۶ مرداد ۲۵۸۵ · 7 دقیقه مطالعه
چطور با Hermes Agent زندگی دیجیتالم رو خودکار میکنم
سؤالی که همهچی رو شروع کرد ساده بود: چطور زندگی دیجیتالم رو خودکار کنم، بدون اینکه کنترلش از دستم در بره؟
راههای بدیهی رو امتحان کرده بودم: اسکریپت، کرانجاب، برونسپاری. هیچکدوم دوام نیاورد. مشکل هیچوقت ابزارها نبودن؛ روند کار بود. وبلاگنویسی، مالیات و یوتیوب وقتم رو میخوردن، و ساعتهایی که پای کارهای جانبی میذاشتم از وقتی که صرف خود کار میشد بیشتر بود.
برای همین Hermes Agent رو راه انداختم، یه ایجنت متنباز از Nous Research، و به همین گردشکارها وصلش کردم.
روندهای دستیای که هفتهام رو میخوردن
روال قدیمی این شکلی بود.
وبلاگنویسی (ashkmb.com). یه پست به انگلیسی بنویس. دستی به آلمانی و فارسی ترجمهاش کن، یا به مترجم پول بده، که هم کند بود هم گرون. هر سه نسخه رو نمونهخوانی کن، ناهماهنگیها رو درست کن و مطمئن شو لحن هر سه یکیه. کامیت کن، پوش کن، صبر کن تا Cloudflare Pages دیپلوی کنه. هر پست سه تا پنج ساعت.
یوتیوب (AgenticTube). یه پست پیدا کن که ارزش ویدیو شدن داشته باشه. اسلایدها رو بساز، روایت رو ضبط کن، تدوین کن. آپلود کن، توضیحات رو بنویس، تگ بذار. هر ویدیو دو تا چهار ساعت.
مالیات (expenseTracker). توی Gmail دنبال فاکتورها بگرد. اسم فروشنده، تاریخ و مبلغ رو دستی دربیار. فایلهای PDF رو ذخیره کن، اسمشون رو عوض کن و یه اسپردشیت جمعوجور کن. سالی ده ساعت یا بیشتر.
غرق کارهای جانبی شده بودم. باید بخشهای تکراری رو خودکار میکردم، بدون اینکه کنترل خلاقانه رو از دست بدم.
کارهایی که Hermes Agent انجام میده
سیستم Hermes Agent یه موتور گردشکاره. روی مینیپیسی من (لینوکس) اجرا میشه، مک من رو کنترل میکنه و بخشهایی رو که لازم نیست خودم بهشون دست بزنم، به عهده میگیره:
| گردشکار | کاری که این ایجنت میکنه | نقش من |
|---|---|---|
| وبلاگ | پیشنویس مینویسه، به آلمانی و فارسی ترجمه میکنه، ورکتریهای Git رو مدیریت میکنه، روی Cloudflare Pages منتشر میکنه. | بازبینی پیشنویسها، تأیید پولریکوئست. |
| یوتیوب | پستهای وبلاگ رو به شورت و دایجست هفتگی تبدیل میکنه، روی یوتیوب (بهصورت خصوصی) آپلود میکنه، توی تلگرام بهم خبر میده. | زدن دکمهی «Approve» برای انتشار. |
| مالیات | صندوق Gmail رو دنبال فاکتورها میگرده، دادهها رو درمیاره، توی PostgreSQL ذخیره میکنه، یه فایل ZIP آمادهی اظهارنامهی مالیاتی خروجی میگیره. | اجرای just export-year 2025. |
| تحقیق | تحلیلهای فنی عمیق رو خلاصه میکنه (مثلاً «توضیح بنچمارکهای Sonnet 5»). | خوندن خلاصه. |
| عملیات | مینیپیسی رو زیر نظر داره (دیسک، حافظه، مصرف GPU). | وقتی چیزی خراب میشه، آلرت میگیرم. |
چطور کار میکنه
دستگاه، و اینکه چرا ایجنت نیتیو اجرا میشه
همهچی روی یه مینیپیسی همیشهروشن اجرا میشه، یه Core i9 با ۳۲ گیگابایت که قبلاً هاست Proxmox من بود. از نو یه Ubuntu ساده روش نصب کردم و فقط یه کار بهش دادم: خونهی ایجنت بودن. مک من فقط یه کلاینت از راه دوره؛ از طریق اپ دسکتاپ و تلگرام با Hermes حرف میزنم، ولی کار اصلی روی همین دستگاه انجام میشه، که شبانهروز روشنه و لپتاپم رو درگیر نمیکنه.
