ทุกสิ่งที่คุณต้องรู้เพื่อทำความเข้าใจและปรับแต่ง Hermes Agent ทักษะที่พัฒนาตัวเองได้ หน่วยความจำสามชั้น การปรับแต่งด้วย GEPA และการขยายจาก 1 ไปจนถึง 10 เอเจนต์ที่ทำงานให้คุณตลอด 24/7
Hermes Agent ทะลุ 90,000 ดาวบน GitHub ภายในสองเดือน นักพัฒนากำลังสร้างเอเจนต์ AI ส่วนตัวที่เรียนรู้เวิร์กโฟลว์ของคุณ จดจำบริบทของคุณ และทำงานตลอด 24/7 อย่างเงียบๆ
ทุกเอเจนต์ AI ที่คุณเคยใช้มีปัญหาเดียวกัน: มันลืมทุกอย่างทันทีที่เซสชันของคุณสิ้นสุดลง
ความชอบในการเขียนโค้ดของคุณ ข้อตกลงของโปรเจกต์ที่คุณแก้ไขให้มันสามครั้ง วิธีแก้ไขที่มันใช้เวลา 10 นาทีเมื่อวานนี้เพื่อคิดออก ทั้งหมดหายไป เซสลาย เซสชันถัดไป คุณเริ่มต้นจากศูนย์
Hermes Agent โดย Nous Research ใช้แนวทางที่แตกต่างโดยพื้นฐาน มันมาพร้อมกับลูปการเรียนรู้ที่:
- จดจำข้ามเซสชัน
- เขียนทักษะที่ใช้ซ้ำได้ของตัวเอง
- ตัดแต่งทักษะเหล่านั้นในพื้นหลัง
- และตรวจสอบความถูกต้องแบบออฟไลน์ผ่านเอนจินวิวัฒนาการที่ชื่อ GEPA
ไม่มีโอเพนโอเพนซอร์สอื่นที่รวมทั้งสามอย่างนี้เข้าด้วยกัน ไม่ใช่แม้แต่ OpenClaw
คู่มือนี้ครอบคลุมว่าลูปการเรียนรู้ทำงานอย่างไร แต่ละชั้นหน่วยความจำทำอะไร และวิธีกำหนดค่าทุกอย่างตั้งแต่เริ่มต้น
เมื่ออ่านจบ คุณจะมีเอเจนต์ที่แยกอิสระสามตัวทำงานบนเครื่องของคุณ: โปรแกรมเมอร์ (ที่ใช้ Claude Code ของคุณ), นักวิจัยเชิงลึก, และนักออกแบบ แต่ละตัวมีบุคลิก หน่วยความจำ ทักษะ และบอท Telegram ของตัวเอง
ดูนี่สิ:
การตั้งค่าทั้งหมดใช้เวลาไม่กี่นาที และทุกอย่างที่นี่สามารถทำซ้ำได้บนฮาร์ดแวร์ของคุณเอง
หมายเหตุ: ภาพประกอบทั้งหมดในคู่มือนี้ออกแบบโดย Pixel ซึ่งเป็นหนึ่งในเอเจนต์ Hermes ที่คุณจะได้เรียนรู้วิธีสร้างเมื่ออ่านจบ คอยสังเกตภาพประกอบเหล่านี้ขณะที่คุณอ่าน
มาเริ่มกันเลย!
วิธีอ่านคู่มือนี้
สองส่วน: ทฤษฎีก่อน ตามด้วยปฏิบัติ
มีเวลาไม่มาก? ข้ามไปที่ส่วน การเริ่มต้นใช้งาน คำสั่งต่างๆ ทำงานได้ด้วยตัวเอง
แต่ทฤษฎีก็คุ้มค่า การรู้ว่าทักษะพัฒนาตัวเองได้อย่างไร หน่วยความจำประกอบกันอย่างไร และเมื่อใดที่ GEPA แสดงความสำคัญ คือความแตกต่างระหว่างการใช้ Hermes เป็นแชทบอทที่มีบันทึก กับการใช้มันเป็นสิ่งที่พัฒนาไปเรื่อยๆ
สิ่งที่รอคุณอยู่:
- Hermes Agent จริงๆ คืออะไร. ข้อเสนอ พร้อมการเปรียบเทียบกับ OpenClaw
- สร้างขึ้นมาได้อย่างไร. สถาปัตยกรรมในไดอะแกรมเดียว
- ก่อนหน่วยความจำ: เอเจนต์คือใคร? SOUL.md ชั้นอัตลักษณ์
- ระบบหน่วยความจำ. สามชั้น สามความเร็ว
