 2 — หน่วยความจำ + SOUL.MD
มันคืออะไร: Hermes จดจำคุณได้ในทุกเซสชัน SOUL.md กำหนดว่าเอเจนต์คือใคร MEMORY.md และ USER.md เก็บข้อมูลสำคัญเกี่ยวกับโปรเจกต์ ความชอบ และบริบททางธุรกิจของคุณ
มันปลดล็อกอะไรได้บ้าง: เอเจนต์จะหยุดถามให้คุณอธิบายซ้ำ คนสองคนที่ถามคำถามเดียวกันจะได้คำตอบที่แตกต่างกัน เพราะ Hermes รู้บริบทที่ต่างกัน คำแนะนำ ความชอบ และรายละเอียดธุรกิจของคุณจะคงอยู่ตลอดทุกเซสชัน
v0.17.0 เพิ่มความสามารถในการจัดการหน่วยความจำแบบอะตอมมิก: เอเจนต์สามารถเพิ่ม แทนที่ และลบรายการหน่วยความจำทีละหลายรายการในการเรียกใช้ครั้งเดียว การอัปเดตหน่วยความจำจะไม่ล้มเหลวกลางคันอีกต่อไปเมื่องบประมาณในการทำงานจำกัด
การตั้งค่า:
แอปเดสก์ท็อป / Dashboard: โปรไฟล์ → SOUL.md → แก้ไข CLI: เปิดไฟล์ ~/.hermes/SOUL.md ในโปรแกรมแก้ไขใดๆ
เขียน 50-80 บรรทัดที่ครอบคลุมถึงตัวตน น้ำเสียง การดำเนินงาน และข้อจำกัด เอเจนต์จะอ่านไฟล์นี้ทุกครั้งที่เริ่มเซสชัน
ข้อผิดพลาด: ปล่อยให้ SOUL.md ว่างเปล่าแล้วหวังว่าจะได้ผลลัพธ์ที่เป็นส่วนตัว Hermes ที่ไม่มี SOUL.md จะเป็นแบบทั่วไปโดยดีไซน์ ไฟล์ตัวตนคือสิ่งที่แยกความแตกต่างระหว่างผู้ช่วยทั่วไปกับผู้ช่วยเฉพาะของคุณ
ตัวอย่าง: คุณถามว่า "ฉันควรขึ้นราคาไหม?" หากไม่มี SOUL.md: คำแนะนำทั่วไปเกี่ยวกับกลยุทธ์การตั้งราคา หากมี SOUL.md ที่มีข้อมูลโมเดลธุรกิจ อัตรากำไร และกลุ่มลูกค้าของคุณ: "กลุ่มเริ่มต้นของคุณมี Conversion Rate 12% การขึ้นราคา $10 อาจเสี่ยงทำให้ลูกค้าในกลุ่ม B ที่มีรายได้ 60% ของคุณหายไป ทดสอบกับกลุ่ม A ก่อน"
https://x.com/IBuzovskyi/status/2065125711401062758
เลเวล 3 — สแลชคำสั่ง
มันคืออะไร: คำสั่งที่เปลี่ยนวิธีการทำงานของเอเจนต์ระหว่างเซสชัน ผู้ใช้ส่วนใหญ่ไม่เคยพิมพ์คำสั่งเหล่านี้
มันปลดล็อกอะไรได้บ้าง: การทำงานแบบขนานภายในเซสชันเดียว คุณไม่ต้องรอให้งานหนึ่งเสร็จก่อนเริ่มงานต่อไป
คำสั่งต่างๆ:
/background <prompt> ส่งงานไปทำงานเบื้องหลัง เซสชันหลักของคุณยังคงว่าง ผลลัพธ์จะปรากฏเป็นแผงเมื่อเสร็จ
/steer <prompt> แทรกข้อความลงในการทำงานปัจจุบันโดยไม่ขัดจังหวะ เปลี่ยนทิศทางของเอเจนต์ระหว่างการทำงาน
/queue <prompt> จัดคิวงานต่อ รอจนกว่างานปัจจุบันจะเสร็จ แล้วจึงทำงานโดยอัตโนมัติ
/model <name> สลับโมเดลระหว่างเซสชัน เริ่มด้วย Sonnet สำหรับการวางแผน สลับเป็น DeepSeek สำหรับการทำงาน สลับเป็น Opus สำหรับการตรวจทาน
v0.17.0 เพิ่ม grok-composer-2.5-fast ผ่าน Grok OAuth: โมเดลการเขียนโค้ดที่มีบริบท 200K ที่อยู่เบื้องหลัง Cursor's Composer สามารถเข้าถึงได้ผ่านการสมัครสมาชิก Grok ของคุณ
กำหนดพฤติกรรมเริ่มต้นเมื่อคุณพิมพ์ในขณะที่เอเจนต์กำลังยุ่ง:
ตั้งค่าในแอปเดสก์ท็อป Dashboard หรือ config.yaml:
display: busy_input_mode: steer # หรือ queue หรือ interrupt
ข้อผิดพลาด: ไม่รู้ว่าคำสั่งเหล่านี้มีอยู่ ผู้ใช้ส่วนใหญ่พิมพ์พรอมต์ รอให้เสร็จ แล้วพิมพ์พรอมต์ถัดไป แค่ /background เพียงอย่างเดียวก็เพิ่มปริมาณงานต่อเซสชันเป็นสองเท่า
ตัวอย่าง: คุณกำลังร่างข้อเสนอ ขณะที่กำลังพิมพ์: /background research [competitor] pricing and positioning คุณยังคงเขียนต่อไป 5 นาทีต่อมา แผงข้อมูลปรากฏขึ้นพร้อมการวิเคราะห์คู่แข่ง คุณวางมันลงในข้อเสนอได้ทันทีโดยไม่เสียจังหวะ
เฟส 2 — การใช้ประโยชน์ (เลเวล 4-7)
Hermes ทำงานได้อย่างชาญฉลาดขึ้น คุณหยุดทำงานที่เอเจนต์สามารถจัดการได้
เลเวล 4 — สกิล + โมเดลที่เหมาะสมกับแต่ละสกิล
มันคืออะไร: สกิลคือเอกสารความรู้และชุดเครื่องมือแบบเรียกใช้ตาม需求 ที่เอเจนต์จะโหลดเมื่อจำเป็น แต่ละสกิลสามารถรันบนโมเดลที่แตกต่างกันได้
มันปลดล็อกอะไรได้บ้าง: เอเจนต์กลายเป็นผู้เชี่ยวชาญเฉพาะทางตามต้องการ สกิลการวิจัยจะโหลดระเบียบวิธีการวิจัย สกิลการตรวจสอบโค้ดจะโหลดรูปแบบความปลอดภัย แต่ละสกิลใช้โมเดลที่เหมาะสมที่สุดกับงานของมัน
การตั้งค่า:
