ในโลกของ AI Agent โครงการที่กำลังสร้างแรงสั่นสะเทือนครั้งใหญ่คือ Hermes Agent (จาก repository agent0ai/agent-zero) ซึ่ง David Ondrej ครีเอเตอร์สาย AI Agent ยกให้เป็นโครงการที่เติบโตเร็วที่สุด โดยสามารถทำสถิติแตะ 100,000 Stars บน GitHub ได้เร็วที่สุดในประวัติศาสตร์ของแพลตฟอร์ม

สิ่งที่ทำให้ Hermes ได้รับความสนใจอย่างล้นหลามไม่ใช่แค่ตัวเลขความนิยม แต่คือความสามารถในการ เขียน Skill ของตัวเองขึ้นมาใหม่ (Self-improving) และ ซ่อมแซมตัวเองได้ทันทีเมื่อเจอปัญหาระหว่างทำงาน (Self-healing) ยิ่งเมื่อทำงานร่วมกับเครื่องมือใหม่อย่าง Browser Harness จากทีม Browser Use ทำให้ Agent ตัวนี้สามารถท่องเว็บ คลิกหน้าจอ และแก้ปัญหาบนเบราว์เซอร์ได้เนียนตาใกล้เคียงมนุษย์

1. อะไรทำให้ Hermes Agent แตกต่างจาก Agent ตัวอื่น

จุดเด่นสำคัญของ Hermes ไม่ใช่แค่การตอบคำถามฉลาด แต่คือสถาปัตยกรรมที่เปิดให้ Agent วิเคราะห์ข้อผิดพลาด หาต้นตอ แล้วปรับปรุงตัวเองกลางคัน ซึ่งต่างจากเฟรมเวิร์กอย่าง OpenClaw ที่ไม่มีกลไกสร้าง Skill ใหม่ด้วยตัวเอง

ความร้อนแรงของโปรเจกต์สะท้อนผ่านความเร็วในการพัฒนา มีการปล่อยอัปเดตเวอร์ชันใหญ่ถึง 5 ครั้งภายในเวลาเพียง 20 วัน และมีการผสาน Pull Request มากกว่า 740 ครั้ง หรือเฉลี่ยสูงถึงวันละ 37 PR สถิติจาก Google Trends ในรอบ 3 เดือนล่าสุดยังแสดงให้เห็นว่าความสนใจใน Hermes เติบโตสวนทางกับเครื่องมือเดิมอย่างเห็นได้ชัด

2. Browser Harness: ผสานสมองของ Hermes เข้ากับมือของ Browser Use

กุญแจสำคัญที่ปลดล็อกศักยภาพระดับ Near-AGI คือ Browser Harness ซึ่ง David Ondrej นิยามว่าเป็น Harness ที่เบาที่สุด เรียบง่ายที่สุด และมีความสามารถในการซ่อมตัวเองสูง เปิดโอกาสให้โมเดล AI ควบคุมเบราว์เซอร์ได้อย่างเป็นอิสระ หากไลบรารีพื้นฐานทำงานไม่สำเร็จ ตัว Agent จะเขียนฟังก์ชันใหม่และสร้าง Skill ขึ้นมาเองเพื่อพิชิตงานนั้นให้ได้

ความสัมพันธ์ของทั้งสองส่วนสรุปได้สั้นๆ ว่า "Hermes คือสมอง ส่วน Browser Use คือมือ"

Browser Use ทำหน้าที่มองเห็นหน้าเว็บ คลิกปุ่ม และพิมพ์ข้อความเหมือนคน ส่วน Browser Harness และ Hermes ทำหน้าที่คิด แก้ปัญหา และพัฒนา Skill สะสมไว้ใช้งานต่อ ไม่ว่าจะเป็นการโพสต์บนแพลตฟอร์มโซเชียล สั่งซื้อสินค้า ดึงข่าวสาร หรือค้นหา Lead บนอินเทอร์เน็ต

3. เดโมที่ 1: ดึง 15 ข่าวเด่นจาก Hacker News เป็นไฟล์ JSON

เพื่อพิสูจน์ความสามารถ David Ondrej สาธิตสดโดยสั่งให้ Hermes เข้าไปยังหน้าเว็บ Hacker News ดึงข้อมูล 15 อันดับแรก (หัวข้อ คะแนน ผู้โพสต์ จำนวนคอมเมนต์ ลิงก์) บันทึกเป็นไฟล์ JSON และสั่งทิ้งท้ายว่าให้บันทึกสิ่งที่ได้เรียนรู้จากการ Scrape เว็บข่าวกลับเข้าเป็น Skill ของระบบด้วย