- ทักษะที่พัฒนาตัวเองได้. หนังสือเล่นที่เอเจนต์เขียนเอง พร้อม Curator
- GEPA. การปรับแต่งทักษะแบบออฟไลน์
- การเริ่มต้นใช้งาน. ติดตั้ง, Telegram, เอเจนต์แรก
- การรันหลายเอเจนต์. โปรไฟล์, สามบุคลิกสามแบบ, สรุปตามกำหนดการ
- การปรับแต่งเอเจนต์ตามความต้องการของคุณ
Hermes คืออะไร และอะไรที่ทำให้มันแตกต่างทางสถาปัตยกรรม
ข้อเสนอสั้นๆ: เอเจนต์ที่ยิ่งใช้ยิ่งเก่งขึ้น
สิ่งที่ทำให้สิ่งนี้เป็นจริงคือความสามารถสามอย่างที่ปกติแยกจากกัน มาอยู่ในเฟรมเวิร์กเดียว: การเรียนรู้ทักษะขณะรันไทม์, หน่วยความจำหลายชั้นแบบถาวร, และไปป์ไลน์การฝึกน้ำหนักแบบเสริมได้ ไม่มีนโอเพนซอร์สอื่นที่มาพร้อมทั้งสามอย่าง
การเปรียบเทียบที่ใกล้เคียงที่ใกล้เคียงที่สุดในระบบนิเวศโอเพนซอร์สคือ OpenClaw ทั้งสองแบบถาวร เป็นมิตรกับการส่งข้อความ แต่เลือกทางสถาปัตยกรรมที่ตรงกันข้าม
กรอบความคิดที่ชัดเจนจากบล็อก Kilo จับประเด็นได้: "Hermes ห่อห่อเกตเวย์รอบเอเจนต์ที่เรียนรู้ OpenClaw ห่อเอเจนต์รอบเกตเวย์การส่งข้อความ"
สร้างขึ้นมาได้อย่างไร
ก่อนที่ลูปการเรียนรู้จะสมเหตุสมผล คุณต้องมีภาพพื้นฐานว่า Hermes มีโครงสร้างอย่างไร
ทุกอย่างไหลผ่านคลาส AIAgent เดียวในสคริปต์ run_agent.py CLI, เกตเวย์การส่งข้อความ, ตัวรันแบบแบตช์, การรวม IDE: ทั้งหมดเป็นจุดเข้าไปยังเอเจนต์หลักเดียวกัน
นี่คือสิ่งที่ทำให้เรื่องที่ไม่ขึ้นกับแพลตแพลตฟอร์มใช้งานได้จริง
ลูปหลักเป็นแบบ ReAct และซิงโครนัส สร้าง system prompt, ตรวจสอบว่าต้องการการบีบอัดหรือไม่, เรียก API ที่ขัดจังหวะได้, ดำเนินการเรียกใช้เครื่องมือใดๆ, วนซ้ำอีกครั้ง
รายละเอียดบางอย่างที่สำคัญในภายหลัง:
- ามารถรันคำสั่งในหกตำแหน่งที่แตกต่างกัน เทอร์มินัลท้องถิ่น, Docker, SSH, Modal, Daytona, หรือ Singularity โค้ดเดียวกัน แค่เปลี่ยนการกำหนดค่า ย้ายการทำงานจากแล็ปท็อปของคุณไปยังเซิร์ฟเวอร์ GPU คลาวด์โดยไม่ต้องแตะอย่างอื่น
- มันทำงานกับโมเดลเกือบทุกชนิด ชั้นการแปลจะส่งผู้ให้บริการใดๆ ผ่านหนึ่งในสามรูปแบบ API นั่นคือเหตุผลที่คุณสามารถสลับจาก Claude ไป GPT ไป Gemini ไปยัง Ollama ท้องถิ่นด้วยคำสั่งเดียว และไม่มีอะไรพัง
- เอเจนต์มีขีดจำกัดสูงสุด 90 รอบต่องาน หากไม่มีขีดจำกัดนี้ เอเจนต์ที่ติดอยู่ในลูป (ลอง API ที่ล้มเหลวซ้ำๆ อ่านไฟล์เดิมซ้ำๆ) จะเผาเครดิตของคุณอย่างเงียบๆ เอเจนต์ย่อยใช้งบประมาณเดียวกัน ดังนั้นห่วงโซ่การมอบหมายที่失控 จึงไม่สามารถเล็ดลอดผ่านไปได้
นั่นคือโครงสร้างเพียงพอ ตอนนี้ส่วนที่น่าสนใจ
ก่อนหน่วยความจำ: เอเจนต์คือใคร?