แอปเดสก์ท็อป / Dashboard: ศูนย์รวมสกิล → เรียกดู → ติดตั้ง CLI: /skills search [topic]
v0.17.0 ปรับปรุงศูนย์รวมสกิลครั้งใหญ่: เชื่อมต่อศูนย์กลาง (OpenAI, Anthropic, HuggingFace, NVIDIA), ส่วนแนะนำ, แสดงตัวอย่างสกิลแบบเต็มก่อนติดตั้ง, และสแกนความปลอดภัยในแต่ละสกิล
v0.17.0 ยังเพิ่มการแก้ไขรูปภาพ: image_generate สามารถแก้ไขรูปภาพต้นทางได้แล้ว ("ทำให้โลโก้นี้เป็นสีน้ำเงิน", "ลบพื้นหลังออก") เครื่องมือเดียวกัน โหมดใหม่
กำหนดโมเดลต่อสกิลในแอปเดสก์ท็อปหรือ config.yaml:
research/web search → DeepSeek V4 Flash ($0.10/M tokens, ถูกที่สุด)
code review → Claude Opus 4.8 ($5/$25/M, คะแนนการเขียนโค้ดดีที่สุด)
content writing → Claude Sonnet 4.6 ($3/$15/M, งานเขียนและการเรียกใช้เครื่องมือดีที่สุด)
coding (value) → GPT-5.5 ($2/$12/M, อันดับ 1 ใน Chatbot Arena, บริบท 2M)
research with grounding → Gemini 2.5 Pro ($1.25/$10/M, มี Google Search ในตัว)
bulk sub-agent work → DeepSeek V4 ($0.30/$0.50/M, ส่วนลดแคช 90%)
/goal judge → Gemini Flash (ถูกที่สุด, เร็วพอสำหรับการตัดสินว่าทำเสร็จ/ยังไม่เสร็จ)
self-hosted (free) → Qwen 3 8B ผ่าน Ollama (RAM 8GB, จัดการงานประจำได้)
MiniMax M2.7 ก็คุ้มค่าที่จะลอง Nous Research และ MiniMax กำลังร่วมมือกันเพื่อปรับปรุงการเปิดตัวในอนาคตให้เหมาะกับ Hermes มากยิ่งขึ้น เป็นหนึ่งในโมเดลที่ถูกใช้มากที่สุดภายใน Hermes ณ กลางปี 2026
ข้อผิดพลาด: รันทุกสกิลด้วยโมเดลที่แพงที่สุด การใช้ Opus ไปกับการค้นหาเว็บเป็นประจำคือการเสียเงินโดยเปล่าประโยชน์ จับคู่ราคาโมเดลให้เข้ากับความซับซ้อนของงาน
ตัวอย่าง: คุณรันสกิลการวิจัยคู่แข่งด้วย DeepSeek V4 Flash แทน Opus 4.8 คุณภาพพอๆ กันสำหรับการค้นหาเว็บ แต่ถูกกว่า 30-50 เท่าต่อการเรียกใช้ หากรัน 30 ครั้งต่อเดือน เงินที่ประหยัดได้จะเพิ่มขึ้นอย่างรวดเร็ว
เลเวล 5 — MCP (เชื่อมต่อโลกของคุณ)
มันคืออะไร: เซิร์ฟเวอร์ MCP (Model Context Protocol) เชื่อมต่อ Hermes กับเครื่องมือภายนอก เช่น Gmail, ปฏิทิน, Notion, Slack, ClickUp, GitHub, ฐานข้อมูล, API
มันปลดล็อกอะไรได้บ้าง: เอเจนต์ทำงานกับข้อมูลของคุณ ไม่ใช่แค่ข้อมูลบนโลกออนไลน์ มันอ่านอีเมลของคุณ ตรวจสอบปฏิทินของคุณ ดึงข้อมูลจากบอร์ดโปรเจกต์ของคุณ และตอบคำถามโดยใช้บริบทจากเครื่องมือที่คุณใช้อยู่แล้ว
การตั้งค่า:
แอปเดสก์ท็อป / Dashboard: MCP → แคตตาล็อก → เรียกดูและติดตั้ง CLI: hermes mcp
ข้อผิดพลาด: เชื่อมต่อ MCP 15 ตัวพร้อมกัน ทุก MCP ที่เพิ่มเข้ามาจะเพิ่ม schema ของเครื่องมือเข้าไปในหน้าต่างบริบท MCP 15 ตัวที่มีเครื่องมือตัวละ 10 อย่าง = 150 คำจำกัดความของเครื่องมือที่โมเดลต้องอ่านในทุกเทิร์น ติดตั้งเฉพาะที่คุณใช้ ปิดการใช้งานที่ไม่ใช้ Tool Search (เปิดอัตโนมัติเมื่อ schema กินพื้นที่บริบทไป 10%+) ช่วยจัดการเรื่องนี้ได้ แต่การมี MCP น้อยกว่าก็ยังดีกว่า
ตัวอย่าง: "มีอะไรเกิดขึ้นใน Slack สัปดาห์นี้ตอนที่ฉันกำลังจดจ่อกับการเขียนโค้ด?" เอเจนต์อ่านช่อง Slack ของคุณ กรองตามการกล่าวถึงและหัวข้อสำคัญ เชื่อมโยงกับเป้าหมายในหน่วยความจำ สรุปให้ 10 บรรทัด ไม่ต้องสลับแท็บ ไม่ต้องเลื่อนดู 200 ข้อความ
เลเวล 6 — ซับเอเจนต์ + การทำงานแบบขนาน
มันคืออะไร: delegate_task จะสร้างซับเอเจนต์แบบแยกส่วนที่มีหน้าต่างบริบท เซสชันเทอร์มินัล และชุดเครื่องมือเป็นของตัวเอง
มันปลดล็อกอะไรได้บ้าง: การทำงานแบบขนานกับหลายเอเจนต์ หนึ่งตัวค้นคว้า หนึ่งตัววิจารณ์ หนึ่งตัวเขียนโค้ด ตัวแม่เป็นผู้ orchestrator เด็กแต่ละตัวสามารถใช้โมเดลที่แตกต่างกันได้
การตั้งค่า:
เอเจนต์จะใช้ delegate_task โดยอัตโนมัติเมื่องานนั้นได้ประโยชน์จากการแยกส่วน คุณยังสามารถถามโดยตรงได้:
"สร้างซับเอเจนต์บน DeepSeek เพื่อค้นคว้า X ในขณะที่อีกตัวบน GPT-5.5 วิจารณ์ผลการค้นพบ"
การกำหนดค่า:
