نقشه راه Hermes Agent به صورت کاربردی

ببین، من خودم وقتی اولین بار اسم Hermes Agent رو شنیدم، فکر کردم یه ChatGPT خودمیزبانه و تمام. بعد رفتم داکیومنتیشنش رو خوندم و دیدم نه بابا، داستان خیلی بزرگ‌تر از این حرفاست. این یه Agent خودمختاره که یاد می‌گیره، مهارت می‌سازه، و هر چقدر بیشتر باهاش کار کنی، بهتر می‌شه. نه به خاطر اینکه مدل زیرش عوض بشه، به خاطر اینکه خودش از تجربه‌هاش Skill استخراج می‌کنه و دفعه بعد همون کار رو سریع‌تر و تمیزتر انجام می‌ده.

این مقاله رو نوشتم چون وقتی خودم شروع کردم، یه نقشه راه فارسی تمیز پیدا نکردم. همه یا خیلی سطحی بودن یا یه ترجمه خشک از داکیومنتیشن انگلیسی. پس تصمیم گرفتم از اول تا آخر، همون‌طوری که خودم رفتم، بنویسم. با اشتباهاتی که کردم، با چیزایی که اول نفهمیدم، و با ترتیبی که واقعاً منطقیه.

هرمس توسط Nous Research ساخته شده. همون آزمایشگاهی که مدل‌های Hermes، Nomos و Psyche رو train کرده. لایسنسش MIT هست، یعنی کاملاً آزاد. گیت‌هابش الان بیش از ۲۷ هزار ستاره داره و آخرین نسخه‌اش v0.18.1 (ژوئیه ۲۰۲۶) هست که حدود ۶۶۰ پول‌ریکوئست رو شامل می‌شه. یه حسابرسی مستقل هم در آوریل ۲۰۲۶ روی ۳۶۴ هزار خط کدش انجام شد و هیچ بدافزار، بک‌دور یا تله‌متری پیدا نشد.

فاز ۱: نصب، واقعاً دو دقیقه‌ست

اولین سوالی که احتمالاً تو ذهنته اینه: «خب این Hermes دقیقاً چیه و چرا با ChatGPT یا Claude فرق داره؟»

جواب ساده: ChatGPT باهات حرف می‌زنه. هرمس کار می‌کنه. فایل می‌سازه، کد اجرا می‌کنه، توی وب می‌گرده، پیام تلگرام می‌فرسته، cron job می‌سازه، و حتی وقتی خوابی داره کار می‌کنه. یه سرور ۵ دلاری Hetzner کافیه براش.

نصب روی Linux، macOS، WSL2، حتی اندروید (Termux):

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

همین. یه خط. این اسکریپت خودش Python 3.11، Node.js v22، ripgrep، ffmpeg و همه وابستگی‌ها رو نصب می‌کنه. فقط مطمئن شو git و curl روی سیستمت هست. بعدش:

source ~/.bashrc
hermes

نصب روی Windows:

اگه با PowerShell راحتی:

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

ولی صادقانه بگم، اگه با خط فرمان میونه‌ای نداری، Hermes Desktop رو دانلود کن. یه نصب‌کننده گرافیکی داره که همه‌چیز رو خودش هندل می‌کنه. بعد از نصب CLI هم می‌تونی با hermes desktop رابط گرافیکی رو بالا بیاری.

راه‌اندازی سریع:

hermes setup --portal

این دستور یه OAuth ساده باز می‌کنه (مثل لاگین با گوگل)، و با یه اشتراک Nous Portal بهت دسترسی به بیش از ۳۰۰ مدل به‌علاوه چهار ابزار اصلی می‌ده: web search، image generation، text to speech، و browser. اگه نمی‌خوای لاگین کنی، Ctrl+C بزن و دستی provider تنظیم کن.

بعدش فقط hermes رو بزن و اولین مکالمه‌ت شروع می‌شه. یه چیز ساده بپرس، مثلاً «ببین توی دایرکتوری فعلی چه فایل‌هایی هست» یا «آب‌وهوای تهران رو چک کن». اگه جواب داد و از ابزار استفاده کرد، تبریک. سخت‌ترین قسمت رو رد کردی.

