Hermes Agent Skills System: AI ที่เขียนทักษะให้ตัวเองได้

เคยรู้สึกไหมว่าทุกครั้งที่เปิด ChatGPT หรือ AI ทั่วไป ต้องอธิบายบริบทใหม่ตลอด? บอกไปว่าชอบรายงานแบบไหน อยากให้ format อย่างไร พอปิดหน้าต่างก็ลืมหมด วนไปเรื่อยๆ ราวกับว่า AI ไม่เคยเรียนรู้จากเราเลย

Hermes Agent Skills System คือคำตอบของปัญหานี้ — และมันทำงานด้วยวิธีที่น่าทึ่งมาก: แทนที่จะให้คนเขียนทักษะป้อนให้ agent Hermes จะ เขียนทักษะให้ตัวเองโดยอัตโนมัติ หลังจากที่มันแก้โจทย์แบบเดิมสำเร็จซ้ำกันสัก 3-4 ครั้ง

ผลลัพธ์คือ agent ที่ยิ่งใช้ยิ่งฉลาด ยิ่งเข้าใจสไตล์การทำงานของเรา และยิ่งเร็วขึ้นในงานประเภทที่เจอบ่อย — ทั้งหมดนี้เกิดขึ้นโดยที่เราไม่ต้องสอนมันโดยตรงแม้แต่ครั้งเดียว

Hermes เปิดตัวในเดือนกุมภาพันธ์ 2026 ในฐานะ open-source AI agent (MIT License) และกวาดดาว GitHub ไปหลักแสนภายในไม่กี่เดือน กลายเป็นหนึ่งใน agent ที่ถูกใช้มากที่สุดบน OpenRouter ในปีนี้ จุดที่ทำให้คนพูดถึงมากที่สุดคือ built-in learning loop — ซึ่งหัวใจของมันก็คือ Hermes Agent Skills ที่เราจะพูดถึงในบทความนี้

สารบัญ

Skills System คืออะไร ทำไมถึงต่างจาก AI ทั่วไป
SKILL.md คือหัวใจของระบบ
กระบวนการเขียน Skill อัตโนมัติ ทำงานยังไงกันแน่
ตัวอย่าง SKILL.md จริงๆ ที่ Agent อาจสร้างขึ้น
Hermes Agent Skills vs Skills แบบเขียนมือ (OpenClaw)
Persistent Memory กับ Skills ทำงานร่วมกันยังไง
Use Case จริงๆ: Skills ที่มีประโยชน์สำหรับคนไทย
ข้อจำกัดและสิ่งที่ควรรู้ก่อนใช้
วิธีเปิดใช้และดู Skills ที่ Agent สร้างขึ้น
คำถามที่พบบ่อย
สรุป

1. Skills System คืออะไร ทำไมถึงต่างจาก AI ทั่วไป

ลองนึกถึงพนักงานใหม่ที่เพิ่งเข้ามาทำงาน ช่วงแรกต้องบอกทุกอย่าง ทั้งวิธีทำรายงาน วิธีส่งอีเมล วิธีจัดการข้อมูล แต่พนักงานที่ดีพอเวลาผ่านไปสักระยะก็จะเริ่มจำได้เอง จดเอง และทำเองโดยไม่ต้องบอกซ้ำ

AI ทั่วไปในปัจจุบันเปรียบเหมือนพนักงานที่มีความจำระยะสั้นเท่านั้น ทำงานได้ดีในสนทนานั้นๆ แต่พอ session จบก็ลืมหมด เริ่มใหม่ซ้ำกันทุกครั้ง

Hermes Agent มองปัญหานี้ต่างออกไป ด้วย Skills System ที่ออกแบบให้ agent เรียนรู้จากงานจริงที่ทำสำเร็จ แล้วบันทึกเป็น "ทักษะถาวร" เก็บไว้ใช้งานในอนาคต

สามระดับของความจำใน Hermes

Hermes มีระบบความจำสามระดับที่ทำงานร่วมกัน:

ระดับ	ชนิด	คืออะไร	เก็บได้แค่ไหน
Session Memory	Conversational	บทสนทนาใน session นี้	จนกว่าจะปิด
Persistent Memory	Episodic	เหตุการณ์/ข้อมูลสำคัญข้ามเซสชัน	ถาวร (SQLite + FTS5)
Skills	Procedural	วิธีทำงานที่พิสูจน์แล้วว่าได้ผล	ถาวร (SKILL.md files)

Skills System อยู่ที่ระดับที่สาม เป็น "procedural memory" หรือความจำแบบกระบวนการ — ไม่ใช่แค่จำว่าเคยทำอะไร แต่จำ วิธีที่ได้ผล ในรายละเอียด

2. SKILL.md คือหัวใจของระบบ

ทุก Skill ของ Hermes ถูกเก็บในรูปแบบไฟล์ Markdown ชื่อ SKILL.md (หรือชื่ออื่นในโฟลเดอร์ skills) ไฟล์เหล่านี้ไม่ใช่แค่บันทึก แต่เป็น คู่มือปฏิบัติการ ที่ agent เขียนไว้สำหรับตัวเอง

