Apa itu Hermes Agent?
Hermes Agent adalah agen AI sumber terbuka dari Nous Research yang dirancang untuk mengerjakan tugas, mengingat apa yang dipelajarinya, dan meningkat seiring waktu. Ia dapat menggunakan berbagai alat seperti terminal, peramban, sistem berkas, pencarian web, dan eksekusi kode untuk menyelesaikan pekerjaan, bukan sekadar menghasilkan respons.
Apa itu agen AI?
Agen AI dapat melakukan lebih dari sekadar menghasilkan teks. Anda memberinya sebuah tujuan, dan ia dapat menentukan tindakan apa yang diperlukan, menggunakan alat, mengamati hasilnya, dan terus bekerja menuju tujuan tersebut.
Banyak agen AI sudah dapat menggunakan alat dan menyelesaikan tugas multi-langkah. Perbedaannya terletak pada apa yang terjadi setelah tugas selesai. Sebagian agen memperlakukan setiap tugas sebagai masalah baru. Hermes dirancang untuk menyimpan pengetahuan dan prosedur yang berguna agar semakin bermanfaat seiring waktu. Lihat Agentic AI untuk mengetahui bagaimana hal ini diterapkan dalam menjalankan agen di DaDesktop.
Apa yang membuat Hermes berbeda?
Hermes memiliki siklus pembelajaran bawaan. Ia dapat menciptakan keterampilan dari pengalaman, meningkatkan keterampilan tersebut saat digunakan, mengingat informasi yang berguna, dan menelusuri sesi-sesi sebelumnya ketika membutuhkan informasi dari pekerjaan yang lalu.
Memori persisten
Hermes dapat mengingat informasi berguna tentang Anda, proyek Anda, dan lingkungan Anda di berbagai sesi.
Keterampilan yang terus meningkat
Hermes dapat mengubah alur kerja yang bermanfaat menjadi keterampilan yang dapat digunakan kembali dan menyempurnakannya saat menemukan cara yang lebih baik untuk melakukan suatu tugas.
Sesi sebelumnya
Hermes dapat menelusuri percakapan sebelumnya untuk memulihkan informasi yang relevan dengan pekerjaan yang sedang dilakukannya.
Mengapa menggunakan Hermes Agent?
Hermes berguna ketika suatu tugas melibatkan banyak langkah, alat, atau aplikasi. Alih-alih berulang kali berpindah antara chat AI, terminal, peramban, dan berkas, Anda dapat memberikan keseluruhan tugas kepada Hermes dan membiarkannya mengoordinasikan pekerjaan tersebut.
- Mengerjakan tugas secara utuh: berikan Hermes sebuah sasaran, bukan meminta instruksi satu per satu.
- Menjaga konteks dari waktu ke waktu: menyimpan informasi berguna di berbagai sesi yang terpisah.
- Membangun alur kerja yang dapat digunakan kembali: menyimpan pendekatan yang berhasil sebagai keterampilan, alih-alih memecahkan masalah yang sama dari awal.
- Mengotomatiskan pekerjaan berulang: menjadwalkan tugas untuk berjalan otomatis di latar belakang.
- Mendelegasikan pekerjaan: menggunakan subagen terpisah untuk bagian-bagian berbeda dari tugas yang lebih besar.
- Memilih model Anda: menghubungkan Hermes ke model lokal atau penyedia model cloud yang didukung.
Yang dapat dilakukan Hermes
- Pengembangan perangkat lunak: memeriksa kode, men-debug masalah, membuat perubahan, menjalankan pengujian, dan bekerja dengan repositori.
- Riset: mencari di web, membaca sumber, mengumpulkan informasi, dan merapikan temuan.
- Otomatisasi: menjalankan skrip dan menjadwalkan tugas berulang seperti laporan, pemantauan, dan rutinitas lainnya.
- Administrasi sistem: menggunakan terminal, memasang perangkat lunak, mengonfigurasi sistem, dan memecahkan masalah.