ตั้งค่าในแอปเดสก์ท็อป Dashboard หรือ config.yaml:
delegation: max_concurrent_children: 3 # ค่าเริ่มต้น max_spawn_depth: 2 # จำกัดการเรียกซ้ำ
บทบาท:→ leaf (ค่าเริ่มต้น): ดำเนินการ ไม่สามารถมอบหมายงานต่อได้ → orchestrator: สามารถสร้างผู้ทำงานของตัวเองได้
โหมดพื้นหลัง (v0.17.0): delegate_task(background=true) จะส่งซับเอเจนต์ออกไปและคืนค่าทันที เซสชันของคุณยังคงใช้งานได้ ผลลัพธ์จะกลับเข้ามาเป็นเทิร์นใหม่เมื่อเสร็จสิ้น
ข้อผิดพลาด: การใช้ซับเอเจนต์สำหรับงานง่ายๆ การมอบหมายงานมีค่าใช้จ่ายแฝง (การตั้งค่าบริบท การจัดสรรเครื่องมือ) งานที่เอเจนต์หลักสามารถจัดการได้ภายใน 3 เทิร์น ไม่ควรสร้างซับเอเจนต์
ตัวอย่าง: "ค้นคว้าคู่แข่งสามรายพร้อมกัน หนึ่งเอเจนต์ต่อหนึ่งคู่แข่ง ใช้ DeepSeek สำหรับการค้นคว้า เอเจนต์แม่บน Sonnet สังเคราะห์ข้อมูลทั้งหมด" รายงานสามฉบับใน 10 นาที แทนที่จะเป็น 30 นาที แต่ละเอเจนต์ทำงานแยกกัน ดังนั้นงานค้นคว้าที่ช้าหนึ่งงานจะไม่ขัดขวางงานอื่น
เลเวล 7 — การทำงานแบบอะซิงโครนัส
มันคืออะไร: สามฟีเจอร์ที่ทำให้ Hermes ทำงานได้โดยที่คุณไม่ต้องพิมพ์
มันปลดล็อกอะไรได้บ้าง: การเปลี่ยนแปลงจาก "ฉันถาม มันตอบ" เป็น "มันทำงาน ฉันตรวจทาน"
/goal — วัตถุประสงค์ถาวร: ตั้งเป้าหมาย โมเดลผู้ตัดสิน (judge model) จะประเมินหลังจากทุกเทิร์น: ทำเสร็จหรือยัง? เอเจนต์จะดำเนินการต่อโดยอัตโนมัติจนกว่าจะบรรลุเป้าหมาย คุณหยุดมัน หรืองบประมาณเทิร์น (ค่าเริ่มต้น 20) หมด
/goal หาคลินิก 100 แห่งในโตรอนโต สร้างแลนดิ้งเพจสำหรับแต่ละแห่ง ร่างอีเมลส่วนตัวถึงแต่ละคลินิก
/subgoal เพิ่มเกณฑ์ระหว่างการทำงานโดยไม่ต้องรีเซ็ตลูป
Cron jobs — งานตามกำหนดเวลา: Gateway จะติ๊กทุก 60 วินาที เรียกใช้งานที่ถึงกำหนดในเซสชันใหม่แบบแยกส่วน ส่งผลลัพธ์ไปยังแพลตฟอร์ม 27+ แห่ง: Telegram, Discord, Slack, WhatsApp, Signal, Matrix, iMessage, Microsoft Teams, Google Chat, LINE, อีเมล, SMS และอื่นๆ อีกมากมาย
v0.17.0 เพิ่ม: → WhatsApp Business Cloud API (อะแดปเตอร์อย่างเป็นทางการของ Meta, ไม่ต้องใช้ QR bridge) → iMessage ผ่าน Photon Spectrum (ไม่ต้องใช้ Mac relay) → Telegram rich messages (Bot API 10.1, การจัดรูปแบบดั้งเดิม) → Automation Blueprints: เทมเพลต cron แบบคลิกเดียวใน Dashboard (รายงานสรุปตอนเช้า, รีวิวประจำสัปดาห์, สรุปข่าว, การแจ้งเตือน) ไม่ต้องใช้ไวยากรณ์ cron
ค่าใช้จ่ายสามระดับ: → โหมด no_agent: สคริปต์คืองานนั้นเอง ค่าใช้จ่าย $0 ตลอดไป → เกต wakeAgent: สคริปต์เป็นตัวตัดสินว่าต้องใช้ LLM หรือไม่ ค่าใช้จ่าย $0 จนกว่าจะมีอะไรเปลี่ยนแปลง → context_from: เชื่อมต่อผลลัพธ์ของงานเป็นไปป์ไลน์โดยไม่ต้องมีเฟรมเวิร์ก
เซฟตี้เน็ต — เช็คพอยต์: เปิดใช้งานเช็คพอยต์ก่อนรันการทำงานอัตโนมัติ เอเจนต์จะสร้างสแนปช็อตของไดเรกทอรีที่คุณกำลังทำงานก่อนที่จะทำการเปลี่ยนแปลง /rollback จะคืนค่าสถานะหากเกิดอะไรขึ้นในตอนกลางคืน
ตั้งค่าในแอปเดสก์ท็อป Dashboard หรือ config.yaml:
checkpoints: enabled: true
ข้อผิดพลาด: การเขียนพรอมต์ cron ที่คลุมเครือ ทุกครั้งที่ cron รัน จะเริ่มจากศูนย์ ไม่มีหน่วยความจำ ไม่มีประวัติการแชท "ตรวจสอบปัญหาเซิร์ฟเวอร์นั้นหน่อย" ไม่มีความหมายอะไร "SSH ไปที่ 10.0.0.5, ตรวจสอบสถานะ nginx, ยืนยันว่าพอร์ต 443 คืนค่า 200" ถึงจะใช้ได้
ตัวอย่าง: 8:00 น. Telegram ส่งข้อความมา คุณไม่ได้ขอสิ่งนี้ Cron ส่งมา: "มีบทความ arXiv ใหม่ 3 บทความในหัวข้อที่คุณสนใจ คู่แข่งอัปเดตหน้าราคาแล้ว GitHub repo ที่คุณติดตามได้ merge การเปลี่ยนแปลงที่อาจทำให้ระบบมีปัญหา การดำเนินการ: ตรวจสอบราคาคู่แข่งก่อนการประชุม 11 โมงของคุณ"
https://x.com/IBuzovskyi/status/2066145326780518736
เฟส 3 — ความเป็นอิสระ (เลเวล 8-15)
Hermes ทำงานโดยไม่มีคุณ ระบบจะทวีคูณผลลัพธ์เมื่อเวลาผ่านไป
เลเวล 8 — สถาปัตยกรรมหลายโปรไฟล์
