Nous Research چارچوب متنباز Hermes Agent را منتشر کرد که به توسعهدهندگان اجازه میدهد یک دستیار هوش مصنوعی شخصی را روی سختافزار خود اجرا کنند. هدف این پروژه فراتر بردن هوش مصنوعی از چتباتهای ساده از طریق دادن دسترسی به ابزار، حافظه و خودکارسازی جریان کاری به دستیار است؛ ویژگیهایی که برای هر کسی که در حال ساخت خط لولههای سفارشی DevOps یا تحلیل کد است، اهمیت دارد.
چرا این تغییر اهمیت دارد
چتباتهای سنتی در پاسخ به سوالات یا خلاصهسازی متن متوقف میشوند. یک عامل هوش مصنوعی (AI agent) که میتواند دستورات را اجرا کند، وضعیت را در طول تعاملات حفظ کند و سرویسها را به هم زنجیره کند، یک رابط مکالمهای را به یک دستیار قابل برنامهریزی تبدیل میکند. برای توسعهدهندگان، این به معنای یک «دستیار» واحد است که میتواند مستندات را دریافت کند، لینترها را اجرا کند یا بدون ارسال داده به سرور شخص ثالث، منابع ابری را تخصیص دهد.
نحوه ساخت Hermes
Hermes بین کاربر و مدل زبانی زیربنایی قرار میگیرد. معماری آن چهار مسئولیت را از هم جدا میکند:
- تعامل کاربر – دستورات (prompts) را دریافت و پاسخها را نمایش میدهد.
- ارتباط با مدل – گفتگو را از طریق یک API (مانند OpenRouter، مدلهای محلی و غیره) به یک مدل زبانی ارسال میکند.
- اجرای ابزار – دستورات شل (shell commands) را اجرا میکند، فایلها را میخواند یا سرویسهای خارجی را روی ماشین میزبان فراخوانی میکند.
- مدیریت حافظه – بافت (context) را ذخیره میکند تا دستیار بتواند به مراحل قبلی ارجاع دهد.
این چارچوب به چهار جزء اصلی تقسیم میشود:
- Core – تصمیم میگیرد کاربر چه میخواهد و کدام ابزار باید فراخوانی شود.
- Model – پاسخ متنی را، یا از طریق یک API میزبانیشده یا یک مدل محلی، تولید میکند.
- Tools – عملگرهای سطح پایین که اقداماتی مانند ورودی/خروجی فایل یا درخواستهای HTTP را انجام میدهند.
- Skills – مجموعههای سطح بالاتری از ابزارها که قابلیتهای خاصی مانند بازبینی کد (code review) یا مدیریت سیستم را پیادهسازی میکنند.
از آنجایی که همه چیز متنباز است، توسعهدهندگان میتوانند منطق را بررسی کنند، ارائهدهنده مدل را جایگزین کنند یا ابزارهای سفارشی برای وظایف خاص اضافه کنند.
راهاندازی Hermes
- مخزن را کلون کنید
git clone https://github.com/NousResearch/hermes-agent.git - وابستگیهای پایتون را نصب کنید
pip install -r requirements.txt - فایل محیطی نمونه را کپی کرده و کلیدهای API خود را وارد کنید
cp .env.example .env - دستیار را اجرا کنید
hermes
پس از شروع، تایپ کردن دستوری مانند “find the security flaw in this snippet” باعث فعال شدن Core میشود که ممکن است یک ابزار تحلیل ایستا را فراخوانی کند، نتیجه را به Model بازگرداند و در نهایت یک گزارش مختصر ارائه دهد. همین جریان را میتوان برای بازنشانی سرویسها، پرسوجو از یک پایگاه داده یا مدیریت یک خط لوله CI بازطراحی کرد.
ملاحظات امنیتی
اجرای یک عامل هوش مصنوعی با دسترسی مستقیم به یک ماشین، معادل دادن امتیازات سطح بالا به یک حساب کاربری است. فایل README پروژه چند راهکار حفاظتی عملی را ذکر کرده است:
- کلیدهای API را در فایل
.envذخیره کرده و مجوزهای فایل را محدود کنید. - به عامل فقط مجوزهایی را بدهید که نیاز دارد؛ از اجرای آن با دسترسی root خودداری کنید.
- ابزارهای پرخطر را در کانتینرها یا محیطهای مجازی ایزوله کنید.
- بستههای پایتون را برای وصله کردن آسیبپذیریهای شناخته شده بهروز نگه دارید.
موازنه (Trade-off)
میزبانی شخصی (Self-hosting) کنترل کامل بر دادهها، انتخاب مدل و هزینه را فراهم میکند، اما بار نگهداری را نیز به توسعهدهنده منتقل میکند. Hermes مستلزم آن است که تغییرات API مدل را نظارت کنید، منابع محاسباتی را مدیریت کنید و اطمینان حاصل کنید که زنجیره ابزارها سازگار باقی میماند. تیمهایی که پشتیبانی اختصاصی DevOps ندارند، ممکن است این بار اضافی را بازدارنده بدانند.
آنچه باید در ادامه دنبال کرد
Nous Research کدها را برای مشارکتهای جامعه باز گذاشته است.
نتیجهگیری: Hermes Agent نشان میدهد که یک دستیار هوش مصنوعی با میزبانی شخصی دیگر یک پروتوتایپ تحقیقاتی نیست. این ابزار به توسعهدهندگان بلوکهای سازنده را میدهد تا خودکارسازی هوشمند را مستقیماً در محیطهای خود بگنجانند—به شرطی که مایل به مدیریت مسئولیتهای امنیتی و عملیاتی همراه آن باشند.