یه نکته‌ی مهم: حداقل context مدل باید ۶۴ هزار توکن باشه. مدل‌های کوچک‌تر نمی‌تونن workflowهای چندمرحله‌ای tool calling رو هندل کنن و اصلاً اجرا نمی‌شن.

فاز ۲: پیکربندی، قلب تپنده‌ی هرمس

بعد از نصب، همه‌چیز توی دو فایل ذخیره می‌شه. یکی ~/.hermes/.env که کلیدها و توکن‌ها و چیزای محرمانه توشه، و یکی ~/.hermes/config.yaml که تنظیمات عادی توشه.

بهترین راه تنظیم، استفاده از CLI خود Hermes هست:

hermes config set model anthropic/claude-opus-4.6
hermes config set terminal.backend docker
hermes config set OPENROUTER_API_KEY sk-or-...

خودش می‌فهمه کدوم مقدار باید بره توی .env و کدوم توی config.yaml.

Providers، کی مدل رو اجرا می‌کنه؟

اینجا یکی از قشنگ‌ترین بخش‌های Hermes هست. تو وابسته به یه شرکت نیستی. لیست providerها واقعاً طولانیه. Nous Portal که اشتراکیه و بدون نیاز به API key بهت ۳۰۰+ مدل می‌ده. OpenRouter که با یه کلید به ده‌ها مدل مختلف دسترسی داری. OpenAI و Anthropic مستقیم. Google AI Studio برای Gemini. xAI برای Grok که حتی با OAuth بدون API key هم کار می‌کنه. DeepSeek و Alibaba (Qwen) و Hugging Face برای مدل‌های چینی و open source. AWS Bedrock و Azure Foundry برای محیط‌های سازمانی. Ollama و LM Studio و vLLM برای مدل لوکال. GitHub Copilot اگه اشتراکش رو داری. و ده‌ها provider دیگه.

هر وقت خواستی عوض کنی، فقط hermes model رو بزن. بدون lock in.

Profiles، یه Hermes برای هر کار

این قابلیت رو خیلی دوست دارم. فرض کن یه پروفایل برای کد زدن داری با دسترسی ترمینال فعال، و یه پروفایل برای تحقیق با فقط سرچ و مرور وب:

hermes profile create coding
hermes profile create research
hermes --profile coding

هر پروفایل حافظه، تنظیمات، skillها و حتی شخصیت مستقل خودش رو داره. کارها قاطی نمی‌شن.

سه حالت Setup

وقتی hermes setup رو اجرا می‌کنی، سه حالت داری. Quick Setup که سریع‌ترین راهه، OAuth و تمام. Full Setup که خودت همه‌چیز رو دستی تنظیم می‌کنی. و Blank Slate که همه‌چیز خاموشه، فقط provider و File Operations و Terminal فعاله، بعد خودت یکی‌یکی هر چی خواستی روشن می‌کنی. اگه آدم کنترل‌فریک هستی (من هستم)، Blank Slate عالیه.

فاز ۳: ابزارها، ۶۰+ ابزار داخلی

هرمس بیش از ۶۰ ابزار داخلی داره. ولی نترس، قرار نیست همه رو از روز اول استفاده کنی.

توی بخش وب و مرورگر، Search داری برای جستجو توی وب، Extract برای گرفتن متن تمیز از یه صفحه بدون تبلیغات و نویز، Browse که یه مرورگر واقعیه با کلیک و اسکرول و فرم پر کردن، و Vision برای دیدن و توصیف تصاویر و اسکرین‌شات‌ها.

توی بخش مدیا، Image Generation داری برای ساخت تصویر از متن، و Text to Speech برای تبدیل متن به صدا.

توی بخش کد و فایل، Code Execution داری برای اجرای واقعی کد پایتون و بقیه زبان‌ها، و File Operations برای ساخت، خوندن، ویرایش و جستجوی فایل‌ها.