- Tugas peramban: menjelajahi situs web, berinteraksi dengan halaman web, dan mengumpulkan informasi.
- Pekerjaan berkas: membaca, membuat, mengedit, mencari, dan merapikan berkas.
- Integrasi alat: menghubungkan layanan dan alat tambahan melalui MCP.
Bagaimana Hermes meningkat seiring penggunaan
Misalkan Anda memberi Hermes tugas sulit yang memerlukan beberapa langkah. Saat menyelesaikannya, Hermes mungkin menemukan alur kerja yang berjalan dengan baik. Ia dapat menyimpan alur kerja itu sebagai keterampilan, alih-alih kehilangan pengetahuan tersebut saat tugas berakhir.
Saat tugas serupa muncul lagi, Hermes dapat menggunakan keterampilan itu sebagai titik awal. Jika alur kerjanya perlu ditingkatkan, keterampilan itu dapat diperbarui. Memorinya juga dapat menyimpan fakta dan pelajaran berguna dari pekerjaan sebelumnya.
Memori dan keterampilan memiliki fungsi yang berbeda. Memori menyimpan informasi dan konteks yang berguna, sementara keterampilan menyimpan prosedur untuk melakukan sesuatu. Bersama-sama, keduanya memungkinkan Hermes membangun pengetahuan tentang apa yang diketahuinya sekaligus cara melakukan pekerjaan yang berulang.
Mengotomatiskan pekerjaan di latar belakang
Hermes memiliki penjadwal bawaan untuk tugas-tugas berulang. Anda dapat menjelaskan jadwal dalam bahasa alami dan membiarkan Hermes melakukan pekerjaan tanpa menunggu Anda memulai sesi.
Ini dapat digunakan untuk laporan, pemantauan, pencadangan, tugas riset, dan rutinitas lainnya. Tugas terjadwal juga dapat mempertahankan kesinambungan antar proses, sehingga dapat melanjutkan pekerjaan sebelumnya.
Menjalankan model lokal atau cloud
Hermes tidak terikat pada satu LLM tertentu. Anda dapat menghubungkannya ke model lokal atau penyedia cloud yang didukung dan mengganti model tanpa mengubah alat, memori, dan alur kerja agen.
Menjalankan model lokal memberi Anda kendali lebih besar atas model, perangkat keras, dan lokasi pemrosesan data Anda. Ini juga memungkinkan Hermes bekerja dengan berkas dan sumber daya lokal lainnya tanpa mengirimkannya ke penyedia model eksternal.
Cara memasang Hermes
Hermes dapat berjalan di Linux, macOS, Windows, dan WSL2. Anda dapat memasang aplikasi desktop atau menggunakan versi baris perintah tanpa aplikasi desktop.
Di Linux, macOS, atau WSL2, buka terminal dan jalankan:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bashDi Windows, jalankan penginstal dari PowerShell:
irm https://hermes-agent.nousresearch.com/install.ps1 | iexSetelah pemasangan, jalankan wizard penyiapan untuk mengonfigurasi penyedia model dan opsi lainnya:
hermes setupLihat dokumentasi Hermes untuk opsi pemasangan dan detail konfigurasi.
Menjalankan Hermes di DaDesktop
Hermes membutuhkan lingkungan tempat ia dapat menjalankan alat-alatnya dan menyimpan datanya. DaDesktop menyediakan desktop cloud dengan sumber daya CPU, RAM, penyimpanan, dan GPU yang diperlukan untuk menjalankan Hermes bersama LLM lokal.
Ini berguna ketika model yang ingin Anda jalankan membutuhkan VRAM lebih besar daripada yang dimiliki mesin Anda. Pilih GPU dengan VRAM yang cukup, luncurkan desktop DaDesktop, pasang Hermes, dan jalankan model secara lokal bersama agen.
Anda juga dapat membiarkan desktop tetap berjalan untuk tugas terjadwal dan alur kerja jangka panjang tanpa harus meninggalkan komputer pribadi Anda menyala.
Pelajari lebih lanjut tentang menjalankan LLM lokal di DaDesktop.