آموزش راهنمای جامع ایجنت Hermes: از صفر تا ایجنت‌های خودمختار - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• در این دوره چه خواهید ساخت What You Will Build In This Course

مبانی و پایه‌ها Foundations

• Hermes چیست What Hermes Is

• Nous Research و تبار Hermes Nous Research & The Hermes Lineage

• خانواده مدل‌های Hermes The Hermes Family

• چه چیزی Hermes را متمایز می‌کند What Makes Hermes Different

• نصب Ollama و اجرای محلی Hermes Installing Ollama and Running Hermes Locally

• API استنتاج محلی در پایتون The Local Inference API in Python

• سیستم پرامپت‌ها و آرایه پیام‌ها System Prompts & The Messages Array

• رابط کاربری بات تلگرام A Telegram Bot Frontend

پرامپت‌نویسی و خروجی Prompting & Output

• کالبدشناسی یک پرامپت Anatomy of a Prompt

• پرامپت‌نویسی Few-Shot Few-Shot Prompting

• پرامپت‌نویسی نقش و شخصیت Role & Persona Prompting

• محدود کردن فرمت خروجی Constraining the Output Format

• کاهش توهمات با گزینه Opt Out Reducing Hallucination with an Opt-Out

• پرامپت‌نویسی زنجیره افکار (Chain of Thought) Chain-of-Thought Prompting

• پنجره کانتکست (Context Window) The Context Window

• بدون‌وضعیت بودن و محدودیت‌های کانتکست Statelessness & Context Limits

• مدیریت کانتکست با پنجره لغزان (Sliding Window) Sliding-Window Context Management

• خلاصه‌سازی گفتگو Conversation Summarization

• قطعه‌بندی ورودی‌های طولانی Chunking Long Inputs

• چرا متن آزاد باعث شکست خط لوله‌ها می‌شود Why Free Text Breaks Pipelines

• طرح JSON برای خروجی‌های ساختاریافته JSON Schema For Structured Outputs

• ساخت یک استخراج‌کننده ساختاریافته Building a Structured Extractor

• اعتبارسنجی ورودی و محدودیت‌های حفاظتی Input Validation & Guardrails

• اعتبارسنجی خروجی و محدودیت‌های حفاظتی Output Validation & Guardrails

• فراخوانی محافظت‌شده مدل A Guarded Model Call

استدلال و قابلیت اطمینان Reasoning and Reliability

• مدل‌های استدلالی و مرحله تفکر (Think Step) Reasoning Models & The Think Step

• تغییر حالت استدلال Toggling Reasoning Mode

• بررسی ردپای استدلال Inspecting the Reasoning Trace

• هزینه تأخیر در استدلال The Latency Cost of Reasoning

• چه زمانی استدلال ارزشمند است When Reasoning Is Worth It

• واریانس نمونه‌برداری و عدم قطعیت Sampling Variance & Nondeterminism

• ثبات درونی از طریق رای‌گیری اکثریت Self-Consistency by Majority Vote

• ثبات درونی: هزینه و محدودیت‌ها Self-Consistency: Cost & Limits

• زمانی که رای‌گیری کمک می‌کند (پاسخ‌های گسسته) When Voting Helps (Discrete Answers)

• ساخت مجموعه ارزیابی Building an Evaluation Set

• استفاده از LLM به عنوان داور LLM-as-a-Judge

• اندازه‌گیری پسرفت‌ها و پیشرفت‌ها Measuring Regressions & Gains

• مودهای شکست رایج Common Failure Modes

• تلاش مجدد و استراتژی Backoff Retries & Backoff

• مدیریت خروجی‌های بدشکل Handling Malformed Output

ابزارها و ایجنت‌ها Tools & Agents

• چرا LLMها به ابزارها نیاز دارند Why LLMs Need Tools

• پروتکل فراخوانی توابع The Function-Calling Protocol

• ساخت یک ایجنت فراخوانی توابع Building a Function-Calling Agent

• ابزارهایی که اقدام انجام می‌دهند Tools That Take Actions

• تأییدیه انسانی در حلقه (Human-in-the-Loop) Human-in-the-Loop Approval

• دستیار ابزار کاربردی و فعال A Working Tool-Using Assistant

• توزیع چند-ابزاری Multi-Tool Dispatch

• گسترش مجموعه ابزارها Extending the Toolset

• ایجنت تعاملی چند-ابزاری An Interactive Multi-Tool Agent

• ارائه Hermes از طریق HTTP Serving Hermes over HTTP

• رابط کاربری چت مرورگر A Browser Chat Frontend

• پاسخ‌های جریانی (SSE) Streaming Responses (SSE)