ก่อนที่เราจะไปถึงหน่วยความจำและทักษะที่พัฒนาตัวเองได้ มีชั้นที่อยู่เหนือทั้งสอง: อัตลักษณ์
หน่วยความจำคือสิ่งที่เอเจนต์รู้ ทักษะคือวิธีที่มันทำสิ่งต่างๆ แต่ทั้งสองอย่างไม่ได้บอกว่ามันเป็นใครเมื่อมันปรากฏตัว หากไม่มีชั้นอัตลักษณ์ ทุกเอเจนต์จะรู้สึกเหมือนเอเจนต์เดียวกันที่สวมหมวกต่างกัน
Hermes แก้ปัญหานี้ด้วยไฟล์เดียว: SOUL.md
มันอยู่ที่ ~/.hermes/SOUL.md และอยู่ในสล็อต #1 ใน system prompt ก่อนที่อย่างอื่นจะโหลด มันกำหนดบุคลิก น้ำเสียง รูปแบบการสื่อสาร และขีดจำกัดที่เข้มงวดของเอเจนต์
SOUL.md เขียนด้วยมือและคงที่ คุณเขียนครั้งเดียว ปรับแต่งเมื่อเวลาผ่านไป และมันคงที่สม่ำเสมอในทุกโปรเจกต์และทุกเซสชัน หากไฟล์หายไป Hermes จะกลับไปใช้ค่าเริ่มต้นในตัวเริ่มต้น
ทำไมสิ่งนี้ถึงสำคัญสำหรับเรื่องการพัฒนาตัวเอง? เพราะทุกอย่างที่ตามมา (หน่วยความจำที่เอเจนต์เขียน ทักษะที่มันสร้าง วิธีที่มันรวบรวมความรู้) เกิดขึ้นผ่านเลนส์ของอัตลักษณ์นี้
SOUL.md คือกรอบที่ตายตัว หน่วยความจำและทักษะคือชิ้นส่วนที่เคลื่อนไหวภายใน
ระบบหน่วยความจำ: สามชั้น สามความเร็ว
Hermes ไม่มี "หน่วยความจำ" เดียว มันมีสามชั้น แต่ละชั้นออกแบบมาเพื่อวัตถุประสงค์ที่แตกต่างกัน
ชั้นที่ 1: ไฟล์ Markdown เล็กๆ สองไฟล์
ที่แกนกลางมีสองไฟล์ที่เก็บไว้บนดิสก์:
- MEMORY.md (สูงสุด 2,200 ตัวอักษร) เก็บบันทึกของเอเจนต์เกี่ยวกับสภาพแวดล้อมของคุณ ข้อตกลงของโปรเจกต์ ลักษณะเฉพาะของเครื่องมือ และบทเรียนที่ได้เรียนรู้
- USER.md (สูงสุด 1,375 ตัวอักษร) เก็บโปรไฟล์ของคุณ: ชื่อ ความชอบในการสื่อสาร ระดับทักษะ และสิ่งที่ควรหลีกเลี่ยง
ทั้งสองไฟล์ถูกแทรกเข้าไปใน system prompt เป็นภาพรวมที่ถูกแช่แข็งเมื่อเซสชันเริ่มต้น หากเอเจนต์เขียนรายการหน่วยความจำใหม่ระหว่างเซสชัน การเปลี่ยนแปลงนั้นจะถูกบันทึกลงดิสก์ทันที แต่จะไม่ปรากฏใน system prompt จนกว่าเซสชันถัดไป
เมื่อหน่วยความจำเต็ม (~80% ของความจุ แสดงเป็นเปอร์เซ็นต์ในส่วนหัวของ system prompt) เอเจนต์ต้องรวมข้อมูล
มันรวมรายการที่เกี่ยวข้องกันเป็นเวอร์ชันที่หนาแน่นขึ้นและมีข้อมูลมากขึ้น เพื่อให้เฉพาะข้อมูลที่มีประโยชน์เท่านั้นที่อยู่รอด
ชั้นที่ 2: การค้นหาเซสชันแบบเต็มข้อความ
ทุกการสนทนา (CLI และการส่งข้อความ) ถูกเก็บไว้ใน SQLite พร้อมการค้นหาแบบเต็มข้อความ เอเจนต์สามารถค้นหาการสนทนาในอดีตหลายสัปดาห์ได้จากที่นี่
การแลกเปลี่ยนที่ชัดเจน: ชั้นที่ 1 อยู่ในบริบทเสมอแต่เล็ก ชั้นที่ 2 มีความจุไม่จำกัดแต่ต้องมีการค้นหาแบบแอคทีฟบวกกับการสรุปด้วย LLM
ข้อเท็จจริงสำคัญอยู่ในหน่วยความจำ ทุกอย่างอื่นสามารถค้นหาได้ตามต้องการ
ชั้นที่ 3: ผู้ให้บริการหน่วยความจำภายนอก (8 ปลั๊กอิน)
สำหรับหน่วยความจำถาวรที่ลึกขึ้น Hermes มาพร้อมกับ ผู้ให้บริการแบบเสียบได้ 8 ราย ที่ทำงานควบคู่กับหน่วยความจำในตัว (ไม่เคยแทนที่) สามารถเปิดใช้งานได้ทีละตัวเท่านั้น
