สรุปจากคลิป ดูคลิปต้นฉบับ

อัปเดต Hermes Agent ใหม่ ใช้ Skills Hub ให้คุ้มก่อน AI งงเอง

ปัญหาของ AI agent ไม่ได้อยู่ที่มันเก่งไม่พอเสมอไป แต่อยู่ที่เราใส่ความสามารถเพิ่มแบบไม่มีระบบต่างหาก ยิ่งมี skill เยอะ ยิ่งเสี่ยงทั้งช้า ทั้งกิน token ทั้งเผลอเปิดช่องให้คำสั่งจากภายนอกเข้ามาปั่น workflow ของเราได้ง่ายขึ้น

คลิปจาก Julian Goldie SEO พูดถึงอัปเดตใหม่ของ Hermes Agent ที่ชื่อว่า Skills Hub ซึ่งทำให้การหา ติดตั้ง และตรวจสอบ skill ทำได้ง่ายขึ้นมาก จุดที่น่าสนใจไม่ใช่แค่ติดตั้งได้ในคลิกเดียว แต่คือมีชั้นของความน่าเชื่อถือ มีการสแกนความปลอดภัย และมีวิธีคิดใหม่ว่าเราควรเลือก skill แบบไหนให้เหมาะกับงานจริง

สำหรับเจ้าของธุรกิจและคนทำงาน ประเด็นสำคัญไม่ใช่การมี skill ให้เยอะที่สุด แต่คือการทำให้ AI agent ทำงานได้เสถียรพอจะเอาไปใช้ในงานจริง เช่น จัดการอีเมล ค้นข้อมูล เว็บรีเสิร์ช หรือเชื่อมเข้ากับ workflow ฝั่งคอนเทนต์และปฏิบัติการได้โดยไม่พังง่าย บทความนี้จะสรุปสิ่งที่ควรรู้ พร้อมวิเคราะห์ว่าถ้าเอามาใช้กับธุรกิจไทย เราควรคิดแบบไหน

สารบัญ

• Step 1: เข้าใจให้ชัดว่า Skills Hub แก้อะไร
• Step 2: อัปเดต Hermes ก่อนทุกครั้ง
• Step 3: เข้าไปที่ Skills แล้วแยกให้ออกระหว่างของเดิมกับของใหม่
• Step 4: ค้นหา skill ตามงาน ไม่ใช่ตามความตื่นเต้น
• Step 5: ตรวจแหล่งที่มาของ skill ให้เป็น
• Step 6: อย่าเชื่อผลสแกนอย่างเดียว ต้องอ่าน skill.md ด้วย
• Step 7: ใช้กรอบคิด 4 ชั้นในการคัด skill
• Step 8: ระวังกับดักของการติดตั้ง skill เยอะเกินไป
• Step 9: จัดระเบียบ skill ด้วย trust tier และการเปิดปิดการใช้งาน
• Step 10: มอง Skills Hub เป็นส่วนหนึ่งของระบบ ไม่ใช่ฟีเจอร์เดี่ยว
• Actionable Insights
• Troubleshooting
• Step 11: การต่อยอดที่น่าลองกับธุรกิจไทย
• Step 12: สรุป Checklist ทั้งหมด

Step 1: เข้าใจให้ชัดว่า Skills Hub แก้อะไร

ก่อนมีอัปเดตนี้ การเพิ่ม skill ให้ Hermes ออกแนวลองผิดลองถูกพอสมควร แหล่งค้นหามีน้อย มองไม่ค่อยออกว่า skill ไหนมาจากไหน เป็นของทางการหรือชุมชน และกว่าจะติดตั้งแต่ละตัวก็ใช้เวลาพอสมควร

Skills Hub เข้ามาแก้ 4 เรื่องหลักพร้อมกัน

• ค้นหา skill ได้จากหลายแหล่ง ไม่ได้ผูกอยู่กับแหล่งเดียว
• เปิดดูรายละเอียดก่อนติดตั้ง ทำให้รู้ว่า skill นั้นถูกออกแบบมาทำอะไร
• สแกนความปลอดภัยเบื้องต้น เพื่อลดความเสี่ยงจาก skill ที่ไม่น่าไว้ใจ
• ติดตั้งได้เร็วขึ้น ทำให้การทดลองใช้งานจริงง่ายกว่าเดิมมาก