โครงสร้างทั่วไปของ SKILL.md

# Skill: [ชื่อทักษะ]

## Trigger
เงื่อนไขที่ควรใช้ทักษะนี้

## Steps
1. ขั้นตอนแรก
2. ขั้นตอนที่สอง
...

## Notes
ข้อสังเกตและข้อควรระวัง

## Examples
ตัวอย่างที่เคยใช้สำเร็จ

สิ่งที่น่าสนใจคือ Hermes ไม่แค่บันทึก "วิธีทำ" แต่ยังบันทึก บริบทว่าควรใช้ทักษะนี้เมื่อไหร่ ทำให้ตอน invoke จริงมันรู้ว่าต้องหยิบ SKILL.md ไหนมาใช้

Analogy: คิดถึง SOP ในออฟฟิศ แต่แทนที่จะให้ HR เขียน ตัวพนักงานเขียนเองจากประสบการณ์ทำงานจริง และอัปเดตทุกครั้งที่วิธีเดิมใช้ไม่ได้

3. กระบวนการเขียน Skill อัตโนมัติ ทำงานยังไงกันแน่

นี่คือส่วนที่ทำให้ Hermes Agent Skills แตกต่างจาก AI agent อื่นอย่างชัดเจน กระบวนการทำงานเป็นแบบนี้:

Learning Loop ของ Hermes

งานเข้ามา
    ↓
Hermes พยายามแก้โจทย์
    ↓
สำเร็จ? → บันทึกใน Persistent Memory
    ↓
งานแบบเดิมซ้ำกัน 3-4 ครั้ง?
    ↓
Hermes วิเคราะห์ pattern → เขียน SKILL.md
    ↓
ครั้งต่อไปที่เจองานแบบนี้ → load SKILL.md → ทำได้เร็วและแม่นขึ้น
    ↓
SKILL.md พัฒนาต่อเมื่อเจอ edge case ใหม่

รายละเอียดแต่ละขั้นตอน

ขั้นที่ 1: Pattern Recognition Hermes ใช้ LLM summarization วิเคราะห์ประวัติงานที่ผ่านมา ถ้าเห็นว่าทำงานในรูปแบบคล้ายกัน 3-4 ครั้งขึ้นไป ก็จะ flag ว่า "อันนี้น่าจะเป็น recurring pattern"

ขั้นที่ 2: Skill Extraction LLM สรุป pattern ที่พบออกมาเป็นขั้นตอนที่ชัดเจน รวมถึงเงื่อนไข trigger และ edge case ที่เคยเจอ

ขั้นที่ 3: SKILL.md Creation เขียนไฟล์ใหม่เก็บไว้ในโฟลเดอร์ skills ของโปรเจกต์ พร้อม index ให้ searchable ด้วย FTS5

ขั้นที่ 4: Continuous Improvement ทุกครั้งที่ใช้ Skill นั้นแล้วพบวิธีที่ดีกว่า หรือเจอ edge case ใหม่ Hermes จะอัปเดต SKILL.md ให้อัตโนมัติ

⚡ จุดที่แตกต่างสำคัญ: Skills ไม่ใช่ static snapshot แต่เป็น living document ที่พัฒนาตามประสบการณ์จริง

4. ตัวอย่าง SKILL.md

ลองดูตัวอย่างจริงๆ ของ SKILL.md ที่ Hermes อาจสร้างขึ้นสำหรับงานต่างๆ

ตัวอย่างที่ 1: Skill สำหรับสรุปรายงานการขาย

# Skill: summarize-sales-report

## Trigger
เมื่อ user ขอสรุปรายงานการขาย, ยอด, หรือข้อมูล revenue
หรือเมื่อมีไฟล์ Excel/CSV ที่มีคอลัมน์ date + amount + category

## Steps
1. โหลดข้อมูลและตรวจสอบ column names
2. กรองช่วงเวลาตามที่ user ระบุ (default: เดือนที่แล้ว)
3. สรุปยอดรวมแยกตาม category
4. คำนวณ growth เทียบช่วงเดียวกันปีก่อน (ถ้ามีข้อมูล)
5. ไฮไลต์ top 3 category และ bottom 3 category
6. เสนอ insight 2-3 ข้อที่น่าสนใจ

## Format Output
- ตารางสรุปยอดรวม
- Bullet points สำหรับ insights
- ตัวเลขใส่ comma separator, หน่วยเป็นบาท

## Notes
- user ชอบตัวเลขที่อ่านง่าย ไม่ต้องการทศนิยม
- ถ้า growth เป็นลบ ให้ระบุด้วยสีแดง (ถ้า platform รองรับ)
- เคยเจอปัญหา encoding ไทยใน Excel ให้ใช้ utf-8-sig

## Last Updated
2026-05-15 (เพิ่ม encoding fix)

ตัวอย่างที่ 2: Skill สำหรับตอบคำถามลูกค้า

# Skill: customer-inquiry-response

## Trigger
เมื่อ user paste ข้อความจากลูกค้า หรือขอให้ draft ตอบข้อความ
หรือ keyword: "ตอบลูกค้า", "draft reply", "ช่วยตอบ"