เมื่อผู้ให้บริการภายนอกใดๆ ทำงานอยู่ Hermes จะดึงข้อมูลหน่วยความจำที่เกี่ยวข้องโดยอัตโนมัติก่อนแต่ละรอบ ซิงค์รอบการสนทนาหลังจากแต่ละการตอบสนอง และแยกหน่วยความจำเมื่อเซสชันสิ้นสุด
ทักษะที่พัฒนาตัวเองได้: เอเจนต์เขียนหนังสือเล่นของตัวเอง
หน่วยความจำจัดการข้อเท็จจริง ทักษะจัดการขั้นตอน
ทักษะคือไฟล์ Markdown ที่มี YAML frontmatter และทำหน้าที่เป็นหน่วยความจำขั้นตอนของเอเจนต์: ไม่ใช่สิ่งที่มันรู้ แต่วิธีที่มันทำสิ่งต่างๆ
นี่คือโครงสร้างของทักษะ:
เพื่อให้ต้นทุนโทเค็นต่ำ ทักษะใช้การเปิดเผยแบบก้าวหน้า:
- ระดับ 0: เอเจนต์เห็นเฉพาะชื่อ + คำอธิบายเท่านั้น (~3k โทเค็นสำหรับแคตตาล็อกทั้งหมด)
- ระดับ 1: มันโหลดเนื้อหาทักษะเต็มเมื่อต้องการจริงๆ
- ระดับ 2: มันสามารถเจาะลึกเข้าไปในไฟล์อ้างอิงเฉพาะภายในทักษะ
ลูปการพัฒนาตนเอง
นี่คือตัวสร้างความแตกต่างหลัก เอเจนต์สร้างทักษะของตัวเองโดยอัตโนมัติโดยใช้เครื่องมือ skill_manage การสร้างทักษะจะเกิดขึ้นเมื่อ:
- เอเจนต์ทำงานที่ซับซ้อนเสร็จ (การเรียกใช้เครื่องมือ 5+ ครั้ง)
- มันพบข้อผิดพลาดหรือทางตันและพบเส้นทางที่ใช้งานได้
- ผู้ใช้แก้ไขแนวทางของมัน
- มันค้นพบเวิร์กโฟลว์ที่ไม่สำคัญ
ดังนั้นลูปทำงานดังนี้: เอเจนต์พบปัญหา → แก้ไขผ่านการลองผิดลองถูก → บันทึกแนวทางที่สำเร็จเป็นไฟล์ SKILL.md → ครั้งต่อไปที่พบปัญหาคล้ายกัน มันโหลดทักษะและทำตามขั้นตอนที่พิสูจน์แล้ว แทนที่จะค้นพบแนวทางอีกครั้งตั้งแต่ต้น
เครื่องมือรองรับหกการกระทำ: สร้าง, แก้ไขเฉพาะจุด (การแก้ไขแบบกำหนดเป้าหมาย, เป็นที่ต้องการเพราะประหยัดโทเค็น), แก้ไข (เขียนใหม่ทั้งหมด), ลบ, write_file, และ remove_file
Curator: การเก็บขยะสำหรับทักษะ
หากไม่มีการบำรุงรักษา ทักษะที่เอเจนต์สร้างขึ้นจะกองพะเนิน คุณจะลงเอยด้วยหนังสือเล่นแคบับแคบๆ ที่ทับซ้อนกันหลายสิบเล่ม ซึ่งสิ้นเปลืองโทเค็นและทำให้แคตตาล็อกสกปรก
Curator เป็นระบบบำรุงรักษาพื้นหลังที่จัดการสิ่งนี้ มันทำงานเมื่อตรวจสอบการไม่มีการใช้งาน (ไม่ใช่ cron daemon): หากผ่านไป 7 วันนับตั้งแต่การทำงานครั้งล่าสุดและเอเจนต์ไม่ได้ใช้งานเป็นเวลา 2+ ชั่วโมง เอเจนต์สาขาพื้นหลังจะถูกสร้างขึ้นพร้อมแคช prompt ของตัวเอง โดยไม่แตะต้องการสนทนาที่กำลังดำเนินอยู่
มันทำงานในสองเฟส:
- การเปลี่ยนสถานะอัตโนมัติ (กำหนดตายตัวกำหนด, ไม่ใช้ LLM): ทักษะที่ไม่ได้ใช้เป็นเวลา 30 วันจะกลายเป็นเก่า ทักษะที่ไม่ได้ใช้ 90 วันจะถูกเก็บถาวร
- การตรวจสอบด้วย LLM (สูงสุด 8 ครั้ง): เอเจนต์สาขาสำรวจทักษะทั้งหมดที่เอเจนต์สร้างขึ้นและตัดสินใจต่อทักษะว่าจะเก็บ แก้ไข รวม หรือเก็บถาวร
ข้อจำกัดสำคัญสองประการ:
- Curator ไม่เคยแตะต้องทักษะที่มาพร้อมกับหรือติดตั้งจากฮับ เฉพาะทักษะที่เอเจนต์สร้างขึ้นเท่านั้น
