หลักสูตร Self-Improving AI Agent with Hermes เป็นการอบรมต่อยอด Hermes Agent ให้รันบนเซิร์ฟเวอร์ตลอดเวลา สั่งงานผ่าน Telegram อย่างปลอดภัย พร้อม Skill ที่ปรับปรุงตัวเองจาก Feedback งาน Cron และ Subagent เหมาะกับนักพัฒนา ทีมไอที และผู้ใช้ Hermes จบแล้วได้ Agent ที่ทำงานตามเวลาและรายงานผลผ่านแอปแชท
เมื่อใช้ AI Agent บนเครื่องของตนเองจนคล่องแล้ว ขั้นต่อไปคือการให้ Agent ทำงานแทนเราได้ตลอดเวลา ไม่ต้องเปิดคอมพิวเตอร์ค้างไว้ สั่งงานจากมือถือได้ทุกที่ ทำงานตามเวลาที่ตั้งไว้แล้วรายงานผลกลับมาเอง และเก่งขึ้นจากงานที่ทำซ้ำทุกวัน แต่ Agent ที่รันอยู่บนเซิร์ฟเวอร์และสั่งคำสั่งได้เองก็มาพร้อมความเสี่ยงที่สูงขึ้น ทั้งเรื่องใครสั่งงานได้ สิทธิ์ในการแก้ไฟล์ ความลับของ Token และข้อมูลส่วนบุคคล จึงต้องออกแบบตั้งแต่ต้นให้ทั้งเก่งและปลอดภัย
หลักสูตรนี้ต่อยอดจาก Local AI Agent with Hermes and Ollama พาผู้เรียนยก Hermes Agent จากเครื่องส่วนตัวขึ้นไปรันบน VPS, Docker หรือ WSL2 แบบ Always-on สั่งงานผ่าน Telegram ตั้งค่าการอนุมัติ Allowlist และโฟลเดอร์ที่เขียนได้ Onboard Agent ด้วยไฟล์ตัวตน ข้อมูลผู้ใช้ และ Memory วันที่สองเน้น Skill ที่ปรับปรุงตัวเองจาก Feedback งานตามเวลาด้วย Cron การเชื่อม MCP กับฐานข้อมูล Plugin และ Hook การแบ่งงานให้ Subagent ทำคู่ขนาน ฐานความรู้จากโน้ต และการส่งงานโค้ดให้ Coding Agent ปิดท้ายด้วย Agent ที่ทำงานตามเวลาและรายงานผลผ่านแอปแชท (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Advanced)
รายละเอียดหลักสูตร
หลักสูตรนี้ต่อยอดจาก Local AI Agent with Hermes and Ollama (AIC-109) สอนการยก Hermes Agent (โอเพนซอร์สจาก Nous Research สัญญาอนุญาต MIT) ขึ้นไปรันบนเซิร์ฟเวอร์แบบ Always-on สั่งงานผ่าน Telegram พร้อม Skill ที่ปรับปรุงตัวเองจาก Feedback งาน Cron, MCP, Plugin, Hook และ Subagent อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) ระดับ Advanced เนื้อหาพื้นฐาน เช่น การติดตั้งในเครื่อง Ollama และการสร้าง
Skill แรก อยู่ใน AIC-109 และจะทบทวนสั้น ๆ เท่านั้น ผู้เรียนเตรียม VPS หรือ Docker บนเครื่องของตนเอง บัญชี Telegram Bot และ API Key หรือโมเดลในเครื่องเอง สถาบันไม่ได้จัดเตรียมเซิร์ฟเวอร์ บัญชี หรือเครดิตให้ หลักสูตรนี้ต่างจาก Personal AI Agents with OpenClaw and Codex ที่ใช้ OpenClaw และ Codex และต่างจาก Local LLM Deployment with Ollama and vLLM ที่เน้นการ Deploy และ Serve โมเดล ซึ่งใช้เป็น Endpoint ให้ Agent ในหลักสูตรนี้ได้
Section 1: สถาปัตยกรรม Hermes สำหรับ Agent ที่ทำงานตลอดเวลา
Section 2: Lab: ติดตั้งบน VPS, Docker หรือ WSL2
Section 3: Lab: สั่งงาน Agent ผ่าน Telegram
Section 4: Workshop: ความปลอดภัยของ Agent ที่เปิดตลอดเวลา
Section 5: Workshop: Onboard Agent ด้วยตัวตน ผู้ใช้ และ Memory
Section 6: Workshop: Skill ที่ปรับปรุงตัวเองจาก Feedback
Section 7: Lab: Cron และงานตามเวลา
Section 8: Lab: MCP ฐานข้อมูล, CLI, Plugin และ Hook
Section 9: Lab: Subagent, ฐานความรู้ และ Coding Agent
Section 10: Capstone: Agent 24/7 ที่ทำงานตามเวลาและรายงานผ่านแชท
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