## Steps
1. อ่านและระบุประเภทคำถาม (สอบถามสินค้า / ร้องเรียน / ขอคืนสินค้า / อื่นๆ)
2. ตรวจสอบว่ามีข้อมูลสินค้า/นโยบายที่เกี่ยวข้องใน context files ไหม
3. Draft คำตอบตามโทนที่ user ชอบ (สุภาพ เป็นมิตร ตรงประเด็น)
4. เพิ่ม empathy statement ถ้าเป็นเรื่องร้องเรียน
5. เสนอ 2 version: สั้น (สำหรับ chat) และยาว (สำหรับ email)

## Tone Profile
- ภาษาไทยกึ่งทางการ ไม่ formal เกิน
- เรียกลูกค้าว่า "คุณ" หรือ "ท่าน" แล้วแต่บริบท
- ขึ้นต้นด้วยขอบคุณหรือรับทราบปัญหาก่อนเสมอ

## Notes
- user บอกว่าไม่ชอบคำว่า "ขออภัยในความไม่สะดวก" ให้หลีกเลี่ยง
- ถ้าเป็นเรื่องคืนเงินให้ escalate ไปถามก่อน ไม่ commit เอง

ตัวอย่างที่ 3: Skill สำหรับ Research

# Skill: quick-market-research

## Trigger
"หาข้อมูล", "research เรื่อง", "ค้นหา", "สรุปให้หน่อย" + topic

## Steps
1. Web search 3-5 แหล่งจาก query หลัก
2. Web search เพิ่มเติมด้วย query เสริม (แง่มุมอื่น)
3. สรุปข้อมูลแบบ bullet points ใน 3 หัวข้อหลัก
4. ระบุแหล่งอ้างอิงท้ายสุด
5. เพิ่ม "สิ่งที่ยังไม่แน่ใจ" ถ้ามี conflicting info

## Output Format
- หัวข้อสรุปสั้น (1 บรรทัด)
- Key findings: 5-7 bullets
- แหล่งอ้างอิง
- ความเชื่อมั่น: สูง/กลาง/ต่ำ พร้อมเหตุผล

จะเห็นว่าแต่ละ Skill มีรายละเอียดเฉพาะที่ได้จากการทำงานจริงกับ user คนนั้น ไม่ใช่ template ทั่วไป

5. Hermes Agent Skills vs Skills แบบเขียนมือ (OpenClaw)

คู่แข่งสำคัญที่ควรเปรียบคือ OpenClaw ซึ่งก็มีระบบ Skills เช่นกัน แต่แนวทางต่างกันโดยสิ้นเชิง

ตารางเปรียบเทียบ

มิติ	Hermes Agent Skills	OpenClaw Skills
วิธีสร้าง	Auto-generated จากงานจริง	เขียนมือโดย admin/user
ความยืดหยุ่น	ปรับตาม user pattern อัตโนมัติ	ปรับได้แต่ต้องแก้มือ
เวลาตั้งค่า	ศูนย์ — รอให้เกิดเอง	ต้องลงทุนเวลาเขียนตั้งแต่ต้น
ความแม่นยำเชิงบุคคล	สูง — เรียนจากพฤติกรรมเรา	กลาง — ขึ้นกับว่าเขียนดีแค่ไหน
Collaboration	ยากกว่า (เป็น personal skill)	ง่าย — share skill ทั้งทีมได้
Transparency	ต้องเปิดดู SKILL.md เอง	เห็นชัดตั้งแต่ต้นว่า skill ทำอะไร
Multi-agent	จำกัด	เด่น — orchestrate หลาย agent

ใช้ใครดีกว่ากัน?

ไม่มีคำตอบเดียว — ขึ้นอยู่กับ use case:

เลือก Hermes ถ้า:

อยากได้ผู้ช่วยส่วนตัวที่เรียนรู้นิสัยเราโดยเฉพาะ
ไม่ชอบหรือไม่มีเวลาเขียน config และ skills เอง
ทำงาน solo หรือทีมเล็ก
งานส่วนใหญ่เป็น pattern ซ้ำๆ ที่เฉพาะเจาะจงกับตัวเอง

เลือก OpenClaw ถ้า:

ต้องการ scale ทั้งองค์กร ให้ทีมใช้ skills ชุดเดียวกัน
ต้องการ orchestrate หลาย AI agent ทำงานขนาน
อยากควบคุม skills อย่างชัดเจนตั้งแต่วันแรก
มี workflow ที่ซับซ้อนระดับ enterprise

Analogy ง่ายๆ: OpenClaw เปรียบเหมือน Kubernetes ที่ดูแล cluster ทั้งระบบ ส่วน Hermes เปรียบเหมือนผู้ช่วยส่วนตัวที่รู้ใจเราที่สุด ทั้งสองทำคนละงาน ไม่ใช่ใครดีกว่าใครเสมอไป