- มันไม่เคยลบอัตโนมัติ ผลลัพธ์ที่แย่ที่สุดคือการเก็บถาวรไปยัง ~/.hermes/skills/.archive/ ซึ่งสามารถกู้คืนได้ด้วยคำสั่งเดียว
ก่อนทุกครั้งที่ Curator ทำงาน Hermes จะถ่ายภาพ tar.gz ของไดเรกทอรีทักษะทั้งหมด การย้อนกลับทำได้ด้วยคำสั่งเดียว และการย้อนกลับเองก็สามารถย้อนกลับได้
คุณยังสามารถปักหมุดทักษะสำคัญด้วย hermes curator pin <skill> เพื่อป้องกันจากการเก็บถาวรและการลบ การแก้ไขและการแก้ไขยังคงดำเนินการได้ ดังนั้นเอเจนต์สามารถปรับปรุงทักษะที่ปักหมุดไว้ได้โดยไม่ต้องให้คุณปลดหมุดก่อน
GEPA: การพัฒนาทักษะแบบออฟไลน์ด้วยร่องรอยการดำเนินการ
นี่คือจุดที่น่าสนใจ
ลูปการเรียนรู้ในเอเจนต์ (การสร้างทักษะ + Curator) มีจุดอ่อนที่รู้จักกัน:
- เอเจนต์มีแนวโน้มที่จะชื่นชมตัวเอง มันเกือบจะคิดเสมอว่ามันทำงานได้ดี แม้ว่ามันจะไม่ได้ก็ตาม ความคิดเห็นจากชุมชนยืนยันสิ่งนี้
- ระบบเดียวที่สร้างทักษะอัตโนมัติสามารถเขียนทับการปรับแต่งด้วยตนเองด้วยเวอร์ชันที่แย่กว่า
นี่คือจุดที่ GEPA เข้ามา
GEPA (Genetic-Pareto Prompt Evolution) ไม่ได้สร้างไว้ในรันไทม์ของ Hermes มันอยู่ในที่เก็บคู่หุ้นส่วน (NousResearch/hermes-agent-self-evolution) และทำงานเป็นไปป์ไลน์การปรับแต่งแบบออฟไลน์ เผยแพร่เป็น ICLR 2026 Oral paper ใบอนุญาต MIT
แนวคิดหลัก: แทนที่จะถามเอเจนต์ว่า "คุณทำได้ดีไหม?" GEPA อ่านร่องรอยการดำเนินการเพื่อทำความเข้าใจว่าทำไมสิ่งต่างๆ ล้มเหลว จากนั้นเสนอการปรับปรุงแบบกำหนดเป้าหมายผ่านการค้นหาเชิงวิวัฒนาการ
ไปป์ไลน์:
- อ่านทักษะปัจจุบันจากที่เก็บ Hermes
- สร้างชุดข้อมูลการประเมิน (กรณีทดสอบสังเคราะห์ผ่าน Claude Opus, ประวัติเซสชันจริงจาก SQLite, หรือชุดทองคำที่ดูแลด้วยมือ)
- รันตัวปรับแต่ง GEPA: อ่านร่องรอยการดำเนินการ → ทำความเข้าใจจุดที่ล้มเหลว → สร้างตัวแปรที่เป็นไปได้
- ประเมินตัวแปรโดยใช้การให้คะแนน LLM-as-judge พร้อมเกณฑ์การให้คะแนน (ไม่ใช่ผ่าน/ไม่ผ่านแบบไบนารี)
- ใช้ประตูข้อจำกัด: ชุดทดสอบเต็มต้องผ่าน 100%, ทักษะต้องอยู่ต่ำกว่า 15KB, ความเข้ากันได้ของแคชต้องคงไว้, วัตถุประสงค์ทางความหมายต้องไม่ล่องลอย
- ตัวแปรที่ดีที่สุดออกมาเป็น PR ต่อที่เก็บ Hermes ไม่ใช่การคอมมิตโดยตรง
ไม่ต้องใช้ GPU ที่จำเป็น ทุกอย่างทำงานผ่านการเรียกใช้ API ค่าใช้จ่าย: ประมาณ $2-10 ต่อการทำงานปรับแต่งหนึ่งครั้ง
สิ่งนี้สามารถข้ามไปได้ในตอนแรก แต่มีประสิทธิภาพสูงเมื่อคุณเจอทางตันและไม่ต้องการใช้เวลาและเงินในการปรับแต่ง (RL/GRPO)
รายละเอียดเพิ่มเติมในที่เก็บนี้ →
ฉันเพิ่งเขียนบทความเกี่ยวกับ GEPA
มันเป็นทางเลือกที่ดีที่จะลองก่อนที่จะไปสู่การปรับแต่งเต็มรูปแบบหรือการปรับแต่งตาม RL
โอเค สรุป:
SOUL.md กำหนดอัตลักษณ์ ลูปรันไทม์จับประสบการณ์ Curator รักษาห้องสมุดให้สะอาด GEPA ทำให้แน่ใจว่าสิ่งที่อยู่ในห้องสมุดใช้งานได้จริง
นั่นคือทฤษฎีทั้งหมด ตอนนี้มารันมันบนเครื่องของคุณกัน
