Hermes Agent — เอเจนต์ AI อัตโนมัติแบบเรียนรู้ด้วยตนเองที่สร้างและพัฒนาทักษะจากประสบการณ์

• เป็นเอเจนต์อัตโนมัติที่ฝัง ลูปการเรียนรู้ด้วยตนเอง มาในตัว โดยสามารถสร้างและพัฒนาทักษะได้เองระหว่างการใช้งาน และค่อย ๆ ทำให้โมเดลผู้ใช้ลึกขึ้นข้ามแต่ละเซสชัน
• ไม่ใช่ coding copilot ที่ผูกติดกับ IDE หรือแรปเปอร์แชตบอต API เดี่ยว แต่เป็นเอเจนต์อัตโนมัติที่ ยิ่งทำงานนานยิ่งมีความสามารถมากขึ้น
• ทำงานได้บน VPS ราคา $5, GPU cluster, serverless infrastructure โดยไม่ถูกจำกัดด้วยสภาพแวดล้อมการรัน
• รองรับแพลตฟอร์มส่งข้อความหลากหลายผ่านเกตเวย์เดียว เช่น CLI·Telegram·Discord·Slack·WhatsApp·Signal·Email
• มี เครื่องมือบิลต์อินมากกว่า 40 รายการ และความสามารถเชื่อมต่อ MCP server พร้อมใช้ระบบทักษะมาตรฐานเปิดที่เข้ากันได้กับ agentskills.io
• ใช้ระบบ หน่วยความจำผู้ใช้แบบคงสถานะ บนพื้นฐานของ Honcho เพื่อสะสมประวัติการสนทนาข้ามเซสชัน และอนุมานแนวโน้มกับรูปแบบพฤติกรรมของผู้ใช้แบบอะซิงโครนัสในเบื้องหลัง เพื่อนำไปสะท้อนในคำตอบของเอเจนต์โดยอัตโนมัติ
• รองรับ cross-session recall บนพื้นฐาน FTS5 และเมื่อทำงานร่วมกับการสรุปโดย LLM ก็สามารถค้นคืนความทรงจำข้ามเซสชันได้
• มี ตัวตั้งเวลาอัตโนมัติ ในตัว สามารถสั่งจองเวลารันรายงาน แบ็กอัป และการตรวจสอบต่าง ๆ ด้วยภาษาธรรมชาติ
• สร้าง sub-agent แบบขนาน ได้ และประมวลผล pipeline หลายขั้นตอนด้วย Python RPC โดยไม่เสียต้นทุน context
• รองรับแบ็กเอนด์ 6 ประเภท เช่น local·Docker·SSH·Modal
• สลับใช้งานได้อย่างอิสระระหว่าง โมเดลมากกว่า 200 แบบ เช่น OpenRouter·OpenAI·Kimi
• รองรับ การย้ายระบบอัตโนมัติ สำหรับผู้ใช้ OpenClaw
• รองรับ Linux, Mac, Windows (WSL2) และติดตั้งอัตโนมัติได้ด้วยคำสั่งเดียวกันทั้งหมด
  curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/… | bash

[theogn]

จากมุมมองของผู้ใช้ที่ไม่ใช่นักพัฒนาและไม่คุ้นกับการใช้ cli ผมกำลังลองใช้โซลูชันเอเจนต์หลายตัวที่เชื่อมต่อกับ Codex/CC Oauth ได้ทั้งหมดอยู่ (openclaw, ductor, cc-connect, hermes-agent) แต่ยังไม่ค่อยเข้าใจความแตกต่างครับ ถ้ามีตัวไหนใช้ง่ายกว่าชัดเจนก็คงใช้แค่ตัวนั้นตัวเดียว แต่มันให้ความรู้สึกว่าเหมือนๆ กันหมด...

มีใครที่รู้สึกว่า hermes agent มีข้อดีบางอย่างที่โซลูชันเอเจนต์ตัวอื่นที่มีอยู่เดิมไม่มีบ้างไหมครับ

[heyjude]

จริง ๆ แล้วก็ถูกต้องที่ตอนนี้ยังไม่มีความแตกต่างที่ชัดเจนจนคนที่ไม่ใช่นักพัฒนาจะรู้สึกได้
ความแตกต่างระหว่าง hermes agent กับ openclaw มาจากโครงสร้าง memory และความสามารถในการแก้ไขตัวเอง แต่ในสภาพเริ่มต้นที่เพิ่งติดตั้งใหม่และยังเป็นกระดาษเปล่า สิ่งเหล่านี้จะยังไม่ปรากฏให้เห็น

[sea715]

แทบไม่มีความแตกต่างกันเลย สุดท้ายก็ดูเหมือนว่าขนาดของโมเดลจะสำคัญที่สุด (เช่น ขนาดพารามิเตอร์อะไรทำนองนั้น?)

[heyjude]

1. ลองใช้งานช่วงสั้น ๆ แล้วรู้สึกว่า hermes มีอาการหลุดความจำน้อยกว่า openclaw ซึ่งพอไปดูแล้วก็เป็นเพราะมีลอจิก session context replay รองรับสถานการณ์อย่างการรีสตาร์ตหรือ model fallback นั่นเอง ส่วน openclaw เองก็ยังพัฒนาฟีเจอร์ด้านหน่วยความจำกันต่อเนื่องอยู่ เลยคิดว่าต่อไปก็น่าจะดีขึ้นเหมือนกันครับ

2. ฟังก์ชันปรับปรุงตัวเองก็น่าประทับใจเหมือนกัน เพราะเมื่อระบบตรวจพบว่ากระบวนการทำงานซับซ้อน ก็จะมีลอจิกที่สร้างเป็น skill ให้อัตโนมัติ และเพื่อใช้แก้ไข มันยังมีโครงสร้างที่รับซอร์สโค้ดมาไว้ใน workspace ของตัวเองด้วย git ทำให้เข้าถึงได้โดยตรงด้วยครับ แต่ปัญหาคือไม่มีการจัดการความเปลี่ยนแปลงระหว่างซอร์สโค้ด git ใน workspace กับรีโพซิทอรีทางการบน GitHub เลย พออัปเดตก็เกิดสถานการณ์ที่การแก้ไขในเครื่องถูกรีเซ็ต กำลังลองหาวิธีอุดช่องนี้ด้วย git worktree อยู่ แต่ก็ยังจัดให้เนียน ๆ ไม่ค่อยได้เท่าไรนัก... อืม...