ผลลัพธ์คือ Hermes ทำงานได้สำเร็จอย่างรวดเร็วโดยไม่ต้องพิมพ์ระบุให้เรียกใช้ Browser Harness เพราะระบบรู้จักเลือกหยิบ Skill จากโฟลเดอร์มาใช้อย่างชาญฉลาด

สิ่งที่น่าทึ่งคือไฟล์ Skill ที่ Agent เขียนบันทึกกลับมา มันสามารถระบุจุดผิดพลาดยิบย่อย (Gotchas) บนหน้าเว็บ Hacker News ได้ถึง 4 จุด เช่น ปัญหา Prefix ของ Relative URL, ปัญหาโพสต์ประเภท Self-post, และปัญหา Anchor Tag ที่ไม่มีคอมเมนต์ พร้อมเขียนบล็อกโค้ด Python เป็นสูตรสำเร็จ (Recipe) และบันทึกคำแนะนำเชิงรุกสำหรับ Agent ตัวอื่นในอนาคต

4. เดโมที่ 2: ดึง Thumbnail 12 วิดีโอ YouTube จัดเรียงเป็นภาพกริด 4x3

งานที่สองมีความซับซ้อนยิ่งขึ้น โดยสั่งให้เข้าไปที่ช่อง YouTube ดึงภาพปกและชื่อของ 12 คลิปล่าสุด แล้วนำมาประกอบเป็นรูปภาพ Grid ขนาด 4x3 บันทึกเป็นไฟล์ PNG

ในการทำงานรอบนี้ เกิดการ Self-healing แบบสดๆ เมื่อ Browser Harness พยายามเชื่อมต่อ Chrome บนเครื่องไม่สำเร็จ Hermes จึงวิเคราะห์ปัญหาทันทีและสลับไปสั่งเปิด Remote Daemon ผ่านสคริปต์เฉพาะเพื่อข้ามอุปสรรคแบบเรียลไทม์

นอกจากนี้ Agent ยังฉลาดพอที่จะค้นพบว่า หน้าเว็บ YouTube มีข้อมูล JSON ก้อนใหญ่ (ytInitialData) ฝังอยู่ในโค้ด HTML อยู่แล้ว จึงเลือกดึงข้อมูลคลิปจาก JSON ก้อนนั้นโดยตรง ไม่ต้องเสียเวลานั่งไล่คลิกบนหน้าจอ จากนั้นทำการตรวจทานความเรียบร้อยของรูปภาพ และเขียน Skill ใหม่ความยาว 147 บรรทัดส่งกลับเข้าสู่ระบบ เพื่อให้การ Scrape YouTube ในครั้งถัดไปทำได้ทันทีโดยไม่ต้องลองผิดลองถูกซ้ำ

5. บทสรุปและสิ่งจำเป็นสำหรับการติดตั้งใช้งานจริง

สิ่งที่ทำให้ Hermes Agent โดดเด่นในสายตาของนักพัฒนา ไม่ใช่เพียงสถิติ 100,000 Stars แต่คือวงจรการเรียนรู้ที่สามารถสร้าง Skill ใหม่ ซ่อมแซมตัวเองกลางคัน และสะสมความรู้จากการทำงานจริง

สำหรับผู้ที่ต้องการนำระบบนี้ไปติดตั้งและรันใช้งานจริง ควรเตรียมความพร้อมใน 3 ส่วนหลัก

1. เซิร์ฟเวอร์หรือ VPS: เพื่อให้ Agent สามารถรันงานเบื้องหลังได้ตลอด 24 ชั่วโมง
2. API Key สำหรับโมเดลภาษา: เช่น OpenRouter โดยในคลิปแนะนำให้ใช้โมเดลระดับสูงอย่าง Claude 3.5 Sonnet หรือ Opus เพื่อให้ได้ผลลัพธ์การคิดที่แม่นยำ
3. สภาพแวดล้อมสำหรับเบราว์เซอร์: สามารถเลือกรัน Browser Harness ผ่าน Browser Use Cloud หรือติดตั้งแบบ Headless บนเครื่องตัวเอง

Hermes Agent แสดงให้เห็นว่า ยุคสมัยของ AI Agent ได้ข้ามผ่านจากการเป็นเพียงแชตบอตตอบคำถาม ไปสู่ระบบอัตโนมัติที่เรียนรู้ แก้ปัญหา และสะสมทักษะในการทำงานแทนมนุษย์ได้อย่างแท้จริง