هرمس؛ دستیاری که فقط جواب نمی‌دهد، واقعاً برایتان کار می‌کند

وقتی حرف هوش مصنوعی می‌شود، احتمالاً اولین چیزی که یادمان می‌آید ChatGPT است. صفحهٔ چت را باز می‌کنیم، چیزی می‌پرسیم، جواب می‌گیریم و برای کار بعدی دوباره برمی‌گردیم سراغش. اما فکر کن هوش مصنوعی فقط منتظر سؤال بعدی‌ات نماند. فکر کن دستیاری کنارت باشد که برنامه‌هایت را بداند، قرارهایت را دنبال کند، پیام بدهد، کارها را پیگیری کند، اطلاعات لازم را از چند سیستم پیدا کند و تقویمت را ببیند. حتی بتواند با قانون‌هایی که خودت تعیین کرده‌ای، بعضی کارها را جلو ببرد. برای من، Hermes دقیقاً چنین مفهومی دارد. من چند ماه است که با هرمس کار می‌کنم. اینجا می‌خواهم خودمانی بگویم اصلاً هرمس چیست، چه فرقی با ChatGPT دارد، خودم چه کارهایی با آن می‌کنم و چرا با همهٔ ذوقی که برایش دارم، موقع دادن دسترسی به آن حسابی احتیاط می‌کنم.

سه ماه زندگی کنار هرمس، واقعاً چطور بوده؟

من بیشتر از سه ماه است که از هرمس استفاده می‌کنم و راستش واقعاً راضی‌ام. عملاً یک دستیار همه‌کاره دارم که خیلی از کارهایم را خودش جلو می‌برد. این فقط تعریف یک قابلیت روی کاغذ نیست؛ در روزهای شلوغ، واقعاً بخشی از بار کارها را از دوشم برداشته است. به بعضی سیستم‌های شرکت و سایت‌هایی که با آن‌ها کار دارم دسترسی محدود دارد. سایت‌های دانشگاه را چک می‌کند، کارهای عقب‌افتاده را یادم می‌اندازد و اگر بگویم «فلانی را پیگیری کن»، از حساب مخصوص خودش پیام می‌دهد، جواب می‌گیرد و نتیجه را به من می‌گوید. گاهی هم خودش حالم را می‌پرسد و می‌فهمد این چند روز درگیر چه موضوعی بوده‌ام. مثلاً ممکن است بگویم: «ببین دانشگاه چیزی اعلام کرده یا نه.» یا «فلانی هنوز جواب آن موضوع را نداده؛ دوباره پیگیری‌اش کن.» یا «امروز سرم شلوغ است، کارهای مهمم را خودت یادآوری کن.» برایم جالب‌ترین بخش این است که لازم نیست هر بار همه چیز را از اول توضیح بدهم. می‌گویم «همان کاری را که دیروز گفتیم پیگیری کن» و معمولاً می‌فهمد دربارهٔ کدام کار حرف می‌زنم. حتی گاهی من کاری را یادم می‌رود و او یادش مانده است. قبل از این، AI برایم بیشتر یعنی یک سؤال بپرسم و یک جواب بگیرم. حالا بیشتر حس می‌کنم یک دستیار کنارم هست که کارها را از من می‌گیرد و واقعاً جلو می‌برد. البته هر کاری که به دیگران یا سیستم‌های حساس مربوط باشد، هنوز باید با دسترسی و قانون مشخص انجام شود. تصویر مفهومی ساخته‌شده برای این مقاله است؛ نمای واقعی هرمس نیست.