توی بخش سیستم هم Terminal داری برای اجرای دستورات shell، و Process Management برای مدیریت پروسه‌ها.

شش Terminal Backend، کجا اجرا بشه؟

این نکته‌ی مهمه. Agent کجا دستورات رو اجرا کنه؟ شش گزینه داری. Local که سریع‌ترین هست ولی Agent به فایل‌های واقعیت دسترسی داره. Docker که ایزوله‌ست و اگه Agent اشتباه کنه فقط container خراب می‌شه. SSH برای اجرای دستورات روی سرور remote. Daytona که serverless هست با persistence و وقتی idle باشه هزینه تقریباً صفر داره. Modal که یه serverless دیگه‌ست مشابه Daytona. و Singularity برای HPC و کلاسترهای دانشگاهی.

hermes config set terminal.backend docker

اگه تازه کاری و نگران امنیت هستی، Docker بذار. خیالت راحته.

فاز ۴: حافظه و یادگیری، جایی که Hermes واقعاً متفاوت می‌شه

اینجا جاییه که Hermes از هر chatbot و coding assistant دیگه‌ای فاصله می‌گیره. یه حلقه یادگیری بسته داره که پنج مرحله‌ست. اول Agent کار رو انجام می‌ده. بعد بررسی می‌کنه آیا درست بود یا نه، هم از فیدبک صریح تو، هم از سیگنال‌های ضمنی مثل اینکه خروجی رو بدون تغییر قبول کردی. اگه کار غیربدیهی بود و موفق شد، یه Skill جدید می‌سازه. دفعات بعد اگه روش بهتری پیدا کنه، Skill رو آپدیت می‌کنه. و تسک جدید که میاد، اول توی کتابخانه Skillهاش می‌گرده.

یعنی هر چقدر بیشتر باهاش کار کنی، واقعاً بهتر می‌شه. نه marketing bullshit.

MEMORY.md، دفترچه یادداشت Agent

یه فایل متنی ساده توی ~/.hermes/ که Agent خودش نکات مهم رو توش می‌نویسه. مثلاً «کاربر ترجیح می‌ده جواب‌ها کوتاه باشه» یا «پروژه X با Next.js نوشته شده». هر session جدید که شروع می‌شه، این فایل خونده می‌شه.

USER.md، مدل‌سازی از تو

اینجا جالب می‌شه. Agent با روش Honcho dialectic reasoning یه مدل از تو می‌سازه. یعنی بعد از هر مکالمه، از خودش می‌پرسه «این کاربر چی می‌خواد؟ چرا این‌طور جواب داد؟ سبک کاریش چطوریه؟» و تدریجاً پروفایل دقیق‌تری می‌سازه.

FTS5 Cross Session Recall

یه موتور جستجوی full text بر پایه SQLite. Agent می‌تونه توی تمام مکالمات قبلیت بگرده، حتی از ماه‌ها پیش، و با LLM خلاصه‌ش کنه.

۸ Memory Provider خارجی

اگه حافظه داخلی برات کافی نیست، Hermes از ۸ provider خارجی پشتیبانی می‌کنه. Honcho برای dialectic reasoning و user modeling عمیق که پیش‌فرض پیشنهادیه. Mem0 برای استخراج خودکار fact با LLM. Hindsight که knowledge graph داره با entity resolution. Holographic که لوکاله، SQLite، بدون وابستگی خارجی، با trust scoring. OpenViking که سلسله‌مراتب دانش به سبک filesystem داره. و RetainDB و ByteRover و Supermemory به‌عنوان گزینه‌های دیگه.

hermes memory setup
hermes memory status

SOUL.md، شخصیت Agent

هر Hermes یه SOUL.md داره که هویت اصلیشه. اولین چیزی‌ه که توی system prompt لود می‌شه و تعریف می‌کنه Agent کیه، چطور حرف می‌زنه، چه ارزش‌هایی داره. می‌تونی بنویسی «تو یه دستیار فارسی‌زبان هستی که همیشه کوتاه و مستقیم جواب می‌ده» و این شخصیت توی تمام sessionها ثابت می‌مونه.