มันคืออะไร: โปรไฟล์ Hermes แยกจากกัน โดยแต่ละโปรไฟล์มี SOUL.md, การกำหนดค่า, หน่วยความจำ, สกิล, cron jobs และโมเดลเป็นของตัวเอง เอเจนต์แบบแยกส่วนโดยสมบูรณ์บนเครื่องเดียว
มันปลดล็อกอะไรได้บ้าง: ผู้ทำงานเฉพาะทาง แทนที่จะเป็นผู้เชี่ยวชาญทั่วไปที่รับภาระหนักเกินไป โปรไฟล์ Scout ค้นหาสัญญาณ โปรไฟล์ Analyst สังเคราะห์งานวิจัย โปรไฟล์ Coder ส่งมอบฟีเจอร์ แต่ละโปรไฟล์ทำงานเดียวได้ดี โดยใช้โมเดลที่เหมาะสมกับงานนั้น
การตั้งค่า:
แอปเดสก์ท็อป / Dashboard: โปรไฟล์ → สร้าง (วิซาร์ด 5 ขั้นตอน: ตัวตน → โมเดล → สกิล → MCP → ตรวจสอบ) CLI: hermes profile create [name]
แต่ละโปรไฟล์จะกลายเป็นคำสั่งของตัวเอง:
hermes -p scout chat hermes -p analyst chat
ข้อผิดพลาด: การให้ SOUL.md เหมือนกันทุกโปรไฟล์ ประเด็นทั้งหมดคือการแยกส่วน Scout ที่พยายามวิเคราะห์จะเสีย tokens ไปเปล่าๆ Analyst ที่พยายามหาแหล่งข้อมูลจะซ้ำซ้อนกับงานของ Scout หนึ่งโปรไฟล์ต่อหนึ่งงาน
ตัวอย่าง: Scout พบ 12 แหล่งข้อมูลข้ามคืน Analyst สังเคราะห์เป็น 4 รายการในวิกิภายใน 10 โมงเช้า Briefer ส่งสรุป 5 หัวข้อเวลา 8 โมงเช้า คุณอ่านมันตอนดื่มกาแฟ ไม่มีโปรไฟล์ไหนแชร์หน่วยความจำกัน แต่ละโปรไฟล์ทำงานเดียวโดยใช้โมเดลที่เหมาะสมกับงานนั้น
https://x.com/IBuzovskyi/status/2067313826492547483
เลเวล 9 — ฐานความรู้ที่พัฒนาตนเองได้
มันคืออะไร: สกิล LLM Wiki ซึ่งอิงตามรูปแบบของ Andrej Karpathy เป็นฐานความรู้ที่พัฒนาตนเองได้ซึ่งสร้างจากไฟล์ Markdown ที่เชื่อมโยงถึงกัน มาพร้อมกับ Hermes
มันปลดล็อกอะไรได้บ้าง: ความรู้ระยะยาวที่ทวีคูณเกินขีดจำกัดของหน่วยความจำ หน่วยความจำในตัวของ Hermes จัดการบริบทการสนทนา วิกิจัดการความรู้เฉพาะด้าน: บทความ บทถอดความ บันทึกการประชุม ผลการวิจัย การอ้างอิงโยงยังคงเชื่อมโยงกัน ความขัดแย้งจะถูกแจ้งเตือนโดยอัตโนมัติ
การตั้งค่า:
ตั้งค่าในแอปเดสก์ท็อป Dashboard หรือ config.yaml:
WIKI_PATH=~/obsidian-wiki
ในการรันครั้งแรก สกิลจะถามถึงโดเมนของคุณเพื่อสร้าง SCHEMA.md ด้วยระบบแท็กที่เหมาะสม
เชื่อมต่อกับ Obsidian เพื่อดูกราฟ: ตั้งค่า OBSIDIAN_VAULT_PATH เป็นไดเรกทอรีเดียวกัน
ป้อนข้อมูล: "index บทความนี้ลงในวิกิของฉัน: [paste URL or text]"
ข้อผิดพลาด: ไม่เคยป้อนข้อมูลให้วิกิ ฐานความรู้ที่ว่างเปล่าไม่มีประโยชน์อะไร คุณค่ามาจากการสะสม เดือนที่ 1: 50 รายการ เดือนที่ 3: 300+ รายการพร้อมการอ้างอิงโยง เอเจนต์จะเฉียบคมขึ้นเพราะฐานความรู้เฉียบคมขึ้น
ตัวอย่าง: คุณถาม "คู่แข่ง X จัดการ Onboarding อย่างไร?" หากไม่มีวิกิ: เอเจนต์ค้นหาเว็บ ให้ข้อมูลทั่วไป หากมีวิกิ 3 เดือน: เอเจนต์ดึงบันทึกการวิจัยของคุณเอง บันทึกการประชุมที่ลูกค้ากล่าวถึงคู่แข่ง X และบทความที่คุณ index เมื่อเดือนที่แล้ว คำตอบมีบริบทที่การค้นหาเว็บไม่สามารถหาได้
เลเวล 10 — การจัดการด้วยคัมบัง
มันคืออะไร: บอร์ดงาน SQLite ที่คงทนซึ่งแชร์ระหว่างโปรไฟล์ทั้งหมด สถานะต่างๆ ไหลจาก triage → todo → ready → running → blocked → done → archived ตัวจัดส่ง (Dispatcher) จะทำงานทุก 60 วินาที
มันปลดล็อกอะไรได้บ้าง: โปรเจกต์หลายขั้นตอนที่ซับซ้อนพร้อมสายโซ่การพึ่งพา การ์ดแต่ละใบสามารถรันลูป /goal ของตัวเองได้ (goal_mode) การ์ดที่การ์ดแม่ยังไม่เสร็จจะรอโดยอัตโนมัติ หลายโปรไฟล์สามารถรับการ์ดที่ถูกกำหนดให้กับพวกเขาได้
การตั้งค่า:
/kanban create "ค้นคว้าคลินิก 100 แห่ง" \ --assignee scout --goal --goal-max-turns 15
/kanban create "สร้างแลนดิ้งเพจ" \ --assignee coder --goal --goal-max-turns 20 \ --depends-on "ค้นคว้าคลินิก 100 แห่ง"
CLI: hermes kanban หรือ /kanban ในแชท
Kanban vs cron vs delegate_task: → Kanban: คิวงานถาวร คงอยู่แม้รีสตาร์ท หลายโปรไฟล์ → Cron: การกำหนดเวลาตามเวลา งานที่ทำซ้ำ → delegate_task: การทำงานแบบขนานแบบครั้งเดียวภายในเซสชัน