اصلاً هرمس چیه؟

ساده‌ترین تعریفی که می‌توانم از هرمس ارائه کنم این است: هرمس برای من شبیه یک منشی یا دستیار شخصی دیجیتال است که می‌تواند همیشه در دسترس باشد. تفاوت اصلی اینجاست که قرار نیست فقط با آن حرف بزنید. می‌توانید ابزارها، سیستم‌ها و سرویس‌های مختلفی را در اختیارش قرار دهید و از آن بخواهید از آن‌ها برای انجام کار استفاده کند. برای مثال ممکن است بخواهید دستیارتان بتواند:

تقویمتان را مدیریت کند؛
ایمیل‌های مهم را پیدا کند؛
بعضی پیام‌ها را پیگیری کند؛
برای فرد مشخصی پیام بفرستد؛
اطلاعات یک سامانه را بررسی کند؛
اتفاق مشخصی را زیر نظر داشته باشد؛
چیزی را در زمان مناسب به شما یادآوری کند؛
یا مجموعه‌ای از مراحل را به‌جای شما انجام دهد.

به همین دلیل من هرمس را بیشتر از اینکه یک «چت‌بات» بدانم، یک AI Agent یا عامل هوشمند می‌بینم.

تصویر رسمی Hermes Agent. منبع: وب‌سایت Nous Research.

هرمس چه فرقی با ChatGPT داره؟

ChatGPT ابزار بسیار قدرتمندی است و من خودم هم از آن استفاده می‌کنم، اما نوع استفاده‌ای که من از هرمس دارم متفاوت است. در یک چت‌بات معمولی، اغلب تعامل از سمت شما شروع می‌شود. اپلیکیشن یا وب‌سایت را باز می‌کنید، مسئله را توضیح می‌دهید و پاسخ دریافت می‌کنید. اما یک Agent می‌تواند به ابزارهای دیگری متصل شود و در صورت داشتن دسترسی مناسب، از آن ابزارها استفاده کند. مثلاً فرض کنید من می‌گویم: «اگر اتفاق مهمی در برنامه دانشگاه افتاد به من اطلاع بده.» در حالت عادی باید مرتب وارد سایت دانشگاه شوم و آن را بررسی کنم. اما اگر Agent دسترسی و ابزار مناسب داشته باشد، می‌تواند سامانه را بررسی کند و در صورت مشاهده تغییر، آن را وارد جریان کاری من کند. یا مثلاً می‌توانم بگویم: «این موضوع را از فلانی پیگیری کن.» اگر دستیار به یک حساب پیام‌رسان مشخص دسترسی داشته باشد و قوانین لازم نیز برایش تعریف شده باشد، می‌تواند پیام مربوط به پیگیری را ارسال کند. پس تفاوت مهم برای من این است: چت‌بات بیشتر با شما صحبت می‌کند؛ Agent علاوه بر صحبت، می‌تواند از ابزارها استفاده کند و کار انجام دهد.

نمای محیط Hermes Desktop. منبع تصویر: راهنمای Ollama.

چرا هرمس رو روی سرور گذاشتم؟

یکی از تصمیم‌های مهم در استفاده از چنین سیستمی، محل اجرای آن است. می‌توان Agent را روی کامپیوتر شخصی اجرا کرد، اما در آن صورت زمانی فعال است که کامپیوتر شما روشن و به شبکه متصل باشد. من ترجیح می‌دهم هرمس روی سرور اجرا شود. دلیلش ساده است: سرور تقریباً همیشه روشن است. در نتیجه اگر ساعت سه صبح اتفاقی بیفتد، سیستم همچنان می‌تواند وظیفه‌ای را که برایش تعریف کرده‌ام انجام دهد. از طرف دیگر من مجبور نیستم کامپیوتر شخصی‌ام را دائماً روشن نگه دارم یا برای بعضی ارتباطات و تنظیمات شبکه‌ای آن را همیشه آماده داشته باشم. وقتی Agent روی یک سرور قرار می‌گیرد، بیشتر شبیه یک سرویس دائمی می‌شود تا برنامه‌ای که هر وقت کامپیوترمان روشن شد در دسترس باشد.

جذاب‌ترین بخش هرمس برای من: Skillها

یکی از جذاب‌ترین قسمت‌های این سیستم مفهوم Skill یا مهارت است. من Skill را این‌طور می‌بینم: مهارت یعنی روشی که به دستیار یاد می‌دهیم یک کار مشخص را چگونه برای ما انجام دهد. بعضی مهارت‌ها ممکن است از قبل توسط دیگران ساخته شده باشند و بعضی دیگر کاملاً شخصی باشند. مثلاً فرض کنید من زیاد سفر می‌کنم و برای انتخاب مکان معیارهای خاصی دارم. می‌توانم به دستیارم توضیح بدهم چه جور جاهایی را دوست دارم، چه محیط‌هایی را نمی‌پسندم، چه بودجه‌ای دارم و معمولاً دنبال چه تجربه‌ای هستم. بعد از آن اگر بگویم: «من الان در یک شهر جدید هستم، چند جای خوب بهم پیشنهاد بده.» دیگر مجبور نیستم تمام ترجیحاتم را از اول توضیح بدهم. دستیار می‌داند منظور من از «جای خوب» چیست. همین ایده را می‌توان برای ده‌ها موضوع دیگر استفاده کرد: مدیریت کارها، سفر، مطالعه، دانشگاه، برنامه‌ریزی، پیگیری افراد، نوشتن، کارهای فنی، مدیریت پروژه و هر فرایندی که مرتب در زندگی تکرار می‌شود.

اگر Skill آماده نباشه چی؟

این قسمت از نظر من بسیار جالب‌تر است. فرض کنید می‌خواهید دستیار را به سیستمی متصل کنید که تقریباً هیچ توسعه‌دهنده خارجی درباره آن چیزی نمی‌داند. مثلاً یک سامانه دانشگاهی ایرانی. طبیعتاً احتمال اینکه جامعه جهانی برای یک سامانه محلی خاص Skill آماده نوشته باشد بسیار کمتر است. اما در چنین شرایطی می‌توان خود فرایند را برای Agent توضیح داد و ابزار لازم را برای انجام آن ایجاد کرد. برای مثال می‌توان مشخص کرد: برای مشاهده کلاس‌ها به کدام قسمت برود، برنامه امتحانات کجاست، اطلاعات درس‌ها چگونه نمایش داده می‌شود و چه اطلاعاتی برای شما اهمیت دارد. بنابراین Skill لزوماً چیزی نیست که حتماً یک برنامه‌نویس قبلاً برای شما نوشته باشد. بعضی وقت‌ها می‌توانید فرایند موردنظرتان را طی گفتگو و آزمایش به دستیار آموزش دهید. البته هرچه سیستم حساس‌تر باشد، تست کردن و محدود کردن دسترسی‌ها هم مهم‌تر می‌شود.

من واقعاً با هرمس چه کار می‌کنم؟

اینجا بخش مهم ماجراست. من نمی‌خواهم فقط درباره قابلیت‌های تئوری صحبت کنم. جذابیت اصلی این ابزار برای من کارهایی است که در زندگی واقعی به آن سپرده‌ام.

۱. اتصال برنامه زندگی به Google Calendar

تقویم یکی از مهم‌ترین بخش‌های سیستم من است. جلسات، برنامه‌های مهم و اتفاقاتی که باید به آن‌ها برسم می‌توانند در تقویم ثبت شوند و هرمس از این اطلاعات برای برنامه‌ریزی استفاده کند. در نتیجه دیگر تقویم صرفاً یک صفحه پر از Event نیست. دستیار می‌تواند مفهوم بعضی برنامه‌ها را هم بداند. مثلاً می‌داند یک جلسه برای من معمولی است یا بسیار مهم. این تفاوت کوچک باعث می‌شود یادآوری‌ها هم هوشمندتر شوند.

۲. اتصال به سیستم دانشگاه

دانشگاه من آنلاین است و ممکن است ساعت کلاس‌ها، تاریخ‌ها و بعضی برنامه‌ها تغییر کنند. یکی از کارهایی که برای دستیارم تعریف کرده‌ام این است که اطلاعات موردنیاز را از سامانه دانشگاه بررسی کند و آن‌ها را وارد جریان برنامه‌ریزی من کند. در نتیجه به‌جای اینکه مرتب سامانه دانشگاه را باز کنم تا ببینم چیزی تغییر کرده یا نه، بخشی از این کار به دستیار سپرده شده است. همین موضوع مقدار قابل‌توجهی از نگرانی ذهنی من را کم کرده است.

