สร้าง AI Agent อัจฉริยะที่เรียนรู้ได้เอง เพื่อเร่งการวิจัยให้เร็วและปลอดภัยยิ่งขึ้น ด้วย Hermes Agent และ NVIDIA NemoClaw

    git clone 

    cd 

    

# ทำตามขั้นตอนการติดตั้ง OpenShell

    ./bring-up.sh

./sandbox.sh status

    ขอสรุปประเด็นปัญหา GitHub ประจำวัน

    ขอสรุปประเด็นปัญหา GitHub ในรูปแบบรายงานประจำวัน โดยมีส่วนที่เป็นข้อความนำ และรายการประเด็นปัญหา

    รูปแบบนี้ดีมาก บันทึกรูปแบบนี้ไว้ใช้ในครั้งต่อไป

    ./sandbox.sh snapshot --name 

    ./sandbox.sh stop

    

# ทำการ Rebuild หรือ Update Container

    ./sandbox.sh start

    ./sandbox.sh restore --name 

    

# policy.yaml ตัวอย่าง

    allow:

      - host: 127.0.0.1

        ports:

          - port: 8000

            methods:

              - POST

สร้าง AI Agent อัจฉริยะที่เรียนรู้ได้เอง เพื่อเร่งการวิจัยให้เร็วและปลอดภัยยิ่งขึ้น ด้วย Hermes Agent และ NVIDIA NemoClawในยุคที่ข้อมูลหลั่งไหลเข้ามาอย่างมหาศาล AI Agent กลายเป็นเครื่องมือทรงพลังที่ช่วยสังเคราะห์ข้อมูล เร่งกระบวนการวิจัย สรุปประเด็นสำคัญ และสนับสนุนการตัดสินใจของทีมให้รวดเร็วยิ่งขึ้น อย่างไรก็ตาม การนำข้อมูลภายในองค์กรมาประมวลผลร่วมกับแหล่งข้อมูลสาธารณะกลับนำมาซึ่งความท้าทายด้านความปลอดภัยบทความนี้จะพาคุณไปรู้จักกับตัวอย่าง Open Source ที่ใช้ Hermes Agent ร่วมกับ NVIDIA NemoClaw ในการทำ Product Research จากแหล่งข้อมูลอย่าง Outlook, Slack และ GitHub โดยมี NVIDIA OpenShell ทำหน้าที่เสริมความปลอดภัยให้กับ Runtime ที่ได้รับอนุมัติ Agent จะสามารถเรียนรู้ความชอบและรูปแบบการทำงานของผู้ใช้ สร้าง "ความจำ" (Memories) และ "ทักษะ" (Skills) ใหม่ๆ ได้เอง ยิ่งผู้ใช้ทำงานร่วมกับ Agent มากเท่าไหร่ Agent ก็จะยิ่งฉลาดและมีประสิทธิภาพมากขึ้นเท่านั้นแม้ว่าจุดเชื่อมต่อ (Integration Points) ในตัวอย่างนี้จะจำเพาะเจาะจงกับ Slack, Outlook และ GitHub แต่รูปแบบการผสมผสานข้อมูลสาธารณะและข้อมูลส่วนตัวอย่างปลอดภัยใน Agent ที่เรียนรู้ได้เองนี้ มีความสำคัญอย่างยิ่งต่อการใช้งานที่หลากหลาย ไม่ว่าจะเป็น การวิจัยด้านการขาย, การสนับสนุนลูกค้า, การคัดกรองปัญหาทางวิศวกรรม, การวิเคราะห์คู่แข่ง หรือการค้นพบองค์ความรู้ภายในองค์กรสิ่งที่คุณจะได้เรียนรู้การติดตั้งและเรียกใช้งาน: วิธีการตั้งค่าชุดเครื่องมือ NemoClaw แบบ Open Source ด้วยคำสั่งติดตั้งเพียงครั้งเดียวการเชื่อมต่อ Agent: การเชื่อมต่อ Agent เข้ากับช่องทางการสื่อสาร 2 ช่องทาง (Slack และ Outlook) รวมถึงข้อมูลชุมชน (GitHub และเว็บบอร์ดนักพัฒนา NVIDIA)การสอนทักษะใหม่: วิธีการสอน Agent ให้สร้างรายงานตามรูปแบบที่กำหนดได้โดยตรงจากการสนทนา โดยไม่ต้องแก้ไขโค้ดหรือรีสตาร์ท Gatewayการบันทึกสถานะ: วิธีการบันทึกสถานะที่ Agent เรียนรู้ไว้ เพื่อให้คงอยู่ได้แม้จะมีการ Deploy ใหม่สิ่งที่ต้องเตรียมเครื่อง Host ที่ติดตั้ง Docker Daemon แล้ว (ตัวอย่างนี้ทดสอบบน Ubuntu 24.04 แต่สามารถใช้กับ Linux Distribution อื่นๆ ที่ OpenShell รองรับได้)API Key จาก build.nvidia.com สำหรับการ Inference (โมเดลเริ่มต้นคือ nvidia/nemotron-3-super-120b-a12b) Hermes Agent สามารถทำงานร่วมกับโมเดล NVIDIA Nemotron ที่ Host เองบน NVIDIA NIM หรือ vLLM หากต้องการให้ข้อมูลอยู่ภายใน On-Premiseข้อมูลยืนยันตัวตน (Credentials) สำหรับการเชื่อมต่ออย่างน้อย 1 ช่องทาง:Outlook Tenant พร้อม Azure App ที่ลงทะเบียนแล้วหรือ Slack Workspace พร้อม Slack AppGitHub Token สำหรับดึงข้อมูลคำแนะนำ: สามารถดูคำแนะนำการตั้งค่าได้ที่ docs/set-up-outlook-bridge.md และ docs/set-up-slack.mdการติดตั้งและเรียกใช้งาน Hermes AgentClone Repository และติดตั้ง OpenShell: git clone cd # ทำตามขั้นตอนการติดตั้ง OpenShellตั้งค่า Environment: คัดลอกไฟล์ template .env และกรอก Inference Key ของคุณ พร้อมข้อมูลช่องทางการสื่อสารอย่างน้อย 1 ช่องทางเริ่ม Services ฝั่ง Host: ใช้สคริปต์ host-services เพื่อเริ่ม Services จากนั้นจึงเรียกใช้งาน Agent: ./bring-up.shสคริปต์ bring-up.sh จะทำการเริ่ม Hermes Agent ภายใน Sandbox ของ OpenShell ซึ่งมีคุณสมบัติสำคัญ 2 ประการ:การจัดการ Credentials: OpenShell Sandbox จะจัดการ Credentials ให้โดยอัตโนมัติ ทำให้ Hermes Agent ไม่สามารถเข้าถึง Slack หรือ Outlook Token ได้โดยตรง การยืนยันตัวตนจะเกิดขึ้นเมื่อ Request ออกจาก Proxy ของ Sandboxการบังคับใช้นโยบายเครือข่าย: Agent จะมีสิทธิ์เข้าถึงข้อมูลภายในที่ละเอียดอ่อนจาก Outlook หรือ Slack แต่จะถูกจำกัดไม่ให้เข้าถึงอินเทอร์เน็ตสาธารณะได้สำหรับข้อมูลจาก GitHub และเว็บบอร์ด NVIDIA จะถูกดึงผ่านกระบวนการ ETL แยกต่างหาก จากนั้นจึงจัดเก็บเพื่อให้ Agent มีสิทธิ์อ่านเท่านั้น การตั้งค่านี้ช่วยป้องกันไม่ให้ Agent ที่อาจถูกเจาะระบบ โพสต์ข้อมูลออกไปยังเว็บไซต์ภายนอกได้เมื่อสคริปต์ทำงานเสร็จสิ้น ให้ตรวจสอบสถานะของ Sandbox ว่าทำงานปกติหรือไม่:./sandbox.sh statusจากนั้น ลองส่งข้อความส่วนตัว (DM) ไปยัง Agent ผ่าน Slack หรือส่งอีเมลจากที่อยู่ที่คุณตั้งค่าไว้ใน .env