นี่คือการเปลี่ยนจาก “คลัง skill แบบสุ่มเสี่ยง” ไปเป็น “ระบบคัดเลือกเครื่องมือ” ซึ่งสำคัญมากสำหรับคนที่ต้องการใช้งาน AI ในธุรกิจ ไม่ใช่แค่เล่นสนุก

Step 2: อัปเดต Hermes ก่อนทุกครั้ง

จุดเล็กที่หลายคนมองข้ามคือ ถ้ายังไม่อัปเดต Hermes ให้เป็นเวอร์ชันล่าสุด ฟีเจอร์ใหม่อาจไม่ขึ้น หรือขึ้นมาแต่ทำงานไม่ครบ

ลำดับการทำงานที่ควรใช้คือ

1. เข้าแดชบอร์ดจัดการ Hermes
2. ไปที่ส่วน Manage หรือเมนูจัดการ
3. เลือกอัปเดต Hermes ให้เรียบร้อย
4. ค่อยกลับมาเปิดหน้าจัดการ skill

มุมมองของเราคือ ถ้าจะเอา AI agent ไปใช้จริงในทีม ควรมี checklist เล็กๆ ก่อนเริ่มใช้งานทุกครั้ง เช่น เวอร์ชันล่าสุดหรือยัง model ที่เชื่อมอยู่คืออะไร และ skill ไหนเปิดใช้งานอยู่บ้าง เพราะปัญหาจำนวนมากไม่ได้เกิดจาก AI ไม่เก่ง แต่เกิดจากระบบไม่ตรงกัน

Step 3: เข้าไปที่ Skills แล้วแยกให้ออกระหว่างของเดิมกับของใหม่

ในหน้า Skills ของ Hermes จะมีทั้ง skill ที่มีอยู่แล้วจากระบบ และ tool set ที่ช่วยให้ agent ทำงานบางอย่างได้ เช่น browser automation, terminal หรือ web search

สิ่งที่อัปเดตใหม่จริงๆ คือส่วน browser สำหรับค้นหา skill จาก hub ต่างๆ แล้วติดตั้งเข้า agent ได้ทันที ความต่างสำคัญคือ เราไม่ได้ดูแค่รายการชื่อ skill อีกต่อไป แต่เห็นข้อมูลประกอบที่ช่วยตัดสินใจด้วย

สำหรับธุรกิจไทย จุดนี้มีประโยชน์มาก เพราะหลายทีมไม่รู้จะเริ่มจาก skill อะไรก่อน การเห็นหมวด การค้นหาตามงาน และการติดตั้งแบบเร็ว ทำให้เริ่มจาก use case ที่ชัดได้ เช่น

• ทีมแอดมิน ใช้ skill จัดการอีเมล
• ทีมการตลาด ใช้ skill ค้นข้อมูลคู่แข่งหรือ social media
• ทีมปฏิบัติการ ใช้ skill จัดการงานบนเบราว์เซอร์

Step 4: ค้นหา skill ตามงาน ไม่ใช่ตามความตื่นเต้น

ตัวอย่างในคลิปใช้คำค้นอย่าง “email” และ “social media” เพื่อหาความสามารถที่เพิ่มเข้าไปให้ Hermes ได้ทันที แนวคิดนี้ดูง่าย แต่จริงๆ เป็นเคล็ดลับสำคัญมาก

หลายทีมพอเห็นคลัง skill ใหญ่ก็เริ่มจากของที่ดูน่าสนุกก่อน สุดท้ายระบบบวม ใช้งานจริงไม่คล่อง ทางที่ดีกว่าคือค้นหาตาม “งานธุรกิจ” เช่น

• Email สำหรับคัดแยก ตอบ หรือจัดระเบียบอีเมล
• Web search สำหรับรีเสิร์ชตลาดหรือหาข้อมูลซัพพลายเออร์
• Social media สำหรับช่วยวิเคราะห์โพสต์หรือไอเดียคอนเทนต์
• Browser สำหรับงานที่ต้องคลิกหรือกรอกข้อมูลซ้ำๆ