فاز ۵: سیستم Skillها، حافظه‌ی رویه‌ای

Skill یعنی یه فایل SKILL.md که به Agent می‌گه چطور یه کار خاص رو انجام بده. مثلاً «چطور یه PR روی GitHub باز کن» یا «چطور یه نمودار matplotlib بساز».

نکته‌ی کلیدی اینه که Agent فقط توضیح کوتاه هر Skill رو می‌خونه (رایگان)، و محتوای کامل رو فقط وقتی لود می‌کنه که واقعاً بهش نیاز داشته باشه. پس اضافه کردن ۱۰۰ تا Skill باعث نمی‌شه هر request سنگین بشه.

حدود ۹۰ Skill داخلی از پیش نصب شدن. و یه Skills Hub هم توی agentskills.io هست که مخزن community از Skillهای ساخته‌شده توسط بقیه‌ست.

hermes skills browse
hermes skills search kubernetes
hermes skills install openai/skills/k8s

ساخت Skill دستی:

hermes skill create persian-tweet-writer

یه فایل SKILL.md جدید ساخته می‌شه که توش قوانین و مراحل رو می‌نویسی.

Skill خودکار:

و این قشنگ‌ترین بخشه. خود Agent وقتی می‌بینه یه کار رو بارها تکرار می‌کنه، خودش Skill می‌سازه. دفعه بعد همون کار رو سریع‌تر و دقیق‌تر انجام می‌ده. بعد اگه روش بهتری پیدا کنه، Skill رو آپدیت می‌کنه.

یه Curator هم هست، یه پردازش پس‌زمینه که مراقب Skillهاست. کدوم زیاد استفاده می‌شه، کدوم قدیمی شده، کدوم رو باید بایگانی کرد.

فاز ۶: یکپارچه‌سازی، MCP و ACP و API

MCP (Model Context Protocol)

MCP یه استاندارد بازه برای اتصال Agent به ابزارهای خارجی. به جای اینکه هر بار یه اتصال سفارشی بسازی، فقط MCP server رو معرفی می‌کنی:

mcp_servers:
  github:
    command: npx
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxx"

از این لحظه Agent می‌تونه مستقیم با GitHub کار کنه. همین‌طور برای Gmail، Notion، Google Drive و هر MCP server دیگه‌ای.

ACP (Agent Context Protocol)، ادیتور

ACP بهت اجازه می‌ده Hermes رو مستقیم داخل ادیتور استفاده کنی. VS Code، Zed، JetBrains، همه پشتیبانی می‌شن.

hermes acp

بعد توی VS Code، ACP Client extension رو نصب کن و Hermes رو از لیست agentها انتخاب کن. حالا به جای سوییچ بین ترمینال و ادیتور، همه‌چیز یه‌جاست. فایل diff، terminal command، approval prompt، همه توی ادیتور رندر می‌شن.

API Server

hermes serve --port 8080

حالا Hermes خودش یه API سازگار با فرمت OpenAI ارائه می‌ده. هر اسکریپت یا اپی که با OpenAI API کار می‌کنه، می‌تونه بدون تغییر کد از Hermes خودت استفاده کنه.

فاز ۷: خودکارسازی و Multi Agent

Cron Jobs، با زبان طبیعی

hermes cron add "هر روز صبح ساعت ۷ اخبار فارسی AI رو خلاصه کن و به تلگرام بفرست"

Hermes این جمله رو تفسیر می‌کنه و یه job زمان‌بندی‌شده می‌سازه. بدون اینکه تو یه خط cron expression بنویسی.

Delegation، زیرمجموعه بساز

وقتی یه کار بزرگه، می‌تونی child agent بسازی:

hermes delegate "بخش frontend رو تست کن" --isolated

یه Agent ایزوله با terminal و conversation مستقل. نتیجه برمی‌گرده به Agent اصلی.