۳. یک حساب تلگرام جداگانه برای دستیارم

یکی از چیزهایی که شخصاً خیلی دوست دارم، این است که برای دستیارم یک حساب تلگرام جداگانه ساخته‌ام. عمداً حساب شخصی خودم را در اختیارش نگذاشتم. چرا؟ چون می‌خواستم وقتی من با کسی صحبت می‌کنم، طرف مقابل بداند واقعاً خود من در حال گفتگو هستم. اما اگر دستیاری که برای من کار می‌کند پیام می‌دهد، این موضوع مشخص باشد. بنابراین ممکن است به هرمس بگویم: «برو از فلانی درباره فلان موضوع پیگیری کن.» و دستیار از حساب مخصوص خودش پیام بفرستد و مشخص کند که از طرف من در حال پیگیری است. به نظرم این مدل خیلی سالم‌تر از حالتی است که هوش مصنوعی مخفیانه از حساب شخصی من صحبت کند و فرد مقابل نداند با انسان حرف می‌زند یا Agent.

۴. یادآوری‌هایی که فقط Alarm نیستند

یادآوری معمولی ساده است. مثلاً: «ساعت چهار جلسه داری.» اما من از دستیار انتظار بیشتری دارم. فرض کنید ساعت چهار جلسه بسیار مهمی دارم و محل جلسه هم مشخص است. دستیار می‌تواند بداند جلسه کجاست، زمان تقریبی لازم برای رسیدن را در نظر بگیرد و زودتر یادآوری کند که باید حرکت کنم. ممکن است یک جلسه فقط یک Reminder لازم داشته باشد، اما جلسه دیگری برای من آن‌قدر مهم باشد که بخواهم چند بار درباره آن یادآوری دریافت کنم. بنابراین Reminder از یک Alarm ساده تبدیل می‌شود به چیزی که Context یا زمینه زندگی من را می‌فهمد.

۵. کار کردن با ویس

واقعیت این است که من خیلی وقت‌ها حتی حوصله تایپ کردن هم ندارم. ویس می‌فرستم. ایده‌ای دارم، موضوعی یادم آمده یا کاری باید انجام شود؛ همان لحظه درباره‌اش صحبت می‌کنم. این روش باعث شده تعامل با دستیار خیلی طبیعی‌تر شود. به‌جای اینکه هر بار پشت لپ‌تاپ بنشینم و یک Prompt مرتب و رسمی بنویسم، می‌توانم تقریباً مثل صحبت کردن با یک آدم توضیح بدهم که چه اتفاقی افتاده و چه کاری لازم است انجام شود. این موضوع برای من بخش مهمی از تجربه استفاده از یک دستیار واقعی است.

HERMES / CHATگفت‌وگوی واقعی من با هرمس

00:00 / 00:00

ویدئوی واقعی از صفحهٔ چت من با هرمس؛ گفت‌وگو و صدا فارسی است.

۶. کمک در نوشتن، کدنویسی و کارهای سرور

کار من فقط به برنامه شخصی محدود نیست. گاهی برای نوشتن متن یا سناریو از دستیار کمک می‌گیرم. گاهی مسئله مربوط به کد است. گاهی باید درباره مشکلی در سایت یا سرور فکر کنیم. بنابراین هرمس برای من یک دستیار تک‌منظوره نیست. توانایی واقعی سیستم تا حد زیادی به مدلی که پشت آن قرار دارد، ابزارهایی که در اختیارش گذاشته‌اید و مهارت‌هایی که برایش تعریف کرده‌اید بستگی دارد. هرچقدر ابزارهای مناسب‌تری در اختیار Agent باشد، کارهای پیچیده‌تری می‌تواند انجام دهد.