หลักคิดคือ เริ่มจาก pain point ที่เสียเวลาคนมากที่สุดก่อน แล้วค่อยหา skill ที่ตอบโจทย์นั้น ไม่ใช่เริ่มจาก “มี skill อะไรให้เล่นบ้าง”

Step 5: ตรวจแหล่งที่มาของ skill ให้เป็น

จุดเด่นของ Skills Hub คือดึงผลลัพธ์จากหลาย hub เช่น skills.sh, ClawHub, marketplace ต่างๆ และยังค้นจาก GitHub ได้ด้วย นี่เป็นข้อดีเพราะทำให้เจอ skill ได้กว้างขึ้น แต่ก็เพิ่มความเสี่ยงตามมาเช่นกัน

ยิ่งเปิดกว้าง ยิ่งต้องมีวินัยในการคัดกรอง

สิ่งที่ควรดูทุกครั้งคือ

• skill นี้มาจากแหล่งไหน
• เป็นของ built-in, trusted หรือ community
• มีคำอธิบายชัดไหม
• รองรับงานที่เราต้องการจริงหรือแค่ชื่อดูน่าสนใจ

ถ้าเอาไปใช้กับองค์กร เราแนะนำให้ตั้งนโยบายง่ายๆ ว่า skill ที่เชื่อมกับอีเมล เบราว์เซอร์ หรือข้อมูลภายใน ต้องผ่านการตรวจจากคนในทีมก่อนทุกครั้ง โดยเฉพาะ skill จาก community

Step 6: อย่าเชื่อผลสแกนอย่างเดียว ต้องอ่าน skill.md ด้วย

อัปเดตนี้มีระบบสแกน skill แล้วให้ verdict ว่าควรระวังหรือปลอดภัยพอจะติดตั้งได้ ซึ่งมีประโยชน์มาก แต่ในคลิปก็ชี้ไว้ชัดว่า ไม่ควรพึ่งผลสแกนอย่างเดียว

เหตุผลคือ skill ไม่ได้เป็นแค่ไฟล์เสริมธรรมดา แต่มันคือชุดคำสั่งที่บอก AI agent ว่าควรทำงานอย่างไร ถ้าเราไม่อ่านไฟล์ skill.md เลย เราอาจไม่รู้ว่า skill นั้นกำลังสั่งให้ agent เข้าถึงอะไร หรือมีลอจิกแปลกๆ แฝงอยู่ไหม

สิ่งที่ควรเช็กใน skill.md คือ

• เป้าหมายของ skill คืออะไร
• เรียกใช้เครื่องมืออะไรบ้าง
• มีสิทธิ์เข้าถึงเบราว์เซอร์ ไฟล์ หรือระบบภายนอกไหม
• เงื่อนไขการทำงานสมเหตุสมผลหรือไม่

สำหรับคนที่ไม่ใช่สายเทคนิค ก็ยังพออ่านได้ในระดับแนวคิด ถ้าเห็นว่า skill ขอสิทธิ์มากเกินงาน เช่น แค่จะช่วยสรุปโพสต์ แต่ดันต้องเข้าถึงเครื่องหรือเบราว์เซอร์เต็มรูปแบบ แบบนี้ควรระวังทันที

Step 7: ใช้กรอบคิด 4 ชั้นในการคัด skill

หนึ่งในช่วงที่น่าสนใจที่สุดคือการสรุปเป็น framework 4 ชั้นสำหรับใช้กับ Skills Hub ซึ่งเรามองว่าเอาไปใช้ต่อได้จริงมาก โดยเฉพาะกับทีมที่อยากให้ AI เข้า workflow แบบคุมได้

ชั้นที่ 1: Catalog
เริ่มจากการค้นหาในคลังให้เจอสิ่งที่ตรงงานก่อน ไม่ต้องติดตั้งทันที