Kanban Multi Agent، تیم Agentها

این قابلیت از v0.12.0 اضافه شد و واقعاً یه نقطه عطفه. یه بورد کانبان مبتنی بر SQLite (توی ~/.hermes/kanban.db) که چند Agent می‌تونن روش هماهنگ بشن.

hermes kanban create "تحقیق درباره رقبا" --assignee researcher
hermes kanban create "نوشتن گزارش" --assignee writer --parent t_research
hermes kanban dispatch --max 3

هر Agent یه پروفایل مستقل با حافظه و Skillهای خودشه. تسک‌ها status دارن (triage، todo، ready، running، blocked، done)، comment می‌خورن، و اگه یه Agent crash کنه، dispatcher تسک رو برمی‌گردونه به ready.

تفاوتش با delegate_task چیه؟ delegate یه function call هست، fork و join. Kanban یه work queue ماندگاره که هر handoff یه row توی دیتابیسه، هر Agent یا انسانی می‌تونه بخونه و بنویسه، و اگه سیستم ریستارت بشه از بین نمی‌ره.

Persistent Goals (Ralph Loop)

یه هدف کلی می‌دی، نه یه دستور مشخص:

hermes goal set "این repo رو تا زمانی که تمام تست‌ها پاس بشن دیباگ کن"

Agent بارها تلاش می‌کنه تا شرط برآورده بشه. خودش تصمیم می‌گیره چه قدم‌هایی برداره.

Programmatic Tool Calling (RPC)

from hermes_client import HermesRPC
client = HermesRPC()
result = client.call_tool("web_search", query="آخرین اخبار AI")

مستقیم از پایتون به ابزارهای Hermes دسترسی داری.

فاز ۸: پلتفرم‌های پیام‌رسان، ۲۰+ پلتفرم

هرمس از بیش از ۲۰ پلتفرم پشتیبانی می‌کنه. توی بخش پیام‌رسان‌ها Telegram، Discord، Slack، WhatsApp، Signal، SMS و Email داری. توی بخش همکاری Microsoft Teams، Mattermost، Matrix و Google Chat. توی بخش منطقه‌ای (چین) DingTalk، Feishu، WeCom، Weixin، QQ Bot و Yuanbao. توی بخش خاص BlueBubbles، Home Assistant، LINE و Raft. و توی بخش Webhook هم GitHub و GitLab.

hermes gateway setup

مثلاً برای تلگرام:

hermes platform connect telegram --token YOUR_BOT_TOKEN

بعد از این، هر پیامی به بات تلگرامت بفرستی، مستقیم می‌ره به همون Agent. context هم بین پلتفرم‌ها حفظ می‌شه. شروع کن توی تلگرام، ادامه بده توی Discord.

Voice Mode

cd ~/.hermes/hermes-agent
uv pip install -e ".[voice]"

بعد توی CLI: /voice on و Ctrl+B برای ضبط. توی Telegram voice memo بفرست، Agent جواب صوتی می‌ده. توی Discord حتی توی voice channel زنده می‌تونی باهاش حرف بزنی.

سناریوهای واقعی، Hermes به چه دردی می‌خوره؟

Daily Briefing Bot: ترکیب Cron و Web Search و Telegram. هر صبح خلاصه اخبار موضوعات مورد نظرت میاد توی تلگرام. بدون اینکه تو دستی چیزی بخونی.

GitHub PR Review Agent: با Webhook GitHub، هر PR جدید که باز بشه، Agent خودکار کد رو review می‌کنه و کامنت می‌ذاره.

Multi Agent Development Pipeline: با Kanban، یه Agent backend می‌نویسه، یه Agent frontend، یه Agent تست. همه روی یه بورد مشترک هماهنگ می‌شن.

Serverless Always On Agent: روی Daytona یا Modal اجرا کن. وقتی کاری نداره هزینه تقریباً صفر.