เพื่อยืนยันว่า Agent สามารถตอบกลับได้สอนครั้งเดียว นำไปใช้ได้ทุกที่ 🛠️เมื่อ Agent ทำงานแล้ว ส่วนนี้จะแสดงวิธีสอนทักษะใหม่ และการนำทักษะนั้นไปใช้ข้ามการสนทนาขอรายงานสรุปประจำวัน:ลองขอให้ Agent สรุปประเด็นปัญหา (GitHub Issues) ทุกเช้า โดยเริ่มจากการขอรายงานประจำวัน: ขอสรุปประเด็นปัญหา GitHub ประจำวันการตอบกลับอาจมีประโยชน์ แต่ยังไม่ตรงกับรูปแบบที่ต้องการ ลองขอรูปแบบที่แตกต่างออกไป: ขอสรุปประเด็นปัญหา GitHub ในรูปแบบรายงานประจำวัน โดยมีส่วนที่เป็นข้อความนำ และรายการประเด็นปัญหาเมื่อการตอบกลับมีรูปแบบรายงานที่ดีแล้ว ให้ใช้ "Positive Reinforcement" เพื่อบอก Agent ให้บันทึกรูปแบบนี้ไว้สำหรับการใช้งานในอนาคต: รูปแบบนี้ดีมาก บันทึกรูปแบบนี้ไว้ใช้ในครั้งต่อไปHermes สร้าง Skill:เมื่อ Hermes จดจำรูปแบบได้ มันจะสร้างไฟล์ SKILL.md ขึ้นมาในระบบไฟล์ ไฟล์นี้จะมีส่วนหัว (YAML frontmatter) ที่ระบุชื่อและคำอธิบาย และส่วนเนื้อหาที่เป็นโครงสร้างของรูปแบบรายงานSnapshot, Tear Down, Rebuild, Restore:ในสภาพแวดล้อม Production Agent จะถูกสร้างใหม่เมื่อมีการอัปเดตโค้ดหรือปรับเปลี่ยนการตั้งค่า หากทักษะที่เรียนรู้ไว้ไม่คงอยู่ Agent จะต้องถูกสอนใหม่ทุกครั้ง เพื่อป้องกันปัญหานี้ ให้ทำการ Snapshot, ทำลาย Sandbox, สร้างใหม่จาก Image และ Restore จากไฟล์ Tarball เพื่อให้แน่ใจว่าทักษะจะยังคงอยู่: ./sandbox.sh snapshot --name ./sandbox.sh stop # ทำการ Rebuild หรือ Update Container ./sandbox.sh start ./sandbox.sh restore --name Snapshot จะบันทึกสถานะของ Agent รวมถึง Skills, Memories, Sessions และ Scheduled Jobs ต่างๆ โดยจะมีตัวกรอง Credentials ที่จะยกเว้นไฟล์อย่าง .env, token, และ secret ทำให้ไฟล์ Tarball ปลอดภัยสำหรับการแชร์เรียกใช้งาน Skill จากการสนทนาใหม่:จากการสนทนาใหม่ ลองขอ "รายงานสรุปประเด็นปัญหา NemoClaw ประจำ 3 วันที่ผ่านมา" Agent จะสามารถส่งคำตอบในรูปแบบเดียวกันได้ โดยจะมีการเปลี่ยนแปลงเฉพาะตัวเลขและหัวข้อให้ตรงกับข้อมูลปัจจุบันเท่านั้น รูปแบบนี้จะถูกเก็บไว้ใน Skill ไม่ใช่ในหน่วยความจำของการสนทนาสถาปัตยกรรมที่ทำงานได้: Model, Harness, และ RuntimeAgent ถูก Deploy ด้วย NVIDIA NemoClaw ซึ่งเป็นโครงสร้างพื้นฐานสำหรับ Open Agents ที่สร้างขึ้นด้วย Harness ที่ขับเคลื่อนด้วยโมเดลแบบเปิด (Open Models) ภายใน Runtime ที่ปลอดภัยNetwork Policy: นโยบายเครือข่ายถูกกำหนดเป็นโค้ด ไม่ใช่ Prompt โดย policy.yaml จะระบุปลายทาง, Port, HTTP Verb และ Binary ที่อนุญาตทั้งหมด ตัวอย่างเช่น การอนุญาตให้ Inference: # policy.yaml ตัวอย่าง allow: - host: 127.0.0.1 ports: - port: 8000 methods: - POSTหาก Agent พยายามเชื่อมต่อไปยัง Host ที่ไม่อยู่ในรายการอนุญาต Proxy จะส่งข้อผิดพลาด 403 (Forbidden) กลับไป และ Hermes Agent จะถือว่าเป็นข้อผิดพลาดในการใช้เครื่องมือ (Tool Error)การสังเกตการณ์ (Observability) ด้วย NeMo Relay และ Arize Phoenix 🔍Agent ทำการตัดสินใจมากมายในแต่ละ Turn การสนทนา เช่น การเลือก Skill ที่จะเรียก, เครื่องมือที่จะใช้งาน, Argument ที่จะส่ง, หรือสิ่งที่ส่งกลับไปยังผู้ใช้ เมื่อเกิดข้อผิดพลาด ผู้ใช้ไม่สามารถแก้ไขได้หากไม่เห็นว่า Agent ทำงานอย่างไรAgent ที่ Deploy ไว้จะบันทึก Trace ในรูปแบบ Agent Trajectory Format (ATIF) โดย Sandbox Image จะรวม NVIDIA NeMo Relay มาให้เป็นค่าเริ่มต้น ทำให้ Trace ปรากฏขึ้นโดยไม่ต้องตั้งค่าเพิ่มเติม ก่อนที่ Sandbox จะถูกทำลาย สคริปต์ scripts/download-traces.sh จะดึง Trace ออกมา การตั้งค่า PHOENIXCOLLECTORENDPOINT ในไฟล์ .env จะเปิดใช้งานการส่ง Trace แบบสดไปยัง Phoenix Collector เพื่อการ Debug แบบโต้ตอบได้ปรับใช้สำหรับ Use Cases ที่หลากหลายแม้ว่าประโยชน์หลักของ Hermes คือการพัฒนาตนเอง แต่ตัวอย่างนี้ยังสามารถปรับแต่งได้ก่อนการ Deploy คุณสามารถอัปเดต Skills ที่กำหนดไว้ล่วงหน้าและนโยบาย OpenShell ให้เข้ากับ Workflow และสภาพแวดล้อมที่เฉพาะเจาะจงได้ ตัวอย่างนี้มาพร้อมกับ 5 Skills ที่ Gateway จะดึงมาใช้งานโดยอัตโนมัติจากโฟลเดอร์ agents/hermes/skills/ คุณสามารถแก้ไขนโยบาย OpenShell เพื่อให้ Agent เข้าถึงแหล่งข้อมูลหรือเครื่องมือต่างๆ ได้เริ่มต้นใช้งาน NemoClaw ได้อย่างรวดเร็ว โดยชี้ Agent ของคุณไปยัง Skills ที่ NVIDIA ตรวจสอบแล้ว ซึ่งสร้างขึ้นใน Claude Code, Codex และ Hermes Skills Hub โดยมี Catalog ฉบับเต็มเผยแพร่บน skills.sh สำหรับใช้งานร่วมกับ Cursor, Gemini CLI, GitHub Copilot, Windsurf และอื่นๆ อีกมากมายRepository ของ NemoClaw Community มาพร้อมกับตัวอย่างฉบับสมบูรณ์ที่ใช้ในบทช่วยสอนนี้ หากต้องการเจาะลึกเพิ่มเติม:อ่านเอกสาร NemoClaw สำหรับการอ้างอิง Blueprint และ CLIอ่านเอกสาร NVIDIA OpenShell สำหรับการสร้าง Sandbox, Syntax ของ Policy และการจัดการ Providerเลือกโมเดล Nemotron จาก build.nvidia.com หรือ Host เองด้วย NIM#AI #HermesAgent #NVIDIANemoClaw #MachineLearning #OpenSource #AIResearchhttps://developer.nvidia.com/blog/deploy-self-evolving-agents-for-faster-more-secure-research-with-a-hermes-agent-and-nvidia-nemoclaw/