سرعت و بسته‌بندی Speed & Packaging

• تأخیر در مقابل توان عملیاتی (Latency vs Throughput) Latency vs Throughput

• اندازه‌گیری توکن در ثانیه Measuring Tokens per Second

• شروع سرد در مقابل مدل گرم Cold Start vs Warm Model

• طول پرامپت و هزینه Prefill Prompt Length & Prefill Cost

• استریم برای افزایش سرعت ادراکی Streaming for Perceived Speed

• بسته‌بندی اسکریپت به عنوان CLI Packaging a Script as a CLI

• خواندن از stdin و لوله‌ها (Pipes) Reading from stdin & Pipes

• تجزیه آرگومان‌ها و فلگ‌ها Argument Parsing & Flags

• نصب CLI در مسیر سیستم (Path) Installing the CLI on Path

بازیابی و جستجو Retrieval & Search

• امبدینگ‌ها و شباهت برداری Embeddings & Vector Similarity

• قطعه‌بندی و بازیابی Chunking & Retrieval

• مستندسازی پاسخ‌ها در کانتکست بازیابی Grounding Answers in Retrieval Context

• چت محلی با اسناد (Local RAG) A Local RAG Document Chat

• جستجوی معنایی در مقابل جستجوی کلمات کلیدی Semantic vs Keyword Search

• ساخت ایندکس امبدینگ Building an Embedding Index

• رتبه‌بندی با شباهت کسینوسی Cosine-Similarity Ranking

• جستجوی نزدیک‌ترین همسایه Nearest-Neighbor Search

• جستجوی معنایی در یک پوشه Semantic Search Over a Folder

• تبدیل زبان طبیعی به SQL Natural Language to SQL

• تبدیل نتایج SQL به زبان طبیعی Verbalizing SQL Results

• ایجنت پرس‌وجوی متن به SQL A Text-to-SQL Query Agent

فاین‌تیونینگ (بهینه‌سازی مدل) Fine-Tuning

• پیش‌آموزش در مقابل پس‌آموزش Pretraining vs Post-Training

• فاین‌تیونینگ چه چیزی را تغییر می‌دهد What Fine-Tuning Changes

• چه زمانی فاین‌تیون کنیم When to Fine-Tune

• فراتر از SFT: شکاف ترجیحی Beyond SFT: The Preference Gap

• RLHF: یادگیری تقویت‌شده از بازخورد انسانی RLHF: RL from Human Feedback

• DPO: بهینه‌سازی مستقیم ترجیحات DPO: Direct Preference Optimization

• هزینه فاین‌تیونینگ کامل The Cost of Full Fine-Tuning

• LoRA: آداپتورهای رتبه پایین LoRA: Low-Rank Adapters

• QLoRA: لو-را کوانتیزه شده QLoRA: Quantized LoRA

• راه‌اندازی محیط فاین‌تیونینگ Fine-Tuning Environment Setup

• آماده‌سازی مجموعه داده آموزشی Preparing a Training Dataset

• اجرای یک فاین‌تیون LoRA Running a LoRA Fine-Tune

• ارزیابی مدل فاین‌تیون شده Evaluating the Fine-Tuned Model

• چرا کیفیت داده‌ها اهمیت دارد Why Data Quality Matters

• تولید داده‌های آموزشی مصنوعی (Synthetic) Generating Synthetic Training Data

• کیفیت داده در برابر کمیت Data Quality vs Quantity

برنامه‌های بهره‌وری Productivity Applications

• مشکل داده‌های نامنظم The Messy Data Problem

• نرمال‌سازی تاریخ‌ها با LLM Normalizing Dates with an LLM

• استانداردسازی نام‌ها و حروف Standardizing Names & Casing

• حذف داده‌های تکراری (Deduplication) Entity Deduplication

• یک خط لوله پاک‌سازی جامع An End-to-End Cleaning Pipeline

• استخراج ساختاریافته از سند Document-to-Structured Extraction

• تعریف طرح رکوردها Defining the Record Schema

• بارگذاری رکوردها در SQLite Loading Records into SQLite

• پرس‌وجو از داده‌های استخراج شده Querying the Extracted Data

• خط لوله کامل استخراج و بارگذاری The Full Extract-and-Load Pipeline

• دستیار نویسنده LLM An LLM Writing Assistant

• خلاصه‌سازی و فشرده‌سازی متن Summarizing & Condensing Text

• انتقال لحن و استایل Tone & Style Transfer

• اصلاح گرامر و سبک Grammar & Style Correction

• اتوماسیون با کارهای زمان‌بندی شده Automating with Scheduled Jobs

• گزارش خلاصه‌ساز لاگ‌ها A Log-Summarizing Digest