การเริ่มต้นใช้งาน
Linux, macOS, หรือ WSL2 Python 3.11+ มาพร้อมกับตัวติดตั้ง RAM 8GB ก็เพียงพอสำหรับการใช้งานผ่าน API
ติดตั้งด้วยคำสั่งเดียว:
รันตัวช่วยตั้งค่า มันจะแนะนำคุณผ่านผู้ให้บริการ, คีย์ API, โมเดล, และเครื่องมือ:
เริ่มแชทในเทอร์มินัล:
เชื่อมต่อกับ Telegram:
หากคุณต้องการคุยกับเอเจนต์จากโทรศัพท์แทนเทอร์มินัล ให้ชี้ไปที่บอท Telegram
รับโทเค็นบอทจาก @BotFather (รัน /newbot) จากนั้นรับ ID ผู้ใช้ Telegram ของคุณจาก @userinfobot
แค่นั้นเอง คุณมีเอเจนต์ที่ทำงานได้:
สิ่งที่อยู่ใน ~/.hermes/
ทันทีหลังติดตั้ง โฟลเดอร์ใหม่จะปรากฏในไดเรกทอรีบ้านของคุณ
การทำความเข้าใจโครงสร้างเป็นสิ่งสำคัญ เพราะทุกสิ่งที่คุณทำกับ Hermes เกี่ยวข้องกับหนึ่งในเส้นทางเหล่านี้
ไฟล์บางไฟล์สมควรได้รับการพิจารณาอย่างใกล้ชิด
- config.yaml เป็นแหล่งความจริงสำหรับทุกอย่างที่ไม่ใช่ความลับ ตัวเลือกโมเดล, แบ็กเอนด์เทอร์มินัล, การเปิดใช้งานเครื่องมือ, เซิร์ฟเวอร์ MCP ทั้งหมดอยู่ที่นี่ แก้ไขด้วย hermes config edit หรือตั้งค่าทีละค่าด้วย hermes config set <key> <value>
- .env เก็บความลับของคุณ คีย์ API, โทเค็นบอท, รหัสผ่าน Hermes จะส่งค่าที่ดูเหมือนความลับไปที่นี่โดยอัตโนมัติ
- SOUL.md คือสล็อต #1 ใน system prompt ก่อนอย่างอื่น ชั้นอัตลักษณ์ กล่าวถึงก่อนหน้านี้
- skills/ คือที่ที่ลูปการเรียนรู้ทั้งหมดอาศัยอยู่ ทุกทักษะที่เอเจนต์สร้างขึ้น รวมถึงทุกสิ่งที่คุณติดตั้ง จะมาอยู่ที่นี่
- state.db คือฐานข้อมูล SQLite ที่รองรับการค้นหาเซสชัน ปลอดภัยแบบ WAL, มีดัชนี FTS5 นี่คือสิ่งที่ทำให้ "เราคุยอะไรกันเมื่อสามสัปดาห์ก่อน?" ทำงานได้จริง
คุณจะไม่แก้ไขส่วนใหญ่ด้วยตนเอง แต่การรู้โครงสร้างทำให้ทุกอย่างอื่นเข้าใจง่ายขึ้น
การเพิ่มทักษะใหม่
Hermes มี Skills Hub อย่างเป็นทางการของตัวเองพร้อมทักษะ 687 ทักษะใน 18 หมวดหมู่ รายละเอียด:
- 87 ทักษะในตัวที่มาพร้อมกับเอเจนต์
- 79 ทักษะเสริมที่คุณสามารถเปิดใช้งานได้ตามต้องการ
- 16 จาก Anthropic (frontend-design, pdf, pptx, docx, mcp-builder, ฯลฯ)
- 505 จาก LobeHub (การมีส่วนร่วมจากชุมชนที่กว้างขึ้น)
คุณยังสามารถเพิ่มที่เก็บ GitHub ใดๆ เป็น tap ที่กำหนดเอง:
นี่คือวิธีที่คุณแชร์ทักษะภายในทีมหรือรักษาคอลเลกชันส่วนตัวของคุณเอง
การขยายจาก 1 ไปจนถึง 10 เอเจนต์
เอเจนต์เดียวก็ใช้ได้ดี แต่เอเจนต์เฉพาะทางหลายตัวคือจุดที่ Hermes น่าสนใจ
Hermes มีฟีเจอร์ระดับเฟิร์สคลาสสำหรับสิ่งนี้ที่เรียกว่าโปรไฟล์ แต่ละโปรไฟล์เป็นอินสแตนซ์ Hermes ที่แยกอิสระอย่างสมบูรณ์พร้อมการกำหนดค่า หน่วยความจำ ทักษะ เซสชัน และ SOUL.md ของตัวเอง โดยค่าเริ่มต้น พวกมันไม่แชร์อะไรเลย
เราจะตั้งค่าสามตัว: นักออกแบบ โปรแกรมเมอร์ และนักวิจัย
สร้างทีม
--clone คัดลอกการกำหนดค่าและ .env ของโปรไฟล์เริ่มต้นของคุณเป็นจุดเริ่มต้น