สำหรับข้อมูลเปรียบเทียบเชิงลึกเพิ่มเติม ดูได้ที่ บทความเปรียบ Hermes vs OpenClaw

6. Persistent Memory กับ Skills ทำงานร่วมกันยังไง

Skills System จะไม่สมบูรณ์ถ้าไม่พูดถึง Persistent Memory ซึ่งเป็นส่วนที่ทำให้ Hermes "รู้จักเรา" ในระดับลึกกว่าแค่วิธีทำงาน

ความแตกต่างระหว่างสองระบบ

Persistent Memory เก็บข้อมูลแบบ episodic:

"User ชื่อ Lek ทำธุรกิจ e-commerce ขายเสื้อผ้า"
"ประชุมทีมทุกวันจันทร์ 10 โมง"
"โปรเจกต์ X deadline ปลายเดือนนี้"
"User ไม่ชอบให้ตอบยาวเกิน 5 ย่อหน้า"

Skills เก็บข้อมูลแบบ procedural:

"วิธีสรุปรายงาน Excel แบบที่ User ชอบ"
"วิธี draft email ให้ลูกค้า B2B"
"ขั้นตอน research คู่แข่งตลาดไทย"

ทั้งสองทำงานเสริมกัน: Memory บอก context ว่าเราเป็นใคร Skills บอก how-to ว่าทำงานแบบไหนถึงจะถูกใจ

ดูรายละเอียด Persistent Memory เพิ่มเติมที่ Hermes Persistent Memory อธิบายแบบละเอียด

ตัวอย่าง Synergy จริงๆ

สมมติงาน: "ช่วยเขียนสรุปยอดขายส่งให้ทีม"

Memory บอกว่า: user ทำร้านค้าออนไลน์ มีทีม 5 คน ส่งรายงานทุกศุกร์
Skills บอกว่า: format ที่ user ชอบคือตาราง + bullet insight 3 ข้อ ใช้ภาษาไทยกึ่งทางการ ไม่ต้องทศนิยม

ผลลัพธ์คือ agent ไม่ต้องถามอะไรเพิ่มเลย ทำงานเสร็จตรงตามที่ต้องการในครั้งเดียว

7. Use Case จริงๆ: Skills ที่มีประโยชน์สำหรับคนไทย

ลองดูว่าในชีวิตจริง Hermes Agent Skills จะสร้างและใช้ทักษะอะไรบ้างสำหรับคนไทยทั่วไป

สำหรับ Freelancer และ Content Creator

Skill: draft-proposal — เขียนใบเสนอราคาตามรูปแบบที่ client แต่ละประเภทชอบ
Skill: caption-social — เขียน caption สำหรับ Facebook, IG, TikTok ตาม tone ของแต่ละแบรนด์
Skill: invoice-followup — draft อีเมล follow up การชำระเงินแบบสุภาพแต่ชัดเจน

สำหรับ SME และเจ้าของธุรกิจ

Skill: customer-complaint-handler — จัดการคำร้องเรียนลูกค้าตาม SOP ของร้าน
Skill: daily-report-summary — สรุปรายงานประจำวันจาก Google Sheet หรือ POS
Skill: supplier-negotiation-draft — draft อีเมลต่อรองราคากับ supplier

สำหรับ Developer และ Tech Worker

Skill: pr-review-checklist — ตรวจ code review ตาม standard ของทีม
Skill: bug-report-format — เขียน bug report ตาม template ที่ทีมใช้
Skill: deploy-checklist — เช็กลิสต์ก่อน deploy production ตาม infra ของโปรเจกต์
Skill: commit-message-format — เขียน git commit message ตาม convention ของ repo

สำหรับงาน Research และการศึกษา

Skill: literature-summary — สรุปงานวิจัยตามหัวข้อที่กำลังศึกษา
Skill: topic-outline — สร้าง outline บทความหรืองานวิจัยตาม format ที่ใช้บ่อย
Skill: competitive-analysis — วิเคราะห์คู่แข่งตาม framework ที่ user ชื่นชอบ

วงจรชีวิตของ Skill: จาก "งานแรก" จนถึง "Skill ที่สมบูรณ์"

เพื่อให้เห็นภาพชัดขึ้น ลองดูตัวอย่าง timeline จริงๆ ของ Skill หนึ่งอัน:

ครั้งที่	สิ่งที่เกิดขึ้น
1	User ขอสรุปรายงานยอดขาย → Hermes ถามว่าต้องการ format แบบไหน
2	User ขอสรุปอีกครั้ง → Hermes จำ format จาก Memory และทำได้ดีขึ้น
3	User ขอสรุปอีก → Hermes ทำได้โดยไม่ต้องถามแล้ว
3-4	Hermes detect pattern → เริ่ม draft SKILL.md ใน background
4-5	SKILL.md ถูกสร้างและ indexed → ใช้งานเป็น default สำหรับงานประเภทนี้
6+	เจอ edge case ใหม่ (เช่น ไฟล์มี column ต่างออกไป) → SKILL.md อัปเดตอัตโนมัติ

จากตารางจะเห็นว่า Skills เป็นผลจาก การสะสมประสบการณ์จริง ไม่ใช่ shortcut หรือ magic button ความอดทนในช่วงแรกจะถูก reward ด้วย agent ที่ทำงานได้แบบอัตโนมัติเกือบทั้งหมดในงานที่ทำบ่อย