کل این ماشین با Ansible راهاندازی میشه، با یه پلیبوکِ ایدمپوتنت، پس خود دستگاه دورریختنیه. اگه از کار بیفته، از روی ریپو دوباره میسازمش: سیستم پایه، ایجنت، محیط اجرای مدل، ابزارهای خط فرمانم و dotfiles، همه به شکل رول.
تصمیمی که واقعاً برام مهمه اینه که Hermes نیتیو زیر systemd اجرا میشه، با کاربر خودم، نه توی کانتینر. به نظر یه پانویس میاد، ولی کل طراحی همینه. یه ایجنتِ کانتینری نمیتونه terraform، kubectl، aws، gh، psql یا تنظیمات ~/.kube و ~/.aws من رو ببینه، پس دستور «run terraform plan» با خطای command not found شکست میخوره. وقتی نیتیو اجرا بشه، ایجنت دقیقاً همون ابزارهایی رو به ارث میبره که توی شل خودم دارم. کار عملیاتی خود من رو انجام میده، نه یه نسخهی تقلیدی ازش توی محیط ایزوله.
این تصمیم یه بدهبستان هم داره که باید صادقانه بگمش. نیتیو یعنی ایجنت با کاربری اجرا میشه که sudo بدون پسورد داره، و هیچ دیوار کانتینری دورش نیست. برای همین مرز امنیتی عمداً جای دیگهایه: یه لیست مجاز توی تلگرام که تعیین میکنه اصلاً کی اجازه داره باهاش حرف بزنه، و یه پسورد روی داشبورد. این دو تا رو حصار حساب میکنم، چون تنها حصارن.
جلوی همهی اینها یه ریورس پراکسی Caddy داشبورد رو مدیریت میکنه، و کل سیستم از طریق یه Cloudflare Tunnel به من میرسه، پس هیچوقت هیچ پورت ورودیای روی شبکهی خونهام باز نمیکنم. استنتاج مدل روی یه بکاند هاستشده انجام میشه، نه روی خود دستگاه: یه مدل که ابزار و تصویر رو پشتیبانی میکنه برای استدلال، و یه مدل بینایی کوچیکتر که مشخصاً برای OCR و اسکرینشاتهای مرورگر تعیینش کردم، تا مدل بزرگ برای هر تصویر هزینه نخوره. جابهای زمانبندیشده با cron و سرکشی دورهای به RSS اجرا میشن؛ حلقهی تعاملیِ تأیید و انتشار از طریق تلگرام میاد. دستگاه مال خودمه و ارکستراسیون هم مال خودمه، ولی فراخوانیهای مدل از دستگاه بیرون میرن. برای همین استخراج دادههای واقعاً حساس رو محدود و بازبینیشده نگه میدارم، به جای اینکه وانمود کنم هیچچیزی هیچوقت به کلاود نمیرسه.
پروژهی AgenticTube: از وبلاگ تا یوتیوب
فید RSS وبلاگم رو Hermes Agent زیر نظر داره و پستها رو به دو چیز تبدیل میکنه: شورتهای روزانه (۹:۱۶، ۴۵ تا ۶۵ ثانیه، اسلاید با صدای روایت) و یه دایجست هفتگی (۱۶:۹، ۱۰ تا ۳۰ دقیقه، برای هر پست یه بخش).