ให้แต่ละตัวมีบอท Telegram ของตัวเอง
แต่ละโปรไฟล์ต้องมีบอทของตัวเองจาก BotFather Telegram อนุญาตให้การเชื่อมต่อต่อโทเค็นเท่านั้น ดังนั้นการแชร์จะทำให้เกิดปัญหา
รัน /newbot สามครั้งกับ BotFather และบันทึกสามโทเค็น จากนั้นรันตัวช่วยสร้างเกตเวย์หนึ่งครั้งต่อโปรไฟล์ละครั้ง:
การตั้งค่าเหมือนกับเอเจนต์ทั่วไปทุกประการ โดยคุณสามารถสร้างบอทใหม่ใน BotFather อีกครั้งและเชื่อมต่อกับเอเจนต์ของพวกเขา
ให้แต่ละตัวมีบุคลิกผ่าน SOUL.md
นี่คือจุดที่เอเจนต์แตกต่างกันอย่างแท้จริง แก้ไข SOUL.md ของแต่ละโปรไฟล์
นักออกแบบที่ ~/.hermes/profiles/designer/SOUL.md:
ดูตัวอย่างเหล่านี้:
โปรแกรมเมอร์ที่ ~/.hermes/profiles/programmer/SOUL.md:
นักวิจัยที่ ~/.hermes/profiles/researcher/SOUL.md:
การปรับแต่งโปรแกรมเมอร์: ส่งการดำเนินการผ่าน Claude Code
โปรแกรมเมอร์น่าสนใจมากขึ้นถ้ามันไม่เพียงแค่เขียนโค้ดเอง แต่มอบหมายการดำเนินการให้กับ Claude Code CLI Hermes จัดการ Claude Code ทำการแก้ไขไฟล์ รันคำสั่ง จัดการ git Hermes อ่านผลลัพธ์และตัดสินใจว่าต้องทำอะไรต่อไป
นี่คือวิธีที่ฉันรันมันบนสมัครสมาชิก Claude Max ของฉันด้วย ไม่ต้องใช้คีย์ API แยกต่างหาก Claude Code ใช้ข้อมูลประจำตัว Max โดยอัตโนมัติ
เริ่มเซสชันและส่ง prompt การเปิดใช้งานเดียวนี้:
ฉันมีสมัครสมาชิก Claude Max อยู่แล้ว คุณเป็นวิศวกรพนักงานของฉันที่
ช่วยฉันในงานเขียนโค้ดประจำวัน และภายใต้ฝาครอบ คุณใช้
Claude Code สำหรับการดำเนินการทั้งหมด ตั้งค่าตัวเองตามนั้น
โปรแกรมเมอร์จะติดตั้งทักษะ autonomous-ai-agents/claude-code ด้วยตัวเอง ตรวจสอบว่า claude อยู่ใน PATH และเริ่มใช้มันสำหรับการดำเนินการโค้ด ตั้งแต่ข้อความถัดไปเป็นต้นไป สิ่งที่เกี่ยวข้องกับการเขียนโค้ด (อ่านไฟล์ เขียนโค้ด รหัส, รันทดสอบ, คอมมิต, พุช) จะถูกส่งผ่าน Claude Code ภายใต้ฝาครอบ
สองสิ่งที่ควรรู้:
- ตรวจสอบให้แน่ใจว่า claude อยู่ใน PATH ของคุณก่อนเปิดใช้งาน which claude ควรพิมพ์เส้นทางไบนารีจริง
- Claude Code มีทั้งโหมดพิมพ์ (ครั้งเดียว, เร็ว, ไม่มี TUI) และโหมดโต้ตอบ (เซสชัน tmux เต็ม) โปรแกรมเมอร์เลือกตามงาน คุณไม่ต้องคิดเกี่ยวกับมัน
การปรับแต่งนักออกแบบ: สอนสไตล์ภาพของคุณ
นักออกแบบจะมีประโยชน์อย่างแท้จริงเมื่อมันสามารถสร้างภาพในสไตล์ของคุณ ไม่ใช่ผลลัพธ์ AI ทั่วไป รูปแบบ: ป้อนการออกแบบอ้างอิง ให้มันศึกษา ขอให้มันสร้างทักษะที่สร้างภาพใหม่ในสไตล์เดียวกัน
นี่คือลูปการพัฒนาตนเองที่ใช้เป็นกลไกการตั้งค่า แทนที่จะเขียนทักษะด้วยมือ คุณกำลังแสดงตัวอย่างที่ดีให้เอเจนต์และขอให้มันเข้ารหัสรูปแบบด้วยตัวเอง
เริ่มเซสชันกับนักออกแบบและวางภาพอ้างอิงของคุณ (ลากและวางใน CLI หรือแนบใน Telegram) จากนั้นส่ง prompt นี้:
นักออกแบบจะศึกษาภาพอ้างอิง เขียน SKILL.md สร้างสคริปต์ Python บันทึกไว้ภายใต้ ~/.hermes/profiles/designer/skills/my-design-style/ และตรวจสอบว่าสคริปต์ทำงานได้
หากคุณรัน hermes setup แล้วและเลือก OpenRouter เป็นผู้ให้บริการ คีย์จะอยู่ใน .env ของโปรไฟล์นักออกแบบแล้วด้วย --clone ถ้าไม่ ให้เพิ่มครั้งเดียว:
จากนั้นเป็นต้นมา การขอให้นักออกแบบสร้างภาพประกอบใหม่จะเรียกใช้ทักษะ มันเขียน prompt ที่ได้รับแจ้งจากลายนิ้วมือสไตล์ของคุณ เรียกใช้ Nano Banana ผ่าน OpenRouter และบันทึกผลลัพธ์
รูปแบบเดียวกันใช้ได้กับผลลัพธ์เฉพาะสไตายตัวใดๆ ป้อนเนื้อหาอ้างอิงอ้างอิง ขอให้เอเจนต์สร้างทักษะที่ทำซ้ำรูปแบบ บทนำจดหมายข่าว, เธรด X, ความคิดเห็นรีวิวโค้ด, อะไรก็ได้ที่ความสม่ำเสมอสำคัญ
การจัดตารางงาน: Cron เป็นภาษาอังกฤษธรรมดา
SOUL.md ของนักวิจัยบอกว่ามว่ามันรับผิดชอบสรุป Telegram รายวัน นั่นหมายถึงงานที่ทำงานตามตารางของตัวเอง โดยที่คุณไม่ต้องให้คุณจำต้องถาม นั่นคือสิ่งที่ Hermes cron มีไว้
Hermes มาพร้อมกับตัวจัดตารางในตัว เกตเวย์ daemon ติ๊กทุก 60 วินาที รันงานที่ถึงกำหนดในเซสชันเอเจนต์ที่แยก และส่งผลลัพธ์ไปยังแพลตฟอร์มการส่งข้อความที่คุณระบุ งานอยู่รอดการรีสตาร์ท พวกมันอยู่ใน ~/.hermes/cron/jobs.json และผลลัพธ์ไปที่ ~/.hermes/cron/output/
ส่วนที่น่าสนใจ: คุณไม่ต้องเขียนนิพจน์ cron คุณอธิบายสิ่งที่คุณต้องการเป็นภาษาอังกฤษและ Hermes แปลงมัน
เชื่อมต่อสรุปรายวันของนักวิจัย
เปิดเซสชันกับนักวิจัยและส่ง prompt นี้:
นักวิจัยสร้างงานโดยใช้เครื่องมือ cronjob เป้าหมายการส่งมอบเริ่มต้นเป็นแชทปัจจุบัน (Telegram ในกรณีนี้) และตัวจัดตารางทำงานต่อจากนั้น ตรวจสอบว่ามันถูกสร้างขึ้น:
คุณควรเห็นงานพร้อมเวลารันครั้งต่อไป พรุ่งนี้เช้าเวลา 8 โมง Telegram ของคุณจะสว่างขึ้นด้วยสรุป ไม่ต้องดำเนินการเพิ่มเติม
รูปแบบที่มีประโยชน์อื่นๆ
ไวยากรณ์ cron มีความยืดหยุ่น รูปแบบบางอย่างที่ควรรู้:
- การหน่วงเวลาแบบครั้งเดียว. /cron add 30m "เตือนให้ฉันตรวจสอบบิลด์" รันครั้งเดียวใน 30 นาที
- ช่วงเวลาที่เกิดซ้ำ. /cron add "ทุก 2 ชม." "ตรวจสอบสถานะเซิร์ฟเวอร์" รันทุกสองชั่วโมง
- นิพจน์ cron มาตรฐาน. /cron add "0 9 \ \ 1-5" "..." สำหรับการควบคุมที่แม่นยำ วันธรรมดาเวลา 9 โมง ในกรณีนี้
- การแนบทักษะ. /cron add "ทุก 1 ชม." "สรุปรายการฟีดใหม่" --skill blogwatcher โหลดทักษะก่อนรัน prompt
คุณยังสามารถเชื่อมโยงงานได้ ผลลัพธ์ของ cron หนึ่งกลายเป็นอินพุตของ cron ถัดไปผ่านแฟล็ก context_from มีประโยชน์สำหรับระบบอัตโนมัติหลายขั้นตอนที่คุณต้องการให้ขั้นตอนการวิจัยป้อนขั้นตอนการเขียน
นั่นคือทั้งหมด
ขอบคุณที่อ่าน บอกฉันในความคิดเห็นว่าความคิดเห็นว่าคุณต้องการให้ฉันครอบคลุมอะไรต่อไป
หากคุณเรียนรู้ได้ดีกว่าจากวิดีโอ ฉันจะปล่อยวิดีโอแนะนำ Hermes Agent แบบเต็มบน YouTube และ X ในอีกสองสามวัน
คอยติดตาม!
ขอให้โชคดี! :)