۷. پیگیری وضعیت و حجم کار من

یکی دیگر از چیزهایی که برای دستیار تعریف کرده‌ام، چیزی شبیه بررسی وضعیت روزانه من است. اگر در دوره‌ای چند پروژه مختلف هم‌زمان داشته باشم، سیستم می‌تواند براساس قواعدی که برایش مشخص کرده‌ام بعضی کارها را بیشتر پیگیری کند. یعنی فقط Taskها را نمی‌بیند. تا حدی Context کارهای من را هم دارد. می‌داند این چند روز روی چه موضوعی تمرکز کرده‌ام، چه چیزی عقب افتاده و چه کاری باید دوباره پیگیری شود. برای من این قسمت بسیار مهم است؛ چون مشکل اصلی زمانی ایجاد می‌شود که چند موضوع مختلف هم‌زمان در ذهنم باز مانده باشند. داشتن دستیاری که بخشی از این «حافظه کاری» را مدیریت کند، فشار ذهنی را کمتر می‌کند.

هرمس و OpenClaw؛ چرا من هرمس را نگه داشتم؟

من علاوه بر هرمس مدتی از OpenClaw هم استفاده کردم. از نظر من OpenClaw در بعضی قسمت‌ها آزادی و امکانات بیشتری داشت و می‌شد کارهای بسیار جذابی با آن انجام داد. اما همین انعطاف بیشتر برای من هزینه داشت. سیستم نیازمند توجه فنی بیشتری بود، گاهی لازم بود اشکالات را بررسی کنم و زمانی را صرف Debug کردن آن کنم. برای من این موضوع کمی با فلسفه داشتن یک دستیار تضاد داشت. اگر قرار باشد هر چند وقت یک‌بار زمان زیادی برای تعمیر دستیار صرف کنم، بخشی از زمانی که قرار بود برایم ذخیره کند دوباره از دست می‌رود. به همین دلیل در نهایت هرمس را در سیستم اصلی خودم نگه داشتم. این انتخاب لزوماً به این معنی نیست که هرمس برای همه بهتر است. اگر فردی عاشق آزمایش، توسعه و دستکاری سیستم‌های Agent باشد، ممکن است ابزار آزادتر و پیچیده‌تر برایش جذاب‌تر باشد. اما اولویت من پایداری و کاربرد روزمره بود.

Personality؛ وقتی دستیار فقط یک مدل زبانی نیست

یکی از قسمت‌های جالب Agentها این است که می‌توانید رفتارشان را هم تا حد زیادی تنظیم کنید. یعنی فقط نمی‌گویید چه ابزاری در اختیارشان باشد؛ می‌توانید مشخص کنید: چطور صحبت کنند، چقدر رسمی باشند، چه زمانی سؤال بپرسند، در چه موضوعاتی محتاط‌تر باشند و چه کارهایی را بدون تأیید انجام ندهند. به مرور ممکن است تعامل با این سیستم بیشتر شبیه تعامل با یک «دستیار مشخص» شود تا استفاده از یک مدل ناشناس. البته این شخصیت نباید باعث شود فراموش کنیم همچنان با یک سیستم هوش مصنوعی طرف هستیم. مدل ممکن است اشتباه کند. ممکن است چیزی را بد برداشت کند. ممکن است تصمیم مناسبی نگیرد. برای همین حتی دستیار خود من هم در معرفی خودش تأکید می‌کند که کارهای مهم باید بررسی و تست شوند و نباید صرفاً به خروجی هوش مصنوعی اعتماد کرد.

تصویر مفهومی ساخته‌شده برای این مقاله است.

