انتشار نسخه جدید Hermes Agent از سوی Nous Research؛ مدیریت یکپارچه تمام پلتفرم‌ها و کنترل دقیق هزینه‌ها

شرکت Nous Research به‌تازگی نسخه ۰.۲۳.۰ از Hermes Agent را با نام مستعار Hearth Release منتشر کرده است. این نسخه نخستین فهرست تغییرات یکپارچه و دسته‌بندی‌شده پس از نسخه ۰.۲۲.۰ به‌شمار می‌رود که حدود ۱,۶۵۰ درخواست تغییر (Pull Request) حاصل از چهار بسته به‌روزرسانی متوالی را در یک جا گردآوری کرده است. کاربران هم‌اکنون می‌توانند این نسخه را از طریق رابط خط فرمان (CLI)، فایل‌های نصبی، فروشگاه مایکروسافت، ایمیج Docker و سرویس ابری Hermes Cloud دریافت کنند.

ابزار Hermes Agent یک ایجنت هوش مصنوعی متن‌باز است که از طریق رابط خط فرمان و یک درگاه (Gateway) متصل به کلاینت‌های دسکتاپ، مرورگر، ویرایشگرهای کد و پلتفرم‌های پیام‌رسان اجرا می‌شود. این ایجنت حافظه و هویت پایدار خود را روی دیسک ذخیره می‌کند، مهارت‌های قابل استفاده مجدد را می‌آموزد و گفتگوها را در تمامی پلتفرم‌ها در دسترس نگه می‌دارد. تمرکز اصلی نسخه ۰.۲۳.۰ بر پیوستگی نشست‌ها، جداسازی محیط کاربران در فضاهای چندنفره، کنترل هزینه‌ها و بازیابی مسیر گفتگو در زمان انحراف ایجنت از هدف اصلی است.

یک درگاه واحد برای پشتیبانی از تمام پلتفرم‌ها

اکنون یک درگاه واحد در Hermes می‌تواند به‌طور هم‌زمان به رابط خط فرمان، رابط کاربری ترمینال، اپلیکیشن دسکتاپ، افزونه‌های ویرایشگر کد مبتنی بر ACP، وب‌اپلیکیشن و پیام‌رسان‌های پشتیبانی‌شده سرویس دهد. از آنجا که مدیریت نشست بر عهده این درگاه مرکزی است، توسعه‌دهنده می‌تواند کار خود را در محیط ترمینال آغاز کند، ادامه آن را در تلگرام پیگیری نماید و سپس همان گفتگو را با استفاده از همان شناسه نشست سمت سرور، در مرورگر خود باز کند.

• فضای کاری در مرورگر: این درگاه می‌تواند رابط کاربری کامل نسخه دسکتاپ شامل بخش چت، گفتگوهای گروهی، نقشه ستاره‌ای و کنترل‌های نشست را از طریق یک شنونده اختصاصی HTTP ارائه دهد.
• دسترسی هم‌زمان: یک گفتگوی زنده و فعال می‌تواند به‌طور هم‌زمان در برنامه دسکتاپ، رابط ترمینال، ویرایشگر سازگار با ACP، چت خط فرمان یا رشته پیام‌های یک پیام‌رسان نمایش داده شود.
• تخصیص هوشمند ظرفیت اجرا: باز کردن یک پنجره چت غیرفعال دیگر ظرفیت اجرایی درگاه را اشغال نمی‌کند و هر نشست تنها زمانی که اولین نوبت پردازش خود را آغاز کند، یک اسلات اجرایی می‌گیرد.

شنونده تحت مرورگر به‌طور پیش‌فرض غیرفعال است تا زمانی که مدیر سیستم آن را فعال کند. در پیاده‌سازی‌هایی که این رابط را خارج از یک شبکه امن در دسترس قرار می‌دهند، باید حتماً از سازوکارهای احراز هویت، پروتکل TLS و کنترل‌های دسترسی شبکه استفاده شود.

قابلیت بازگشت به عقب در تاریخچه پرامپت‌ها

دستور جدید /rewind امکان بازگشت ساختاریافته به مراحل قبل را به رابط خط فرمان کلاسیک اضافه کرده است. فشردن دوباره کلید Esc در یک خط فرمان خالی و غیرفعال، فرآیند بازگشت به عقب را باز می‌کند و دستورات شماره‌گذاری‌شده نیز کنترل مستقیمی روی نقطه ادامه گفتگو در اختیار کاربر می‌گذارند.

• دستور /rewind N گفتگو را برای ویرایش به پرامپت شماره N بازمی‌گرداند.
• دستور /rewind fork N بلافاصله پیش از پرامپت شماره N یک شاخه جدید ایجاد می‌کند.

قابلیت انشعاب یا همان Forking، تاریخچه فعلی را حفظ کرده و در عین حال یک مسیر جایگزین می‌سازد؛ ویژگی بسیار کاربردی که هنگام آزمایش پرامپت‌های مختلف یا اصلاح مسیر ایجنت پس از دریافت نتایج ضعیف، بسیار راهگشا خواهد بود.

علاوه بر این، کانال‌های دیسکورد، گروه‌های تلگرام، کانال‌های اسلک و فضاهای اشتراکی مشابه اکنون در صورت ارائه شناسه کاربری توسط پلتفرم، برای هر فرستنده یک نشست کاملاً مجزا ایجاد می‌کنند. به این ترتیب، تاریخچه گفتگو، هزینه‌های مصرفی ابزارها و وضعیت توقف کار منحصراً به همان کاربر متصل می‌ماند. پیام‌های خصوصی نیز همچنان از همان شناسه‌های چت یا دایرکت قبلی خود استفاده می‌کنند.