ดูตัวอย่าง automation เพิ่มเติมที่ Hermes Agent Automation และ Cron

7b. Hermes Agent Skills กับการเชื่อม Messaging Platform

หนึ่งในจุดแข็งของ Hermes ที่ทำให้ Skills มีประโยชน์มากขึ้นคือความสามารถเชื่อมต่อกับ messaging platform มากกว่า 20 ช่องทาง ผ่าน gateway เดียว

Platform ที่รองรับ native

Chat & Collaboration: Telegram, Discord, Slack, Microsoft Teams, Google Chat, Mattermost, Matrix
Social & Mobile: WhatsApp, Signal, WeCom (WeChat Work), Feishu (Lark), DingTalk
Traditional: Email, SMS

ทำไม Messaging Integration ถึงสำคัญสำหรับ Skills?

เพราะ Skill ถูก invoke เมื่อรับข้อความ ไม่ว่าจะมาจากช่องทางไหน ตัวอย่างเช่น:

ลูกค้าส่งข้อความมาทาง WhatsApp ถามราคาสินค้า → Hermes ใช้ Skill: customer-inquiry-response ตอบกลับอัตโนมัติ
ทีมส่งรายงานมาใน Telegram → Hermes ใช้ Skill: daily-report-summary สรุปให้ทันที
อีเมลจาก supplier เข้ามา → Hermes ใช้ Skill: supplier-reply-draft สร้าง draft ตอบกลับ

Skills กลายเป็น "สมอง" ที่ฝังอยู่หลัง messaging layer ทำให้ทุก channel ได้รับบริการที่สม่ำเสมอและตรงสไตล์ของเรา

⚠️ หมายเหตุ LINE: Hermes ไม่รองรับ LINE แบบ native หากต้องการใช้กับ LINE ต้องผ่านทางอ้อม เช่น webhook bridge หรือ n8n/Make เชื่อมกับ LINE Messaging API ก่อน ดูรายละเอียดที่ วิธีเชื่อม LINE กับ Hermes

8. ข้อจำกัดและสิ่งที่ควรรู้ก่อนใช้

ไม่มีเทคโนโลยีไหนสมบูรณ์แบบ นี่คือสิ่งที่ควรรู้เกี่ยวกับ Skills System ก่อนนำไปใช้จริง

ข้อจำกัดหลัก

1. ต้องใช้ซ้ำหลายครั้งก่อน Skill จะเกิด

Skills ไม่ได้เกิดขึ้นทันทีหลังใช้ครั้งแรก ต้องมี pattern ซ้ำกัน 3-4 ครั้งขึ้นไป ดังนั้นในช่วงแรกๆ ของการใช้ Hermes อาจยังไม่เห็น Skills ที่ซับซ้อน

2. Skills เป็น personal โดยธรรมชาติ

เพราะ Skill เรียนจากพฤติกรรมเรา จึงไม่เหมาะกับการแชร์ข้ามทีมโดยตรง แต่ละคนควรมี instance ของ Hermes เป็นของตัวเอง

3. คุณภาพ Skill ขึ้นอยู่กับ feedback loop

ถ้าเราไม่แก้ไขหรือแจ้ง Hermes เมื่อผลลัพธ์ไม่ถูก Skill อาจ reinforce พฤติกรรมที่ผิดได้ ควร correct agent เมื่อทำไม่ถูกใจ เพื่อให้ Skill พัฒนาถูกทิศทาง

4. ต้องการ storage สำหรับ SKILL.md files

ในระบบ self-host ควรมี persistent storage ที่ไม่หายเมื่อ restart container มิฉะนั้น Skills ที่สร้างขึ้นก็จะหายไปด้วย

ข้อควรระวังเรื่องความเป็นส่วนตัว

Hermes ถูกออกแบบมาให้ข้อมูลอยู่บนเครื่องเรา ไม่มี telemetry และไม่ส่งข้อมูลกลับบริษัท แต่ควรระวัง:

ถ้าใช้ LLM endpoint ของ OpenRouter หรือ OpenAI ข้อมูลใน prompt ยังถูกส่งไปยัง provider เหล่านั้น
ถ้าต้องการ privacy เต็มรูปแบบ ควรใช้ local LLM ผ่าน endpoint ที่รัน on-premise เอง

9. วิธีเปิดใช้และดู Skills ที่ Agent สร้างขึ้น

การติดตั้ง Hermes Agent

Hermes ติดตั้งได้หลายแบบขึ้นอยู่กับ platform:

Windows/macOS: ใช้ desktop installer จากเว็บทางการ
Linux/macOS/WSL2/Android Termux: รันสคริปต์ติดตั้งจากเว็บทางการด้วย curl คำสั่งเดียว
Windows PowerShell: ใช้ PowerShell install script

เว็บทางการอยู่ที่ hermes-agent.nousresearch.com — แนะนำให้โหลดตรงจากเว็บนี้เสมอเพื่อความปลอดภัย