مهم‌ترین موضوع: امنیت و Guardrail

تا اینجا همه چیز جذاب به نظر می‌رسد. اما یک سؤال بسیار مهم وجود دارد: آیا دادن این حجم از دسترسی به یک AI خطرناک نیست؟ پاسخ کوتاه من این است: اگر بدون محدودیت به Agent دسترسی بدهید، می‌تواند ریسک بالایی ایجاد کند. به همین دلیل یکی از مهم‌ترین قسمت‌های سیستم من Guardrail یا مجموعه محدودیت‌ها و قوانین دسترسی است. من برای دستیار مشخص می‌کنم: چه کارهایی را می‌تواند خودش انجام دهد؛ چه کارهایی را اصلاً نباید انجام دهد؛ و برای چه کارهایی باید حتماً از من تأیید بگیرد. برای مثال اگر عملیاتی مالی یا حساس باشد، من ترجیح می‌دهم سیستم قبل از اجرای آن از من تأیید صریح بگیرد. در بعضی موارد حتی چند مرحله تأیید در نظر می‌گیرم. هدف این نیست که Agent را کاملاً آزاد کنیم و امیدوار باشیم تصمیم درستی بگیرد. هدف این است که: هوش مصنوعی در محدوده‌ای مشخص آزادی داشته باشد. Guardrail خوب خطر را صفر نمی‌کند، اما می‌تواند سطح ریسک را بسیار کمتر و رفتار سیستم را قابل‌کنترل‌تر کند.

هرچه Agent قدرتمندتر شود، Guardrail مهم‌تر می‌شود

یک نکته مهم درباره Agentها وجود دارد. اگر Agent فقط بتواند متن تولید کند، بدترین خطای آن احتمالاً تولید یک پاسخ اشتباه است. اما وقتی Agent می‌تواند: پیام بفرستد، فایل تغییر دهد، در یک سایت عملی انجام دهد، قرار ثبت کند، یا به سرویس‌های واقعی متصل شود، خطا دیگر فقط یک «پاسخ اشتباه» نیست. ممکن است تبدیل به اقدام اشتباه شود. این تفاوت بسیار مهم است. به همین دلیل هرچه امکانات بیشتری به دستیار بدهیم، باید سطح کنترل، Logging، Permission و Approval آن نیز جدی‌تر شود. از نظر من، آینده AI Agentها دقیقاً به همین مسئله وابسته است: اینکه چگونه بتوانیم به آن‌ها آزادی کافی برای مفید بودن بدهیم، بدون اینکه کنترل سیستم را از دست بدهیم.

همه‌چیز رو بسپاریم به Agent؟

نه. حداقل من این کار را نمی‌کنم. جذابیت یک دستیار هوش مصنوعی ممکن است وسوسه‌کننده باشد. وقتی می‌بینید سیستم می‌تواند چند کار مختلف را انجام دهد، اولین واکنش ممکن است این باشد که دسترسی بیشتری در اختیارش قرار دهید. اما من ترجیح می‌دهم مرحله‌به‌مرحله جلو بروم. ابتدا یک وظیفه ساده. بعد یک اتصال محدود. بعد بررسی نتیجه. بعد اضافه کردن Skill دیگر. و تنها زمانی که مطمئن شدم یک فرایند قابل اعتماد است، سطح دسترسی آن را افزایش می‌دهم. مخصوصاً درباره مسائل مالی، اطلاعات شخصی، حساب‌های مهم و عملیات غیرقابل‌بازگشت، محافظه‌کاری به‌نظرم ضروری است.

هرمس به درد چه کسانی می‌خوره؟

به نظرم ارزش چنین ابزاری برای همه یکسان نیست. اگر تعداد کارهای روزانه‌تان کم است و برنامه ساده‌ای دارید، احتمالاً یک تقویم، Reminder و ChatGPT بخش بزرگی از نیازتان را پوشش می‌دهد. اما اگر هم‌زمان چند پروژه را جلو می‌برید، با افراد مختلف در ارتباط هستید، جلسات زیادی دارید، دانشگاه و کار را هم‌زمان مدیریت می‌کنید یا مرتب باید چند سامانه مختلف را بررسی کنید، داشتن یک Agent می‌تواند بسیار جذاب شود. به‌خصوص برای افرادی که دائماً این فکرها در ذهنشان تکرار می‌شود: «یادم نره اینو چک کنم.» «باید دوباره به فلانی پیام بدم.» «ببینم دانشگاه چیزی اعلام کرده یا نه.» «این جلسه رو نباید فراموش کنم.» «باید نتیجه فلان موضوع رو پیگیری کنم.» اینجاست که داشتن یک سیستم خارجی برای نگهداری بخشی از این Context ارزش پیدا می‌کند.