تیم‌هایی که ترجیح می‌دهند یک زمینه و حافظه مشترک برای کل اعضای یک اتاق گفتگو داشته باشند، می‌توانند از طریق بخش تنظیمات این رفتار را به حالت قبل بازگردانند. با این حال، حالت پیش‌فرض بر جداسازی نشست‌ها تنظیم شده است تا پرامپت‌ها یا وظایف طولانی‌مدت یک کاربر، نشست سایر اعضای گروه را دستخوش تغییر نکند.

اعمال محدودیت‌های سخت‌گیرانه مالی بر ابزارهای پولی

درگاه ابزار Nous سرویس‌های مختلفی از جمله Firecrawl، مدل تولید تصویر FLUX، ارائه‌دهندگان تبدیل متن به گفتار و ابزار Browser Use را در قالب یک اعتبار کاربری واحد تجمیع می‌کند. نسخه ۰.۲۳.۰ محدودیت‌های سخت‌گیرانه سقف هزینه را در لایه این درگاه اضافه کرده است تا میزان بودجه‌ای را که یک ایجنت می‌تواند هنگام انجام وظیفه مصرف کند، به‌طور دقیق محدود سازد.

این محدودیت‌ها مستقیماً روی بارهای کاری بدون نظارت انسان، از جمله وظایف زمان‌بندی‌شده و حلقه‌های خودکار Ralph که به‌طور پیوسته مراحل جدیدی تولید می‌کنند، اعمال می‌شوند. اکنون مدیران سیستم می‌توانند پیش از رها کردن این فرآیندهای خودکار، سقف مالی مشخصی را برای جستجوهای مکرر، تولید تصاویر، اقدامات مرورگر یا درخواست‌های صوتی تعیین کنند.

سنجش‌پذیر شدن واگذاری وظایف به ایجنت‌های فرعی

گردش‌کارهای مربوط به ایجنت‌های فرعی اکنون می‌توانند خروجی‌ها را بر اساس یک ساختار اختیاری JSON Schema اعتبارسنجی کنند و هزینه هر واگذاری وظیفه را در نتایج خود بگنجانند. اعتبارسنجی JSON Schema به سیستم مدیریت مرکزی اجازه می‌دهد پاسخ‌های ناقص یا غیراستاندارد را پیش از ارسال به ابزار یا ایجنت دیگر رد کند؛ در حالی که گزارش‌دهی هزینه‌ها، مخارج دقیق هر وظیفه واگذارشده را شفاف می‌سازد.

هم‌چنین سقف‌های پیش‌فرض سیستم به ۲۵۰ تکرار و ۱۰ ایجنت فرعی هم‌زمان افزایش یافته است. این تنظیمات امکان اجرای کارهای موازی بزرگ‌تر را از طریق گردش‌کارهای Hermes و رابط کاربری کانبان (Kanban) فراهم می‌کنند و داده‌های جدید اعتبارسنجی و هزینه نیز اطلاعات بیشتری برای کنترل آن‌ها در اختیار اپراتورها قرار می‌دهند.

ارتقا از طریق کانال‌های توزیع فعلی

مسیرهای نصب برنامه هیچ تغییری نکرده‌اند. مخزن کدهای منبع تحت مجوز MIT در دسترس قرار دارد و نسخه‌های نصب‌شده فعلی را می‌توان از طریق همان کانال توزیع کنونی به‌روزرسانی کرد.

# CLI and installer
hermes update

# Docker
docker pull nousresearch/hermes-agent:stable

# Microsoft Store
# Update through the Store app

توصیه می‌شود اپراتورها پس از ارتقا، سه بخش از تنظیمات را بازبینی کنند: تصمیم‌گیری درباره فعال‌سازی شنونده مرورگر، انتخاب بین نشست‌های مجزا یا مشترک برای اتاق‌های گفتگوی گروهی، و تعیین سقف هزینه‌ها برای ابزارهای پولی.

بلوغ عملیاتی در نسخه ۰.۲۳.۰

مخزن گیت‌هاب Hermes Agent در بحبوحه انتشارهای سریع و پی‌درپی خود، اکنون از مرز ۱۰۰,۰۰۰ ستاره عبور کرده است. انتشار نسخه Hearth این حجم بالای توسعه را به یک مدل عملیاتی شفاف‌تر تبدیل کرده است: یک درگاه واحد برای پشتیبانی از چندین کلاینت، نشست‌های پایدار در تمام پلتفرم‌ها، مسیردهی اختصاصی به ازای هر کاربر در اتاق‌های اشتراکی، بودجه‌بندی قابل اعمال برای ابزارها و تاریخچه گفتگوی قابل ویرایش.

توسعه‌دهندگانی که Hermes را با ایجنت‌های میزبانی‌شده تجاری مانند ChatGPT Agent یا قابلیت استفاده از کامپیوتر در مدل Claude مقایسه می‌کنند، اکنون مجموعه‌ای بسیار کامل‌تر از کنترل‌های عملیاتی را در اختیار دارند. نسخه ۰.۲۳.۰ دقیقاً به نیازهای کاربردی و واقعی پاسخ می‌دهد که پس از تبدیل شدن یک نمونه اولیه به یک سرویس اشتراکی یا خودکار، خود را نشان می‌دهند.