สำหรับ self-host บน VPS หรือ Docker ดูรายละเอียดเพิ่มเติมที่ Self-Host Hermes Agent บน VPS

ดู Skills ที่ Agent สร้างขึ้น

เมื่อ Hermes สร้าง Skill ขึ้นมา ไฟล์ SKILL.md จะถูกเก็บในโฟลเดอร์ skills ของโปรเจกต์/workspace ที่กำหนดไว้ สามารถเปิดดูและแก้ไขได้โดยตรงด้วย text editor

คุณสามารถ:

อ่าน SKILL.md เพื่อดูว่า agent เข้าใจงานของเราถูกต้องไหม
แก้ไข ถ้าต้องการปรับ behavior โดยตรง
ลบ ถ้า Skill นั้นไม่ accurate แล้ว
เพิ่มมือ ถ้าอยากให้ agent มี Skill บางอย่างโดยไม่ต้องรอ pattern ซ้ำ

SOUL.md และ Context Files: ปรับแต่ง Agent เพิ่มเติม

นอกจาก SKILL.md ยังมีไฟล์อื่นที่ปรับ behavior ของ Hermes ได้:

SOUL.md — กำหนดบุคลิก น้ำเสียง และค่านิยมของ agent (เช่น "ตอบสั้น ตรงประเด็น" หรือ "ใช้ภาษาไทยเสมอ")
Context Files — ให้ข้อมูล background ต่อโปรเจกต์ (เช่น product catalog, company policy, team structure)

สามไฟล์นี้ทำงานร่วมกัน: SOUL.md กำหนดว่า agent เป็นใคร Context Files กำหนดว่ารู้อะไร Skills กำหนดว่าทำอะไรได้บ้าง

ตัวอย่าง SOUL.md ที่เรียบง่ายแต่ใช้ได้จริง:

# My Assistant Soul

## Personality
- ตรงประเด็น ไม่อ้อมค้อม
- ใช้ภาษาไทยเสมอ ยกเว้น technical terms
- เมื่อไม่แน่ใจให้ถามก่อนทำ

## Work Style
- ให้ตัวเลือก 2-3 อันเมื่อถามความเห็น
- สรุปสั้นก่อนอธิบายยาวเสมอ
- ไม่ต้องใส่ disclaimer หรือคำเตือนที่ไม่จำเป็น

## Context
- ฉันทำงาน e-commerce ขายของออนไลน์
- ทีมมี 3 คน งานส่วนใหญ่เป็นการตลาดและดูแลลูกค้า

ยิ่งเราเขียน SOUL.md ได้ละเอียดและตรงกับนิสัยจริงๆ ยิ่งทำให้ Skills ที่ Hermes สร้างขึ้นมีคุณภาพและ on-brand มากขึ้น เพราะ tone และ preference ถูก embed ไว้ตั้งแต่ต้น

9b. Hermes Agent Skills กับ LLM Endpoint และ Deployment Options

Hermes Agent Skills ทำงานได้ดีเพียงใดขึ้นอยู่กับ LLM ที่ใช้เป็น backend ด้วย เพราะกระบวนการ Pattern Recognition และ Skill Extraction ล้วนใช้ LLM ทำงาน

LLM Endpoint ที่รองรับ

Hermes รองรับ LLM endpoint หลักสามแบบ:

Endpoint	เหมาะกับ	ข้อสังเกต
OpenRouter	ทดลองและใช้งานทั่วไป	เข้าถึง model หลายตัว ยืดหยุ่น ราคาตามการใช้จริง
OpenAI	ต้องการ reliability สูง	ค่าใช้จ่ายชัดเจน ecosystem ใหญ่
Nous Portal	ต้องการ Tool Gateway ครบ	มี web search, image generation, TTS, browser control ในตัว

สำหรับการใช้งาน Skills โดยเฉพาะ แนะนำ LLM ที่มีความสามารถด้าน reasoning ดี เพราะกระบวนการวิเคราะห์ pattern และสรุปเป็น SKILL.md ต้องการ context window ที่พอเพียงและความแม่นยำในการสรุป

Deployment Options กับ Skills

การเลือก deployment ส่งผลต่อประสิทธิภาพของ Skills ด้วย:

Local (บนเครื่องตัวเอง)

Skills เก็บในเครื่อง ข้อมูลไม่ออกไปไหน
เหมาะกับงานที่มีข้อมูลสำคัญหรือ sensitive
ต้องเปิดเครื่องค้างไว้หาก agent ต้องทำงาน background

Docker

portable ย้ายได้ง่าย
ต้อง mount volume ให้ถูกต้องเพื่อให้ Skills ไม่หายเมื่อ rebuild container
เหมาะกับทีมที่ต้องการ reproducible environment

SSH (บน VPS/Server)

Skills รันบน server ที่เปิดตลอด 24/7
เหมาะกับ Cron automation ที่ต้องทำงานตามเวลา
ดูรายละเอียดที่ Self-Host Hermes Agent บน VPS

Daytona / Modal (Serverless Hibernate)

