Udemy – The Hermes Agent Guide: From Zero to Autonomous Agent 2026-7

در تاریخ: 1405/05/20 11:22:05

توضیحات

دوره The Hermes Agent Guide: From Zero to Autonomous Agent. این دوره آموزشی به بررسی نحوه ساخت عامل‌های هوش مصنوعی مستقل با استفاده از مدل Hermes و اجرای محلی آن از طریق Ollama بدون نیاز به فریم‌ورک‌های پیچیده می‌پردازد. این دوره آموزشی نحوه ساخت عامل‌های هوش مصنوعی (AI Agents) را بر پایه مدل Hermes از مجموعه NousResearch آموزش می‌دهد. مدل Hermes یک مدل با وزن‌های باز (Open-weight) است که به صورت محلی روی سیستم شخصی اجرا می‌شود و نیازی به فراخوانی APIهای پولی یا سرویس‌های ابری ندارد. تمام مراحل اجرای این آموزش از طریق Ollama و با مدل Hermes 3 8B انجام می‌شود، به همین دلیل این دوره هیچ هزینه‌ای برای API نداشته و به صورت کاملاً آفلاین کار می‌کند. کدهای آموزش داده شده در این دوره با پایتون (Python) خالص و استفاده از کتابخانه‌های استاندارد نوشته شده‌اند و به جای استفاده از فریم‌ورک‌های آماده، دانشجویان مستقیماً با نقطه پایانی (Endpoint) مدل و فرمت ChatML کار می‌کنند تا جزئیات دقیقی را که مدل دریافت می‌کند مشاهده کنند. آموزش با راه‌اندازی محیط اجرا، نصب Ollama و فراخوانی مسیرهای اصلی آغاز می‌شود. سپس فراخوانی توابع (Function Calling) به عنوان هسته اصلی دوره مورد بررسی قرار می‌گیرد تا دانشجویان با نحوه ساخت عامل‌هایی که کدهای JSON و بلوک‌های ابزار را تحلیل و اجرا می‌کنند آشنا شوند. در بخش‌های پیشرفته‌تر، تکنیک ساخت خروجی‌های ساختاریافته با Pydantic، پیاده‌سازی حلقه ReAct برای استدلال و اقدام، و طراحی سیستم‌های چندعاملی (Multi-agent) تدریس می‌شود. همچنین ساخت لوله‌های RAG محلی برای جستجو در اسناد شخصی، افزودن نرده‌های محافظ (Guardrails) برای امنیت داده‌ها، ارزیابی مدل‌ها و در نهایت جریمه‌سازی و تنظیم دقیق (Fine-tuning) مدل با تکنیک‌های LoRA و QLoRA روی سیستم‌های شخصی پوشش داده شده است.

آنچه فرا خواهید گرفت

اجرای محلی مدل Hermes با استفاده از Ollama و فراخوانی آن در پایتون (Python) از طریق نقاط پایانی اصلی و سازگار با OpenAI.
خواندن و نوشتن مستقیم فرمت ChatML و استفاده از دستورات سیستم (System Prompt) برای هدایت رفتار مدل.
ساخت عامل فراخوانی توابع (Function Calling Agent) برای تحلیل فراخوانی ابزارها و اجرای واقعی APIها.
دریافت خروجی‌های ساختاریافته و قابل اعتماد با استفاده از طرح‌واره‌های Pydantic و اعتباربرسانی داده‌ها.
پیاده‌سازی دستی حلقه ReAct و ساخت عامل‌های چندابزاره برای انجام وظایف چندمرحله‌ای.
ساخت لوله RAG کاملاً محلی برای پاسخ به سوالات از روی اسناد شخصی و ذکر منابع.
طراحی سیستم‌های چندعاملی شامل ساختار نویسنده و منتقد و برنامه‌ریزی برای تقسیم سوالات پیچیده.
افزودن نرده‌های محافظ برای سانسور داده‌های حساس و ارزیابی کیفیت خروجی‌ها.
تنظیم دقیق (Fine-tuning) مدل Hermes با تکنیک‌های LoRA و QLoRA روی سیستم شخصی و اجرای مجدد آن در Ollama.
اتصال عامل Hermes به فایل‌های حافظه، مهارت‌های Markdown، زمان‌بندی Cron و پیام‌رسان Telegram.

این دوره مناسب افرادیست که

توسعه‌دهندگانی که با زبان پایتون (Python) و ترمینال آشنا هستند و می‌خواهند عامل‌های هوش مصنوعی را بدون فریم‌ورک بسازند.
افرادی که تجربه کار با ChatGPT یا Claude را دارند و می‌خواهند نحوه کار عامل‌ها را در سطح پرامپت و ابزارها درک کنند.
تمامی کسانی که تمایل دارند هوش مصنوعی قدرتمند را به صورت رایگان و محلی اجرا کنند و داده‌های خود را حفظ نمایند.
یادگیرندگانی که می‌خواهند تنظیم دقیق (Fine-tuning) مدل‌ها را بدون نیاز به کارت‌های گرافیک گران‌قیمت یا هزینه‌های ابری تجربه کنند.
علاقه‌مندان به ساخت و کنترل سیستم‌های هوش مصنوعی شخصی و مستقل روی سیستم خود.