• نوشتن فایل‌های خروجی با برچسب زمانی Writing Timestamped Output Files

• زمان‌بندی با cron Scheduling with cron

• پردازش دسته‌ای: یک فراخوانی برای هر آیتم Batch Processing, One Call per Item

• طبقه‌بندی دسته‌ای Batch Classification

• استخراج دسته‌ای فیلدها Batch Field Extraction

• تجمیع نتایج در یک مجموعه داده Aggregating Results into a Dataset

• زمان‌بندی و مدیریت خطا در مقیاس بالا Timing & Error Handling at Scale

پروژه‌های بزرگتر Bigger Projects

• پروژه: یک تیم تحقیق چند-ایجنت Project: A Multi-Agent Research Team

• ایجنت برنامه‌ریز The Planner Agent

• ایجنت‌های محقق (RAG) The Researcher Agents (RAG)

• ایجنت نویسنده The Writer Agent

• هماهنگ‌سازی تیم تحقیق Orchestrating the Research Team

• حلقه‌های تولیدکننده-منتقد Generator–Critic Loops

• تجزیه برنامه‌ریز-کارگر Planner–Worker Decomposition

• خط لوله تولید محتوای چند-ایجنت A Multi-Agent Content Pipeline

• پروژه: طراحی یک مدرس خصوصی Project: Designing a Study Tutor

• نمره‌دهی پاسخ‌ها بر پایه LLM LLM-Based Answer Grading

• سختی تطبیقی Adaptive Difficulty

• ذخیره پیشرفت و وضعیت Persisting Progress & State

• استقرار مدرس در تلگرام Deploying the Tutor to Telegram

• اعتماد از طریق امتیازات بازیابی Confidence via Retrieval Scores

• ارتقاء و ایجاد تیکت Escalation & Ticket Creation

• ایجنت پشتیبانی مبتنی بر بازیابی A Retrieval-Backed Support Agent

ایجنت Hermes The Hermes Agent

• معرفی ایجنت Hermes Introducing the Hermes Agent

• نصب ایجنت Hermes Installing the Hermes Agent

• پیکربندی ارائه‌دهنده مدل محلی Configuring a Local Model Provider

• اجرای اولین نوبت ایجنت Running Your First Agent Turn

• مرور قابلیت‌های ایجنت Agent Capabilities Overview

• حافظه پایدار Persistent Memory

• مهارت‌ها: قابلیت‌های آموخته شده Skills: Learned Capabilities

• مرور ثبت مهارت‌ها (Skills Registry) Browsing the Skills Registry

• بررسی تعریف یک مهارت Inspecting a Skill Definition

• سطح ابزارها The Tool Surface

• تور ابزارهای داخلی Built-in Tools Tour

• فعال و غیرفعال کردن ابزارها Enabling & Disabling Tools

• انتخاب ابزار توسط مدل Model-Driven Tool Selection

• اتصال Gateway به تلگرام Connecting the Gateway to Telegram

• زمان‌بندی داخلی Cron Built-in Cron Scheduling

• ایجاد یک کار زمان‌بندی شده Creating a Scheduled Job

• سرویس Gateway The Gateway Service

• کارهای ایجنت در مقابل کارهای اسکریپتی Agent Jobs vs Script Jobs

• مدل تهدید ایجنت The Agent Threat Model

• اقدام‌های مشروط به تأیید Approval-Gated Actions

• محدود کردن دسترسی‌های ابزار Scoping Tool Permissions

• حسابرسی آسیب‌پذیری وابستگی‌ها Dependency Vulnerability Auditing

• معماری مستقل از مدل A Model-Agnostic Architecture

• محدودیت خودمختاری مدل 8B محلی The Local-8B Autonomy Limit

• تغییر ارائه‌دهنده مدل Swapping the Model Provider

• انتخاب مدل‌های محلی در مقابل ابری Choosing Local vs Cloud Models

• چرا وضعیت ایجنت را پشتیبان‌گیری کنیم Why Back Up Agent State

• پشتیبان‌گیری وضعیت با یک دستور One-Command State Backup

• نقاط بازگشت (Checkpoints) خودکار Automatic Checkpoints

• تاریخچه نشست و بازیابی Session History & Restore

• عیب‌یابی ایجنت‌های ناسازگار Diagnosing a Misbehaving Agent

• بررسی سلامت Doctor The Doctor Health Check

• دستور Status The Status Command

• جمع‌بندی: کالبدشناسی ایجنت Wrap-Up: The Agent's Anatomy

• مرور دوره: چگونه همه چیز به هم متصل می‌شود Course Recap: How It All Fits