ประหยัดค่าใช้จ่าย เพราะ hibernate เมื่อ idle
Skills ยังคงอยู่ถ้าตั้ง persistent storage ถูกต้อง
มี cold start เล็กน้อยเมื่อ wake up

Tips สำหรับให้ Skills มีคุณภาพสูง

จากประสบการณ์ของผู้ใช้ Hermes ในชุมชน มี best practice บางอย่างที่ช่วยให้ Hermes Agent Skills พัฒนาได้ดีขึ้น:

1. ให้ feedback ทุกครั้งที่ผลลัพธ์ไม่ถูกใจ อย่าแค่ ignore ผลลัพธ์ที่ไม่ดี ให้บอก Hermes ตรงๆ ว่าไม่ชอบตรงไหน เช่น "ตอบยาวเกินไป" หรือ "format ผิด อยากได้แบบนี้แทน" ข้อมูลนี้จะถูกนำไปปรับปรุง SKILL.md

2. ทำงานประเภทเดิมซ้ำๆ แทนที่จะหลากหลายไปเรื่อยๆ Skills เกิดจาก pattern ซ้ำ ถ้าทำงาน A วันจันทร์ งาน B วันอังคาร งาน C วันพุธ Skills จะพัฒนาช้า แต่ถ้าทำงาน A ซ้ำหลายครั้ง Skill ของงาน A จะสมบูรณ์เร็ว

3. เขียน SOUL.md ก่อนเริ่มใช้งาน SOUL.md ที่ละเอียดช่วยให้ Skills ที่สร้างขึ้นมา on-brand ตั้งแต่ต้น ไม่ต้องมาแก้ทีหลัง

4. รีวิว SKILL.md เป็นระยะ ทุก 2-4 สัปดาห์ ลองเปิดดู SKILL.md ที่มีอยู่ ปรับหรือลบ Skills ที่ไม่ accurate แล้ว เพื่อให้ Skills library ของเราสะอาดและมีประโยชน์จริง

5. ใช้ร่วมกับ Context Files ถ้างานของเราเกี่ยวข้องกับ product catalog, price list, หรือ company policy ให้ใส่ไว้ใน Context Files ด้วย Skills จะมีบริบทที่ดีขึ้นและไม่ต้องถามข้อมูลเดิมซ้ำ

9c. Hermes Agent Skills กับฟีเจอร์อื่นในระบบนิเวศ Hermes

Hermes Agent Skills ไม่ได้ทำงานโดดเดี่ยว แต่ส่งเสริมกับฟีเจอร์อื่นๆ ของ Hermes ให้ทรงพลังขึ้นอีกหลายเท่า

Skills + Cron Automation

Cron automation ใน Hermes ช่วยตั้งเวลาให้ agent ทำงานอัตโนมัติตามตาราง เมื่อรวมกับ Skills ผลลัพธ์คือ:

ตั้งเวลาสรุปรายงานยอดขายทุกวันศุกร์ 18:00 → Hermes ใช้ Skill: daily-report-summary โดยอัตโนมัติ ไม่ต้องสั่งทุกสัปดาห์
ตั้งเวลา monitor ราคาคู่แข่งทุกวัน → Hermes ใช้ Skill: competitive-analysis ที่เรียนรู้จาก pattern ของเรา
ตั้งเวลา digest ข่าวอุตสาหกรรมทุกเช้า → Hermes ใช้ Skill: news-summary ที่รู้แล้วว่าเราสนใจด้านไหน

ดูรายละเอียด Cron automation เพิ่มเติมที่ Hermes Agent Automation และ Cron

Skills + Subagent Spawning

Hermes สามารถแตกงานออกเป็น subagent ทำงานขนานได้ เมื่อรวมกับ Skills:

งานใหญ่ถูก decompose → แต่ละ subagent ใช้ Skill ของตัวเองในการทำงาน
ผล subagent ถูกรวมกลับมา → หากเจอ pattern ใหม่ก็สร้าง Skill ใหม่ได้อีก

ทำให้งานที่ซับซ้อนกลายเป็นระบบที่เรียนรู้และพัฒนาตัวเองได้ในระดับ workflow

Skills + MCP Integration

Hermes เชื่อมกับ MCP server ใดก็ได้ ซึ่งหมายความว่า Skills สามารถ invoke MCP tools ได้ด้วย เช่น:

Skill: database-query → invoke MCP tool เพื่อ query ฐานข้อมูลตาม pattern ที่ใช้บ่อย
Skill: calendar-scheduler → invoke Google Calendar MCP เพื่อนัดหมายตามรูปแบบที่ user ชอบ
Skill: code-review-checklist → invoke GitHub MCP เพื่อดึง PR แล้ว review ตาม standard ของทีม

ดูรายละเอียด MCP integration เพิ่มเติมที่ Hermes Agent MCP Integration

Skills + Voice Mode

Voice mode ของ Hermes ทำให้สั่งงานด้วยเสียงได้ เมื่อรวมกับ Skills:

พูดว่า "ช่วยสรุปรายงานยอดขายให้หน่อย" → Hermes ใช้ Skill: summarize-sales-report โดยอัตโนมัติ
ไม่ต้องพิมพ์ command ยาวๆ เพราะ Skills รู้แล้วว่าต้องทำอะไรจาก trigger keywords

10. คำถามที่พบบ่อย

Hermes Agent Skills เรียนรู้เองได้จริงไหม หรือแค่ Marketing?