ชั้นที่ 2: Preview
เปิดดูรายละเอียดและอ่าน skill.md เพื่อเข้าใจพฤติกรรมของ skill

ชั้นที่ 3: Scan
ใช้ระบบสแกนช่วยประเมินความเสี่ยงเบื้องต้น

ชั้นที่ 4: Tier
ดูระดับความน่าเชื่อถือจากการจัด tier และสี เช่น trusted, built-in, community

นี่คือกรอบคิดที่ดีเพราะช่วยให้การเลือก skill ไม่ใช่การพนัน ถ้าเอาไปใช้กับธุรกิจไทย เราแนะนำให้ทำเป็น workflow ภายในแบบนี้

1. คนใช้งานเสนอ pain point
2. ค้นหา skill ที่เกี่ยวข้อง
3. หัวหน้าทีมหรือ owner ตรวจ preview และ tier
4. ทดสอบใน sandbox ก่อน
5. ค่อยเปิดใช้กับงานจริง

Step 8: ระวังกับดักของการติดตั้ง skill เยอะเกินไป

นี่เป็นจุดที่เราค่อนข้างเห็นด้วยมากในคลิป ยิ่งใส่ skill เยอะ AI agent ยิ่งมีสิ่งให้เลือกใช้มากขึ้น ซึ่งฟังดูดี แต่ในทางปฏิบัติอาจทำให้

• ตอบสนองช้าลง
• ใช้ token มากขึ้น
• เลือก skill ผิดงาน
• เกิดความสับสนเวลาต้องตัดสินใจ

ภาษาง่ายๆ คือ agent มีของเล่นเยอะขึ้น แต่ใช่ว่าจะทำงานได้ดีขึ้นเสมอไป

สำหรับธุรกิจ เราแนะนำแนวคิดแบบ lean skills คือเปิดเท่าที่จำเป็นต่อ workflow ปัจจุบัน ถ้างานนั้นไม่ได้ใช้บ่อย ให้ปิดไว้ก่อน แล้วค่อยเปิดเมื่อจำเป็น วิธีนี้ช่วยลดต้นทุนและทำให้ผลลัพธ์คาดเดาได้มากกว่า

ตัวอย่างเช่น ถ้าทีมคอนเทนต์ต้องการแค่ค้นข้อมูล สรุป และจัดตารางโพสต์ ก็ไม่จำเป็นต้องเปิด skill ด้าน terminal หรือ automation ที่ลึกเกินไป

Step 9: จัดระเบียบ skill ด้วย trust tier และการเปิดปิดการใช้งาน

อีกฟีเจอร์ที่ช่วยมากคือการมี trust tier แบบแยกสี ทำให้มองออกเร็วว่า skill ไหนเป็นของระบบ skill ไหนมาจากแหล่งที่ไว้ใจได้ และ skill ไหนเป็นของชุมชน

ตรงนี้สำคัญกับการบริหารทีม เพราะช่วยให้เราแบ่งระดับการอนุมัติได้ เช่น

• Built-in เปิดใช้ได้ง่ายสุดสำหรับงานทั่วไป
• Trusted ใช้ได้เมื่อผ่านการทดลองแล้ว
• Community ต้องเช็กมากเป็นพิเศษ

ข้อดีอีกอย่างคือ ถ้าติดตั้งไปแล้วแต่ไม่ชอบหรือไม่ได้ใช้ ก็สามารถค้นหาในลิสต์แล้วปิดใช้งานได้ ไม่ต้องปล่อยให้ agent แบก skill ที่ไม่เกี่ยวกับงานต่อไป

Step 10: มอง Skills Hub เป็นส่วนหนึ่งของระบบ ไม่ใช่ฟีเจอร์เดี่ยว

ช่วงท้ายของคลิปมีการขยายภาพไปที่ระบบจัดการ agent ทั้งชุด ซึ่งประกอบด้วยหน่วยความจำ การจัดทีมงานผ่าน Kanban โหมดสนทนา ประวัติงาน และส่วนสร้างวิดีโอหรือสื่ออื่นๆ