Home Automation با صدا: اتصال به Home Assistant به‌علاوه Voice Mode. بگو «چراغ‌ها رو خاموش کن» و Agent اجرا می‌کنه.

Research Trajectory Generation: با Batch Processing، هزاران مسیر تصمیم‌گیری Agent تولید کن برای آموزش مدل‌های RL.

Custom AI Library: Hermes رو به‌عنوان کتابخانه پایتون import کن و توی اپ خودت استفاده کن.

Fleet Farming: یه Agent متخصص که ۵۰ اکانت شبکه اجتماعی یا ۱۲ سرویس مانیتورینگ رو مدیریت می‌کنه.

مسیر یادگیری پیشنهادی (واقع‌بینانه)

هفته ۱ و ۲، شروع:
نصب با hermes setup --portal. اولین مکالمات با CLI. آشنایی با ابزارهای پایه مثل web search، file read و terminal. تنظیم یه provider ساده با hermes model.

هفته ۳ و ۴، متوسط:
پیکربندی config.yaml شامل providers و fallback. استفاده از Memory system یعنی MEMORY.md و USER.md. نصب Skill از Skills Hub. اتصال به تلگرام یا Discord.

ماه ۲، پیشرفته:
MCP integration برای GitHub و Gmail. Cron jobs و automation. Delegation و multi agent patterns. ACP توی VS Code. Voice Mode.

ماه ۳ به بعد، Expert:
Production deployment با Docker isolation و command approval. Kanban multi agent workflows. Batch processing و research. Serverless infrastructure با Daytona یا Modal. Custom plugin development.

نکاتی که کاش اول می‌دونستم

اول اینکه اول یه chat ساده رو درست کن، بعد برو سراغ بقیه. اگه hermes یه جواب درست نمی‌ده، gateway و cron و skill اضافه نکن. اول hermes doctor بزن، بعد hermes model.

دوم اینکه از Memory استفاده کن. اجازه بده Hermes یاد بگیره. هر بار از صفر توضیح نده.

سوم اینکه Skills Hub رو چک کن. احتمالاً کسی قبلاً Skill مورد نیازت رو ساخته.

چهارم اینکه توی Production حتماً Docker isolation و command approval فعال کن. مخصوصاً اگه Agent به سیستم واقعی دسترسی داره.

پنجم اینکه از serverless backends برای کارهای idle استفاده کن. Modal و Daytona وقتی Agent بیکاره هزینه تقریباً صفر دارن.

ششم اینکه Blank Slate رو امتحان کن. اگه نمی‌دونی چی نیاز داری، با حداقل شروع کن و یکی‌یکی اضافه کن. بهتر از اینه که ۶۰ تا ابزار فعال باشه و ندونی کدوم داره چیکار می‌کنه.

و هفتم اینکه hermes doctor دوستته. هر وقت چیزی عجیب بود، اول این رو بزن.

حرف آخر

هرمس ایجنت یه ابزار فوق‌العاده‌ست. ولی قرار نیست همه‌چیز رو از روز اول استفاده کنی. حتی فقط فاز ۱ و ۲، یعنی نصب، یه provider خوب، و چند مکالمه ساده، می‌تونه یه تغییر جدی توی workflow روزانه‌ت ایجاد کنه.

من خودم الان از Hermes برای خلاصه‌سازی مقالات، review کد، و یه بات تلگرام که هر صبح اخبار AI رو برام می‌فرسته استفاده می‌کنم. همین. نه multi agent، نه Kanban، نه batch processing. و راضی‌ام.

بقیه‌اش رو وقتی نیاز کردی اضافه کن.

• داکیومنتیشن رسمی: https://hermes-agent.nousresearch.com/docs/
• گیت‌هاب: https://github.com/NousResearch/hermes-agent
• Skills Hub: https://agentskills.io

اگه سوالی داری یا جایی گیر کردی، توی کامنت‌ها بپرس. سعی می‌کنم جواب بدم. و اگه این آموزش Hermes برات مفید بود، یه اشتراک‌گذاری ساده خیلی کمک می‌کنه.