پایپلاین شش مرحله داره. هر ساعت فیدهای RSS رو میخونه، از یه مدل میخواد نکتههای کلیدی رو با لحن خنثی دربیاره، یه اسکریپت میسازه (سه اسلاید برای شورت، شش یا هفت تا برای هر بخش دایجست)، با ffmpeg رندر میکنه، بهاضافهی کتابخونهی Pillow برای اسلایدها و Google TTS برای روایت، از طریق API یوتیوب آپلود میکنه که پیشفرضش خصوصیه، و توی تلگرام با یه دکمهی «Approve» بهم خبر میده. همین پست هم میتونه بدون اینکه من دست به سیاه و سفید بزنم، یه شورت یا یه بخش از دایجست بشه.
ابزار expenseTracker: خودکارسازی فاکتورهای مالیاتی
اینجا Hermes Agent صندوق Gmail من رو دنبال فاکتورهای آلمانی میگرده، هم پیوستهای PDF و هم متن خود ایمیلها، و سه کار انجام میده: اسم فروشنده، شمارهی فاکتور، تاریخ و مبلغ (خالص، مالیات بر ارزش افزوده، ناخالص) رو درمیاره؛ اینها رو توی PostgreSQL زیر اسکیمای financial_agent ذخیره میکنه؛ و یه فایل ZIP خروجی میگیره که مشاور مالیاتیم مستقیم میتونه بازش کنه.
cd ~/Documents/Projects/Personal/expenseTracker
just export-year 2025 # writes ./exports/export_2025-01-01_2025-12-31.zip
توی فایل ZIP اینها هست: documents/ (فایلهای PDF و متن ایمیلها بهصورت HTML یا متن ساده)، manifest.csv (فاکتورهای تمیز: فروشنده، تاریخ، مبلغ) و manifest_needs_review.csv (هر چیزی که استخراجش با اطمینان انجام نشده). این تفکیک مهمه: من فقط و فقط فایل دوم رو با چشم چک میکنم.
سایت ashkmb.com: پستهای چندزبانه
نوشتههای Hermes Agent از کارهایی میاد که واقعاً انجام میدم، نه از یه پرامپت کلی. همین پست هم که دربارهی خود این ایجنته، از گردشکارهای واقعی بالا دراومده. برای هر پست، ترجمهها (انگلیسی، آلمانی، فارسی) رو انجام میده، کار رو توی یه ورکتری Git جدا میکنه تا هیچچیزی زودتر از موقع روی main نره، تا وقتی تأیید نکردم توی حالت پیشنویس نگهش میداره، و متادیتای SEO (تگهای OG و JSON-LD) رو پر میکنه.
انتشار یه بازبینیه، نه یه دستور. خود Hermes یه پولریکوئست باز میکنه؛ من دیف رو میخونم و مرجش میکنم:
gh pr diff # eyeball the EN/DE/FA changes
gh pr merge --merge # Cloudflare Pages deploys on merge to main
واقعاً چی گیرم میاد
فکر کردن کار Hermes Agent نیست؛ کارش کارهای جانبیِ دور و بر فکر کردنه. زمان وبلاگنویسی رو از چند ساعت به چند دقیقه میرسونه، ناهماهنگیها رو قبل از رسیدن به پروداکشن میگیره، و بخشی رو برام میذاره که برام مهمه: ایدهها، نه سیمکشیهای پشت صحنه.
کل حرف همینه. اینجا خودکارسازی برای جایگزین کردن من نیست؛ برای اینه که کارهای تکراری از روی میزم جمع بشه، تا ساعتهایی که میذارم صرف نوشتن، فکر کردن و ساختن بشه، نه عوض کردن اسم فایلهای PDF.
قدم بعدی
هنوز دارم گردشکارها رو بهتر میکنم. سه تا چیز توی لیسته: ساخت خودکار تامبنیل و تصویر OG، انتشار زمانبندیشده با cron به جای مرج دستی، و استفاده از Hermes برای تحلیل بازخورد خوانندهها و برگردوندنش توی پستها.
اگه جزئیات فنی رو میخوای، اینکه سابایجنتها چطور به هم وصل شدن و اسکریپتهای بررسی چی رو چک میکنن، بگو تا عمیقتر بنویسم.