หลักสูตรนี้ต่อยอดจาก Local AI Agent with Hermes and Ollama ซึ่งสอนการติดตั้ง Hermes ในเครื่อง ใช้ Ollama และสร้าง Skill แรก หลักสูตรนี้ทบทวนพื้นฐานเพียงสั้น ๆ แล้วไปต่อที่ Agent ที่รันบนเซิร์ฟเวอร์ตลอดเวลา สั่งงานผ่าน Telegram ความปลอดภัย Skill ที่ปรับปรุงตัวเอง Cron, MCP, Plugin, Hook และ Subagent ส่วน Personal AI Agents with OpenClaw and Codex ใช้ OpenClaw และ Codex และ Local LLM Deployment with Ollama and vLLM เน้นการ Deploy และ Serve โมเดล ซึ่งนำมาใช้เป็น Endpoint ให้ Agent ในหลักสูตรนี้ได้
เตรียม Notebook ของตนเองที่ติดตั้งโปรแกรมได้ พร้อม VPS Linux ที่เช่าเอง หรือใช้ Docker หรือ WSL2 บนเครื่องแทนได้ บัญชี Telegram สำหรับสร้าง Bot และ API Key ของผู้ให้บริการโมเดล หรือ Endpoint โมเดลในเครื่อง ควรใช้ Terminal, SSH และ Docker เบื้องต้นได้ และผ่าน Local AI Agent with Hermes and Ollama หรือเคยใช้ Hermes Agent มาก่อน สถาบันไม่ได้จัดเตรียมเครื่อง เซิร์ฟเวอร์ หรือบัญชีให้
Hermes Agent เป็นโอเพนซอร์สสัญญาอนุญาต MIT และ Telegram Bot สร้างได้โดยไม่มีค่าใช้จ่าย แต่ค่า VPS ค่าโมเดลบน Cloud ตามการใช้งาน และค่าบริการ Coding Agent เช่น Claude Code หรือ Codex เป็นของผู้เรียนเอง ผู้ที่ไม่อยากเช่า VPS ใช้ Docker หรือ WSL2 บนเครื่องของตนเองได้ และใช้โมเดลในเครื่องแทนได้ในบาง Lab สถาบันไม่ได้จัดเตรียมบัญชีหรือเครดิตใด ๆ ให้
มีความเสี่ยงจริงและต้องตั้งค่าให้รัดกุม ในคลาสมี Section ความปลอดภัยโดยเฉพาะ ฝึกเปิดการอนุมัติคำสั่ง กำหนดคำสั่งต้องห้าม จำกัดผู้ที่สั่ง Bot ได้ด้วย Allowlist จำกัดโฟลเดอร์ที่เขียนได้ ใช้ Docker เป็น Sandbox เก็บ Token เป็นความลับ ปิด Port ที่ไม่ใช้ และบันทึก Log ทุกคำสั่ง ข้อมูลส่วนบุคคลต้องปฏิบัติตาม PDPA และนโยบายขององค์กร การตั้งค่าเหล่านี้ลดความเสี่ยงได้มาก แต่ไม่ได้แทนการตรวจสอบโดยคน
ได้ในหลาย Lab โดยชี้ Hermes ไปที่ Endpoint ของ Ollama หรือ vLLM แต่ Agent ที่ทำงานหลายขั้น เรียก Subagent และแก้ Skill เองต้องใช้โมเดลที่เก่งเรื่อง Tool Calling และ Context ยาว โมเดลขนาดเล็กอาจช้าและพลาดบ่อยกว่า ผลลัพธ์จึงขึ้นกับโมเดลและสเปกเครื่อง ในคลาสจะแนะนำการวางโมเดลหลักและโมเดลสำรองให้เหมาะกับงานและงบประมาณ
ได้ ผู้ใช้ Windows ติดตั้ง Hermes ใน WSL2 หรือรันด้วย Docker บนเครื่องได้ หรือจะเชื่อมจาก Windows ไปยัง VPS Linux ด้วย SSH และ VS Code Remote SSH ก็ได้ ในคลาสจะสอนการตั้ง WSL2 ให้ Gateway เริ่มทำงานเองเมื่อเปิดเครื่อง และข้อจำกัดที่ต่างจากการรันบนเซิร์ฟเวอร์ที่เปิดตลอดเวลา
หลายองค์กรอยากใช้ AI ช่วยทำงานเอกสาร สรุปรายงาน และงานซ้ำ ๆ แต่ติดปัญหาสองเรื่อง คือค่า API ที่เพิ่มขึ้นตามปริมาณงาน และความกังวลว่าไฟล์ภายในหรือข้อมูลส่วนบุคคลต้องอัปโหลดขึ้น Cloud ของผู้ให้บริการภายนอก วันนี้เราสามารถรัน AI Agent…
ผู้ช่วย AI แบบแชตทั่วไปตอบคำถามได้ดี แต่ยังต้องรอให้เราเปิดแอปและพิมพ์สั่งทุกครั้ง งานประจำอย่างสรุปอีเมลตอนเช้า เตือนนัดหมาย ติดตามข่าวในเรื่องที่สนใจ หรือจัดไฟล์รายงานประจำสัปดาห์ จึงยังเป็นภาระของเราเหมือนเดิม Personal AI Agent รุ่นใหม่อย่าง OpenClaw…
หลายองค์กรอยากใช้ LLM กับเอกสารภายใน ข้อมูลลูกค้า หรือซอร์สโค้ด แต่ติดเงื่อนไขว่าข้อมูลห้ามส่งออกไปยังผู้ให้บริการภายนอก ทางออกคือรันโมเดล Open-weight บนเครื่องหรือเซิร์ฟเวอร์ขององค์กรเอง แต่พอลงมือจริงทีม IT ต้องตอบคำถามที่ไม่ง่ายเลย ว่าควรเลือกโมเดลไหน…