จริง แต่ต้องเข้าใจกลไกให้ถูก — Hermes ไม่ได้ "เรียนรู้" ในแบบ fine-tuning หรือเปลี่ยน weights ของ LLM แต่เป็นการสร้าง procedural memory ในรูป SKILL.md ที่ถูก inject เข้า context เมื่อทำงาน ผลลัพธ์คือ behavior ที่ดีขึ้นจริงในงานที่ทำซ้ำ

Skills หายไปไหมถ้า restart หรืออัปเดต Hermes?

ถ้าตั้ง persistent storage ไว้ถูกต้อง Skills จะไม่หาย เพราะเก็บเป็นไฟล์ SKILL.md ไม่ใช่ RAM ข้อควรระวังคือ Docker volume ต้องไม่ถูก wipe และถ้าใช้ serverless mode (เช่น Daytona หรือ Modal) ที่ hibernate เมื่อ idle ต้องแน่ใจว่า storage mount ถาวร

ต่างจาก ChatGPT Memory ยังไง?

ChatGPT Memory บันทึกข้อมูลเกี่ยวกับ user (ชื่อ preference ฯลฯ) แต่ไม่ได้บันทึก "วิธีทำงาน" Hermes Skills เป็น procedural memory จริง — รู้ว่าทำงานยังไง ไม่ใช่แค่รู้ว่า user เป็นใคร นอกจากนี้ Hermes รันบนเครื่องเรา ข้อมูลไม่ออกไปหา OpenAI (ถ้าใช้ local LLM)

สามารถเขียน SKILL.md มือให้ Hermes ใช้ได้ไหม?

ได้ — สร้างไฟล์ .md ตามโครงสร้างที่ Hermes ใช้แล้วใส่ในโฟลเดอร์ skills Hermes จะ detect และใช้งาน วิธีนี้มีประโยชน์สำหรับงานที่รู้ล่วงหน้าว่าต้องใช้บ่อยและไม่อยากรอให้เกิด pattern

Hermes รองรับ LINE ไหม?

ไม่รองรับ LINE แบบ native โดยตรง ถ้าต้องการเชื่อมกับ LINE ต้องผ่านวิธีทางอ้อม เช่น ใช้ webhook bridge, ต่อผ่าน n8n หรือ Make เชื่อมกับ LINE Messaging API หรือใช้ Email gateway เป็นตัวกลาง แพลตฟอร์มที่รองรับ native มีมากกว่า 20 ช่องทาง เช่น Telegram, Discord, WhatsApp, Signal, Slack, Microsoft Teams เป็นต้น ดูรายละเอียดเพิ่มที่ การเชื่อม LINE กับ Hermes

มีค่าใช้จ่ายอะไรบ้างสำหรับ Hermes Agent?

Hermes เป็น open-source MIT ไม่มีค่าซอฟต์แวร์ ค่าใช้จ่ายหลักคือ LLM API (เช่น OpenRouter หรือ OpenAI) และ server/VPS สำหรับ self-host ซึ่งยืดหยุ่นตามการใช้งานจริง

11. สรุป

Hermes Agent Skills System คือหนึ่งในฟีเจอร์ที่ทำให้ Hermes โดดเด่นจาก AI agent อื่นในตลาดปี 2026 แนวคิดพื้นฐานนั้นเรียบง่ายแต่ทรงพลัง: แทนที่จะให้คนเขียนทักษะป้อนให้ agent ให้ agent เขียนทักษะจากงานจริงที่ทำสำเร็จเอง

ผลที่ได้คือผู้ช่วย AI ที่พัฒนาตัวเองไปพร้อมกับเรา รู้ว่าเราชอบงานแบบไหน format แบบไหน และทำงานซ้ำๆ ได้เร็วขึ้น แม่นขึ้นทุกรอบ โดยไม่ต้องลงทุนเวลาตั้งค่าหรือเขียน config ตั้งแต่ต้น

ถ้าคุณสนใจ AI agent ที่เรียนรู้จากงานจริงและยิ่งใช้ยิ่งฉลาดขึ้น Hermes Agent เป็นตัวเลือกที่น่าลอง — และถ้าอยากเรียนรู้วิธีใช้ AI agent ให้เกิดประโยชน์จริงในงาน ไม่ว่าจะเป็น Hermes หรือ agent ตัวอื่น

ดูคอร์สและราคา →

อ่านต่อ:

Hermes Agent Skills System: AI ที่เขียนทักษะให้ตัวเองได้

บทความอื่นๆ ที่น่าสนใจ

Hermes Agent คืออะไร? รู้จัก AI ที่ยิ่งใช้ยิ่งฉลาด

วิธีติดตั้ง Hermes Agent ฉบับมือใหม่ (ทีละขั้นตอน)

Hermes Agent vs OpenClaw ต่างกันยังไง เลือกตัวไหนดี