ข้อผิดพลาด: การใช้ Kanban สำหรับไปป์ไลน์เชิงเส้นอย่างง่าย การใช้สามโปรไฟล์ในเส้นตรง (Scout → Analyst → Briefer) ใช้ได้ดีกับการประสานงานผ่านไฟล์ Kanban จะมีประโยชน์เมื่อคุณมีแผนผังการพึ่งพา กิ่งก้านแบบขนาน หรือมีงานมากกว่า 10 งานที่ต้องติดตาม
ตัวอย่าง: การวิเคราะห์คู่แข่งรายไตรมาสในรูปแบบโปรเจกต์ Kanban 12 การ์ด: คู่แข่ง 3 ราย × 4 มิติ (ราคา ฟีเจอร์ การวางตำแหน่ง สัญญาณการจ้างงาน) การ์ดราคาขึ้นอยู่กับการ์ดขูดข้อมูลเว็บ การ์ดการจ้างงานขึ้นอยู่กับการ์ดค้นคว้า LinkedIn เอเจนต์ต่างๆ จะรับงานเมื่อการพึ่งพาได้รับการแก้ไข คุณตรวจสอบรายงานสรุปสุดท้าย
เลเวล 11 — โหมดเสียง
มันคืออะไร: การแปลงคำพูดเป็นข้อความและข้อความเป็นคำพูดบนแพลตฟอร์มการส่งข้อความทั้งหมด ผู้ให้บริการ STT หก ราย ผู้ให้บริการ TTS ห้า ราย
มันปลดล็อกอะไรได้บ้าง: พูดคุยกับ Hermes ผ่านข้อความเสียงบน Telegram, Discord, WhatsApp เอเจนต์ถอดความ ประมวลผล และสามารถตอบกลับด้วยเสียงสังเคราะห์ได้ การสนทนาด้วยเสียงแบบเต็มรูปแบบโดยไม่ต้องพิมพ์
ผู้ให้บริการ STT: → faster-whisper (ฟรี, ทำงานบนอุปกรณ์) → local command wrapper → Groq (คลาวด์เร็ว) → OpenAI Whisper API → Mistral → xAI
ผู้ให้บริการ TTS: → Edge TTS (ฟรี, ค่าเริ่มต้น) → ElevenLabs (คุณภาพดีที่สุด, เสียเงิน) → OpenAI TTS → MiniMax → NeuTTS (ฟรี)
ข้อผิดพลาด: การใช้บริการ STT ระบบคลาวด์ราคาแพงสำหรับข้อความเสียงทั่วไป faster-whisper ในเครื่องรองรับภาษาได้ดีและไม่มีค่าใช้จ่าย เก็บบริการ STT แบบเสียเงินไว้สำหรับเสียงที่ซับซ้อนหรือสภาพแวดล้อมที่มีเสียงรบกวน
ตัวอย่าง: กำลังขับรถไปประชุม ส่งข้อความเสียงบน Telegram: "มีอะไรจากการวิจัยเมื่อคืนที่ฉันควรรู้ก่อนประชุม 11 โมงไหม?" เอเจนต์ตอบกลับด้วยสรุปเสียง 30 วินาที คุณฟังแทนการอ่าน มือยังอยู่บนพวงมาลัย
เลเวล 12 — ระบบอัตโนมัติของเบราว์เซอร์
มันคืออะไร: Hermes สามารถควบคุมเบราว์เซอร์เพื่อนำทางเว็บไซต์ กรอกฟอร์ม ดึงข้อมูล และโต้ตอบกับเว็บแอปพลิเคชัน
มันปลดล็อกอะไรได้บ้าง: งานที่ต้องใช้เซสชันเบราว์เซอร์: ขูดข้อมูลหน้าเว็บแบบไดนามิก กรอกฟอร์มบนเว็บ โต้ตอบกับเครื่องมือที่ไม่มี API เอเจนต์จะเห็นหน้าเว็บและดำเนินการกับมัน
การตั้งค่า:
รวมอยู่ใน Tool Gateway สำหรับสมาชิก Nous Portal:
hermes setup --portal
หรือกำหนดค่าระบบอัตโนมัติของเบราว์เซอร์แยกต่างหากผ่าน Dashboard
ข้อผิดพลาด: การใช้ระบบอัตโนมัติของเบราว์เซอร์สำหรับงานที่มี API ระบบอัตโนมัติของเบราว์เซอร์นั้นช้า เปราะบาง และแพงกว่าการเรียก API โดยตรง ใช้มันเมื่อไม่มี API เท่านั้น
ตัวอย่าง: คู่แข่งไม่มี API สาธารณะ เอเจนต์เปิดหน้าราคาของพวกเขาผ่านเบราว์เซอร์ ดึงแผนและราคาปัจจุบัน เปรียบเทียบกับสแนปช็อตเดือนที่แล้วที่เก็บไว้ในวิกิของคุณ ตรวจพบการเปลี่ยนแปลง: พวกเขายกเลิกฟรีเทียร์ ถูกแจ้งในรายงานสรุปตอนเช้าของคุณ
เลเวล 13 — เซิร์ฟเวอร์ API
มันคืออะไร: Hermes ถูกเปิดเผยเป็น HTTP endpoint ที่เข้ากันได้กับ OpenAI เอเจนต์เต็มรูปแบบพร้อมเครื่องมือ หน่วยความจำ และสกิลที่เข้าถึงได้ผ่านรูปแบบ API มาตรฐาน
มันปลดล็อกอะไรได้บ้าง: ส่วนติดต่อผู้ใช้ใดๆ ที่ใช้รูปแบบ OpenAI สามารถเชื่อมต่อกับ Hermes เป็นแบ็กเอนด์: Open WebUI, LobeChat, LibreChat, ChatBox, แอปพลิเคชันที่กำหนดเอง, การรวม Excel เอเจนต์กลายเป็น API ที่คุณสามารถสร้างต่อยอดได้
การตั้งค่า:
ตั้งค่าในแอปเดสก์ท็อป Dashboard หรือ .env:
API_SERVER_ENABLED=true API_SERVER_KEY=your_secret_key
เริ่ม Gateway: แอปเดสก์ท็อป / Dashboard: Gateway → เริ่ม CLI: hermes gateway
Endpoint: http://127.0.0.1:8642/v1/chat/completions
การตั้งค่าหลายผู้ใช้: สร้างหนึ่งโปรไฟล์ต่อหนึ่งผู้ใช้บนพอร์ตที่แตกต่างกัน แต่ละโปรไฟล์จะได้รับการกำหนดค่า หน่วยความจำ และสกิลที่แยกจากกัน