هرمس واقعاً چه ارزشی برام داره؟

برای من بهترین ویژگی هرمس این نیست که جواب‌های خیلی هوشمندانه می‌دهد. مدل‌های مختلف زیادی امروز می‌توانند جواب‌های بسیار خوبی تولید کنند. ارزش اصلی برای من این است که: هرمس بخشی از مسئولیت «حواس‌جمع بودن» را از من گرفته است. دیگر لازم نیست تمام اتفاقات دانشگاه را در ذهنم نگه دارم. لازم نیست همه پیگیری‌ها را خودم به خاطر بسپارم. لازم نیست دائماً فکر کنم نکند فلان قرار یا کار را فراموش کرده باشم. من همچنان تصمیم‌گیرنده‌ام. اما بخشی از مشاهده، ثبت، یادآوری و پیگیری را به سیستم دیگری سپرده‌ام. و همین موضوع برای کسی که چند مسئله را هم‌زمان جلو می‌برد، می‌تواند بسیار ارزشمند باشد.

آینده‌ای که Agentها می‌سازند

به نظرم مرحله بعدی هوش مصنوعی فقط مدل‌هایی نیستند که بهتر صحبت می‌کنند. مدل‌های زبانی همین حالا هم در گفتگو بسیار قدرتمند شده‌اند. تغییر بزرگ زمانی اتفاق می‌افتد که این هوش به ابزارهای واقعی متصل شود. وقتی AI بتواند چیزی را ببیند، اتفاقی را تشخیص دهد، تصمیمی محدود بگیرد، از یک ابزار استفاده کند و نتیجه را دوباره ارزیابی کند، از یک Chatbot به Agent نزدیک می‌شویم. در این دنیا سؤال اصلی دیگر فقط این نیست که: «هوش مصنوعی چه چیزی می‌داند؟» بلکه سؤال مهم‌تر این خواهد بود: «هوش مصنوعی چه کاری می‌تواند برای من انجام دهد؟» و البته بلافاصله بعد از آن باید سؤال دوم را بپرسیم: «تا چه حد اجازه دارم این کار را انجام دهد؟» این دو سؤال باید همیشه کنار یکدیگر باشند.

جمع‌بندی

اگر بخواهم تمام تجربه‌ام را در یک جمله خلاصه کنم، هرمس برای من چیزی میان هوش مصنوعی، سیستم اتوماسیون و یک دستیار شخصی است. می‌توانم با آن صحبت کنم، برایش Skill تعریف کنم، ابزارهای مختلف در اختیارش بگذارم، بعضی سیستم‌ها را به آن متصل کنم و بخشی از کارهای تکراری و پیگیری‌های روزمره را به آن بسپارم. اما چیزی که باعث می‌شود چنین سیستمی واقعاً مفید باشد، فقط قدرت مدل هوش مصنوعی نیست. ترکیب چند چیز است: مدل مناسب + ابزار مناسب + Skillهای مناسب + حافظه و Context مناسب + Guardrail درست. اگر این اجزا درست کنار هم قرار بگیرند، Agent دیگر فقط چیزی نیست که از آن سؤال می‌پرسید. کم‌کم تبدیل می‌شود به چیزی که واقعاً در جریان کار و زندگی شما حضور دارد. من هنوز فکر نمی‌کنم باید کنترل کامل زندگی‌مان را به یک هوش مصنوعی بدهیم؛ اتفاقاً هرچه این سیستم‌ها قدرتمندتر شوند، کنترل دسترسی آن‌ها مهم‌تر می‌شود. اما در محدوده درست، تجربه شخصی من این بوده که چنین دستیاری می‌تواند مقدار قابل‌توجهی از شلوغی ذهنی و کارهای تکراری را کم کند. و شاید مهم‌ترین تغییری که Agentها ایجاد می‌کنند همین باشد: ما دیگر فقط با هوش مصنوعی حرف نمی‌زنیم؛ کم‌کم داریم یاد می‌گیریم چگونه با هوش مصنوعی کار کنیم.