ข้อผิดพลาด: การเปิดเผยเซิร์ฟเวอร์ API สู่อินเทอร์เน็ตสาธารณะโดยไม่มีการตรวจสอบสิทธิ์ เซิร์ฟเวอร์จะผูกกับ 127.0.0.1 โดยค่าเริ่มต้น เข้าถึงจากระยะไกลผ่าน SSH tunnel ไม่ใช่การเปิดเผยต่อสาธารณะ v0.17.0 เพิ่ม OAuth gate บนทุก endpoint ที่ต้องใช้ token และ websocket auth สำหรับ Dashboard
ตัวอย่าง: การวิจัยคู่แข่งของคุณทำงานเป็น API endpoint Dashboard ที่กำหนดเองสอบถาม Hermes เพื่อหาข้อมูลล่าสุด ทีมของคุณเห็นข้อมูลคู่แข่งบนหน้าภายในแบบสด ไม่มีใครเปิด Telegram ข้อมูลส่งตัวเองมา
เลเวล 14 — การรวม IDE (ACP)
มันคืออะไร: Hermes ทำงานเป็นเซิร์ฟเวอร์ ACP (Agent Communication Protocol) ภายใน VS Code, Zed และโปรแกรมแก้ไข JetBrains
มันปลดล็อกอะไรได้บ้าง: แชท กิจกรรมของเครื่องมือ ความแตกต่างของไฟล์ และคำสั่งเทอร์มินัลแสดงผลภายในโปรแกรมแก้ไขของคุณ เอเจนต์ทำงานในไดเรกทอรีโปรเจกต์ของคุณด้วยบริบทของโปรแกรมแก้ไข แกนกลางเอเจนต์เดียวกัน เครื่องมือเดียวกัน หน่วยความจำเดียวกับ CLI และ Gateway
การตั้งค่า:
hermes acp start
ใน VS Code: ติดตั้ง ACP extension แล้วชี้ไปที่ Hermes
ACP ประกอบด้วย: → เครื่องมือจัดการไฟล์: read_file, write_file, patch, search_files → การทำงานเทอร์มินัล → ส่วนติดต่อแชทภายในโปรแกรมแก้ไข → พรอมต์อนุมัติสำหรับคำสั่งอันตราย
ACP ไม่รวม (โดยการออกแบบ): → การส่งข้อความ → การจัดการ cron jobs → ฟีเจอร์เฉพาะของ Gateway
ข้อผิดพลาด: คิดว่า ACP แทนที่ Gateway ได้ ACP มีไว้สำหรับเซสชันการเขียนโค้ดภายในโปรแกรมแก้ไข Gateway จัดการการส่งข้อความ, cron, และการส่งมอบหลายแพลตฟอร์ม ทั้งคู่รันแกนกลางเอเจนต์เดียวกัน
ตัวอย่าง: กำลังเขียนโค้ดหน้าราคา ภายใน VS Code คุณถาม Hermes: "คู่แข่ง X จัดโครงสร้างเทียร์ของพวกเขาอย่างไร?" เอเจนต์ตรวจสอบ Obsidian wiki ของคุณ ค้นหาบันทึกการวิจัยของคุณ และให้คำตอบ คุณปรับเปลี่ยนการออกแบบโดยไม่ต้องเปิดเบราว์เซอร์หรือ Telegram
เลเวล 15 — การแจกจ่ายโปรไฟล์
มันคืออะไร: แพ็กเกจการตั้งค่าเอเจนต์ทั้งหมดของคุณเป็น Git repo ทุกคนสามารถติดตั้งเอเจนต์ของคุณได้ด้วยคำสั่งเดียว
มันปลดล็อกอะไรได้บ้าง: เอเจนต์ของคุณกลายเป็นผลิตภัณฑ์ ขายมัน แบ่งปันกับทีมของคุณ แจกจ่ายให้ลูกค้า ทุกอย่างถูกถ่ายโอนยกเว้นคีย์ API และความทรงจำส่วนตัว
v0.17.0 ยังแนะนำ RAFT Agent Network: เชื่อมต่อ Hermes กับ raft.build ในฐานะเอเจนต์ภายนอก สะพาน Wake-channel พร้อมความเป็นส่วนตัวตามสัญญา (wake payloads มีเฉพาะข้อมูลเมตาเท่านั้น ไม่มีเนื้อหาข้อความ) เอเจนต์ของคุณสามารถทำงานร่วมกับเอเจนต์บนเครื่องอื่นได้
สิ่งที่การแจกจ่ายประกอบด้วย:
distribution.yaml # manifest SOUL.md # ตัวตน config.yaml # การตั้งค่าโมเดลและผู้ให้บริการ skills/ # สกิลที่กำหนดเอง cron/ # งานตามกำหนดเวลา mcp.json # เครื่องมือที่เชื่อมต่อ
ติดตั้งการแจกจ่ายของคนอื่น:
hermes profile install
ข้อผิดพลาด: การรวมคีย์ API หรือข้อมูลส่วนตัวไว้ในการแจกจ่าย ข้อมูลประจำตัวจะอยู่ต่อเครื่อง การแจกจ่ายประกอบด้วยบุคลิก สกิล และขั้นตอนการทำงาน ผู้ใช้จะนำคีย์ของตนเองมา
ตัวอย่าง: คุณสร้างแผนกวิจัยด้วย Scout, Analyst, Briefer สมาชิกทีมใหม่เข้ามา พวกเขารัน: hermes profile install github.com/you/research-dept. พวกเขาจะมีสามโปรไฟล์ของคุณ โครงสร้างวิกิ cron jobs และเทมเพลต SOUL.md พวกเขาเพิ่มคีย์ API และ Telegram bot ของตนเอง เริ่มทำงานได้ภายใน 10 นาที
เวิร์กโฟลว์เดียว 15 วิวัฒนาการ
การวิจัยคู่แข่ง งานเดียวกัน ดูว่ามันเปลี่ยนแปลงไปอย่างไรในทุกเลเวล
เลเวล 1: คุณพิมพ์ "มีอะไรใหม่เกี่ยวกับ AI agents สัปดาห์นี้?" แล้วอ่านข้อความยาวเป็นกำแพง
เลเวล 2: เอเจนต์รู้จักกลุ่มเฉพาะและคู่แข่งของคุณจาก SOUL.md แล้ว คำถามเดียวกัน คำตอบถูกกรองให้ตรงกับตลาดของคุณ
เลเวล 3: /background ค้นคว้าคู่แข่ง ในขณะที่คุณร่างข้อเสนอ ผลลัพธ์ปรากฏขึ้นโดยไม่เสียจังหวะการทำงานของคุณ
เลเวล 4: สกิลการวิจัยรันบน DeepSeek V4 Flash สกิลการวิเคราะห์รันบน Sonnet คุณหยุดจ่ายเงินราคา Opus สำหรับการค้นหาเว็บ
เลเวล 5: เอเจนต์ตรวจสอบ Slack, อีเมล และ ClickUp ก่อนตอบ "คู่แข่งเปิดตัวเมื่อวานนี้ ทีมของคุณคุยกันใน #product"
ระดับ 6: เอเจนต์ย่อยสามตัวค้นคว้าคู่แข่งสามรายแบบขนานกัน แต่ละตัวใช้ DeepSeek เอเจนต์หลักบน Sonnet สังเคราะห์ข้อมูล เสร็จใน 10 นาที แทนที่จะเป็น 30 นาที
ระดับ 7: คุณหยุดถามแล้ว cron job ทำงานตอน 7 โมงเช้า wakeAgent gate: ถ้าไม่มีอะไรเปลี่ยนแปลง = $0 ถ้าคู่แข่งอัปเดตฟีเจอร์ = เอเจนต์ตื่น เริ่มค้นคว้า และส่งสรุปไปที่ Telegram คุณอ่านระหว่างดื่มกาแฟ
ระดับ 8: โปรไฟล์ Scout ค้นหาสัญญาณทุก 3 ชั่วโมง Analyst สังเคราะห์ตอน 10 โมง Briefer ส่งสรุปตอน 8 โมง สามโปรไฟล์ หนึ่งไปป์ไลน์
ระดับ 9: ผลลัพธ์ถูกส่งไปยัง wiki Obsidian เดือนที่ 3: มีมากกว่า 300 รายการ เอเจนต์เผยรูปแบบที่คุณไม่ได้ถาม เพราะ wiki พบความเชื่อมโยงข้ามแหล่งข้อมูล
ระดับ 10: การวิเคราะห์รายไตรมาสทำงานเป็นโปรเจกต์ Kanban 12 การ์ดพร้อม chain การพึ่งพา เอเจนต์รับงานเมื่อ dependencies เคลียร์ คุณตรวจสอบรายงานสุดท้าย
ระดับ 11: กำลังขับรถไปประชุม ข้อความเสียง: “มีอะไรจากการค้นคว้าคืนนี้ไหม?” เอเจนต์ตอบกลับด้วยเสียง คุณฟังแทนที่จะอ่าน
ระดับ 12: คู่แข่งไม่มี API เอเจนต์เปิดหน้า pricing ผ่านเบราว์เซอร์ เปรียบเทียบกับ snapshot เดือนที่แล้ว ตรวจพบการเปลี่ยนแปลง แจ้งเตือนในสรุปของคุณ
ระดับ 13: การค้นคว้าทำงานเป็น API endpoint dashboard ที่กำหนดเองสอบถามข้อมูล ทีมของคุณเห็น intel การแข่งขันบนหน้าเว็บแบบเรียลไทม์
ระดับ 14: กำลังเขียนโค้ดฟีเจอร์ ภายใน VS Code คุณถาม “คู่แข่ง X จัดการเรื่องนี้ยังไง?” เอเจนต์ตอบจาก wiki ของคุณโดยไม่ต้องออกจาก editor
ระดับ 15: การตั้งค่าการค้นคว้าของคุณเป็น git repo สมาชิกทีมใหม่รันคำสั่งเดียว Scout, Analyst, Briefer, โครงสร้าง wiki, cron jobs ทั้งหมดติดตั้งใน 10 นาที
TOKEN ECONOMICS: วิธีรันทั้ง 15 ระดับโดยไม่เสียเงินเปลือง
ทุกระดับตั้งแต่ 3 ขึ้นไปใช้ tokens ต่อไปนี้คือตัวควบคุมที่ทำให้ค่าใช้จ่ายคาดเดาได้
เลือก MODEL ให้เหมาะสมกับงาน (ระดับ 4+)
ไม่ใช่ว่าทุกงานต้องใช้ model แพงที่สุด ค้นหาเว็บ = DeepSeek V4 Flash ($0.10/M) สังเคราะห์ = Sonnet ($3/$15/M) ทบทวนสุดท้าย = Opus 4.8 ($5/$25/M) กำหนด model ตามทักษะ ตามโปรไฟล์ ตาม cron job ดูระดับ 4 สำหรับตาราง model ต่องานแบบเต็ม
WAKEAGENT GATES (ระดับ 7+)
สคริปต์รันทุก tick โดยไม่เสียค่าใช้จ่าย ตรวจสอบว่ามีอะไรเปลี่ยนแปลงไหม ถ้าไม่มีอะไรเปลี่ยน = เอเจนต์ไม่ตื่น = $0 เอเจนต์จะใช้ tokens เมื่อมีงานต้องทำเท่านั้น
โหมด NO_AGENT (ระดับ 7+)
เมื่อสคริปต์คือตัวงาน เช่น การตรวจสอบ uptime, การแจ้งเตือนดิสก์, การดูไฟล์ ผลลัพธ์ส่งตรงไปยัง Telegram ไม่มีการเรียก LLM เลย ไม่มี tokens สักตัว ตลอดไป
สคริปต์ PRE-RUN (ระดับ 7+)
สคริปต์รวบรวมข้อมูลโดยไม่เสียค่าใช้จ่าย ผลลัพธ์ถูกแทรกเข้าไปในพรอมพ์เป็น context model สรุปสิ่งที่สคริปต์ดึงมา แทนที่จะเสีย tool calls ในการหาข้อมูลเอง
ชุดเครื่องมือแบบลีน (ระดับ 5+)
ตั้งค่า --skills web,file ต่อ cron job ยิ่งมี tool schemas ใน context น้อย = พรอมพ์เล็กลง = ถูกกว่า งานสรุปข่าวไม่จำเป็นต้องมีเครื่องมือเบราว์เซอร์ delegation หรือ kanban
TOOL SEARCH (ระดับ 5+)
เปิดใช้งานโดยอัตโนมัติเมื่อ tool schemas กินพื้นที่ context 10%+ แทนที่คำจำกัดความ tool เต็มรูปแบบด้วย bridge tools 3 ตัว ประมาณ 300 tokens แทนที่จะเป็นพัน เอเจนต์ค้นหา tool ตามความต้องการ แทนที่จะโหลดทั้งหมดพร้อมกัน
เกณฑ์การบีบอัด (ระดับ 7+)
ตั้งค่าใน Desktop app, Dashboard หรือ config.yaml:
compression: threshold: 0.40 # ค่าเริ่มต้น 0.50
เริ่มบีบอัด context เร็วกว่าเดิม ทำให้ /goal runs และ cron sessions ที่ยาวนานอยู่ในงบประมาณ tokens แม้จะมากกว่า 20 รอบ
CURATOR — ฟรีโดยค่าเริ่มต้น (v0.17.0)
การตัดแต่งทักษะแบบ deterministic ยังคงทำงานฟรี การรวมข้อมูลแบบ LLM เป็นแบบ opt-in เท่านั้น:
ตั้งค่าใน Desktop app, Dashboard หรือ config.yaml:
curator: consolidate: true # opt-in, ค่าเริ่มต้น false
การดูแลพื้นหลังประจำวันใช้ tokens เป็นศูนย์ เปิดใช้งาน consolidation เฉพาะเมื่อคลังทักษะของคุณต้องการทำความสะอาดอย่างล้ำลึก
LOSSLESS DENSIFICATION (PR #47866 โดย teknium)
ผลลัพธ์ search_files ถูกบีบอัดก่อนถึง model ข้อมูลเท่าเดิม tokens น้อยลง รวมเข้ากับ Hermes ล่าสุด รัน hermes update
AUXILIARY MODELS สำหรับ JUDGE (ระดับ 7+)
judge ของ /goal ทำงานทุกครั้งหลังแต่ละเทิร์น เปลี่ยนเส้นทางไปยัง model ที่ถูกและเร็ว
ตั้งค่าใน Desktop app, Dashboard หรือ config.yaml:
auxiliary: goal_judge: provider: openrouter model: google/gemini-3-flash-preview
20 การเรียก judge บน Gemini Flash เทียบกับ 20 บน Opus = ประหยัดเงินอย่างมาก
BUDGET CAPS (ทุกระดับ)
ตั้งค่าใน Desktop app, Dashboard หรือ config.yaml:
budget: daily_max_usd: 10 session_max_usd: 2 monthly_max_usd: 200
ขีดจำกัดแบบแข็ง เอเจนต์หยุดเมื่อถึงขีดจำกัด ตั้งค่าสิ่งเหล่านี้ก่อนเปิดใช้งาน cron job หรือ /goal run ใดๆ
ติดตามการใช้จ่าย
Desktop app / Dashboard: แท็บ Usage แสดงรายละเอียดรายโปรไฟล์ CLI: /usage ในเซสชันใดๆ สำหรับสถิติรายเซสชัน
เพิ่ม “จบด้วยการใช้ tokens สัปดาห์นี้” ในพรอมพ์ Briefer เพื่อติดตามค่าใช้จ่ายรายสัปดาห์ใน Telegram
รูปแบบที่เหมือนกันในทั้งหมดนี้คือ: ผลักงานออกจาก model แพงไปยังโค้ดฟรี model ถูก และ context ที่ถูกบีบอัด เอเจนต์เป็นคนคิด ทุกอย่างอื่นทำงานฟรี
เริ่มต้นด้วย Blank Slate
ถ้าคุณใส่ใจการควบคุม tokens ตั้งแต่วันแรก ติดตั้งด้วยโหมด Blank Slate (hermes setup → Blank Slate) ปิดทุกอย่างยกเว้น provider, model, file tools, terminal เพิ่มฟีเจอร์ทีละอย่างเมื่อต้องการ ไม่มีอะไรโหลดที่คุณไม่ได้เปิดใช้งานอย่างชัดเจน นี่คือจุดเริ่มต้นที่ถูกที่สุดและควบคุมได้มากที่สุด
จุดที่คนส่วนใหญ่หยุด
ระดับ 1-2 พวกเขาติดตั้ง Hermes เขียน SOUL.md และใช้เป็นแชทบอทอัจฉริยะ เอเจนต์ช่วยประหยัดเวลา 30 นาทีต่อวัน
การกระโดดจากระดับ 3 ถึงระดับ 7 คือจุดที่การประหยัดเวลาต่อวันเปลี่ยนจากนาทีเป็นชั่วโมง /background, ทักษะกับ model ที่เหมาะสม, cron jobs พร้อม wakeAgent gates สิ่งเหล่านี้ทบต้นกัน
การกระโดดจากระดับ 7 ถึงระดับ 10+ คือจุดที่เอเจนต์เลิกเป็นเครื่องมือและกลายเป็นระบบ สถาปัตยกรรมหลายโปรไฟล์ ความรู้ที่พัฒนาตัวเอง Kanban orchestration คุณตรวจสอบงานที่เกิดขึ้นโดยไม่มีคุณ
วิธีการระบุระดับปัจจุบันของคุณ
คุณไม่จำเป็นต้องถึงระดับ 15 ผู้ก่อตั้งเดี่ยวส่วนใหญ่ทำงานได้ดีที่ระดับ 7-10 ระดับที่สูงกว่านั้นแก้ปัญหาเฉพาะ: เสียงสำหรับ workflow บนมือถือ, เบราว์เซอร์สำหรับเครื่องมือที่ไม่มี API, API server สำหรับการรวมระบบแบบกำหนดเอง, IDE สำหรับการเขียนโค้ด, การแจกจ่ายสำหรับทีม
เลือกระดับที่ตรงกับคอขวดของคุณ ตั้งค่าระดับนั้น แล้วเลื่อนไประดับถัดไปเมื่อมันไม่พอเพียงอีกต่อไป
บทความที่เกี่ยวข้อง
- HERMES AGENT SOUL.MD: ทำไม 50 บรรทัดถึงสำคัญกว่าโมเดลของคุณ — เจาะลึกระดับ 2
- HERMES AGENT สร้างตัวเองในขณะที่คุณหลับ — เจาะลึกระดับ 7
- HERMES AGENT + NOTEBOOKLM + OBSIDIAN: แผนกวิจัย 3 เอเจนต์ — เจาะลึกระดับ 8-9
แหล่งข้อมูลทางการ
- ภาพรวมฟีเจอร์
- SOUL.md
- ทักษะ (Skills)
- Cron
- Delegation
- เป้าหมาย (Goals)
- โปรไฟล์ (Profiles)
- Kanban
- เสียง & TTS
- ระบบอัตโนมัติเบราว์เซอร์
- API Server
- ACP/IDE
- การแจกจ่ายโปรไฟล์
- ภาพรวมการรวมระบบ
รายละเอียดทางเทคนิคทั้งหมดได้รับการตรวจสอบกับเอกสาร Hermes Agent v0.17.0