สาระสำคัญของช่วงนี้คือ skill จะปลดล็อกคุณค่าจริงเมื่อมันอยู่ในระบบที่รู้จักงานของเราอยู่แล้ว ไม่ใช่แค่ติดตั้ง skill แล้วหวังว่าจะเก่งขึ้นเอง

นี่คือมุมที่คนทำธุรกิจควรจำให้ขึ้นใจ AI agent จะมีค่าเมื่อเชื่อมกับ

• ข้อมูลเดิมของทีม
• workflow ที่ใช้อยู่จริง
• ความจำหรือ memory ของโปรเจกต์
• เครื่องมือปฏิบัติการ เช่น Kanban หรือระบบติดตามงาน

ยกตัวอย่าง ถ้าเราใช้ Hermes ช่วยทำคอนเทนต์วิดีโอ การมี skill สำหรับสร้างวิดีโอหรือ avatar จะมีประโยชน์มากขึ้นก็ต่อเมื่อมันรู้ว่าแบรนด์เราใช้โทนอะไร ขั้นตอนอนุมัติงานเป็นแบบไหน และไฟล์หรือ prompt มาตรฐานอยู่ตรงไหน

Actionable Insights

• เริ่มจาก 1 งานซ้ำๆ เช่น ตอบอีเมล รีเสิร์ชคู่แข่ง หรือหาข้อมูลลูกค้า แล้วค่อยหา skill ที่ตอบโจทย์งานนั้น
• ใช้กฎ 4 ชั้น ค้นหา ดูรายละเอียด สแกน แล้วค่อยดู tier ก่อนติดตั้งทุกครั้ง
• เปิด skill เท่าที่จำเป็น อย่าเติมทุกอย่างลง agent เพราะจะช้าและงงเอง
• ทำรายการ approved skills สำหรับทีม เพื่อให้ทุกคนใช้ชุดเดียวกัน ลดความเสี่ยงและปัญหา workflow ไม่ตรงกัน
• ทดสอบในงานย่อยก่อน อย่าเพิ่งให้ skill ใหม่ไปแตะอีเมลจริงหรือบัญชีงานหลักทันที

Troubleshooting

• ปัญหา: หา skill ไม่เจอหรือผลค้นหาน้อยมาก
  สาเหตุ: Hermes ยังไม่อัปเดต หรือค้นหาด้วยคำที่กว้างหรือเฉพาะเกินไป
  วิธีแก้: อัปเดต Hermes ก่อน จากนั้นลองเปลี่ยนคำค้นเป็นคำที่สะท้อนงาน เช่น email, browser, social media, web search
• ปัญหา: ติดตั้ง skill แล้ว agent ช้าลง
  สาเหตุ: เปิดใช้งานหลาย skill เกินจำเป็น ทำให้ agent ต้องพิจารณาเครื่องมือเยอะขึ้นและใช้ token มากขึ้น
  วิธีแก้: ปิด skill ที่ไม่ใช้บ่อย เหลือเฉพาะชุดที่เกี่ยวกับ workflow ปัจจุบัน
• ปัญหา: ไม่มั่นใจว่า skill ปลอดภัยหรือไม่
  สาเหตุ: skill มาจาก community หรือแหล่งที่ไม่คุ้นเคย
  วิธีแก้: ดู verdict จากระบบสแกน อ่าน skill.md ตรวจแหล่งที่มา และทดลองในสภาพแวดล้อมที่แยกจากงานจริงก่อน
• ปัญหา: agent ใช้ skill ผิดตัวกับงาน
  สาเหตุ: มี skill ซ้ำหน้าที่กันหลายตัว หรือเปิดไว้เยอะเกินไป
  วิธีแก้: ล้างชุด skill ให้เรียบง่าย และแบ่งตามงาน เช่น ชุดอีเมล ชุดคอนเทนต์ ชุดรีเสิร์ช
• ปัญหา: ทีมใช้ Hermes แล้วผลลัพธ์ไม่เหมือนกัน
  สาเหตุ: แต่ละคนติดตั้ง skill คนละชุด
  วิธีแก้: สร้างมาตรฐาน approved skills และคู่มือใช้งานสั้นๆ ภายในทีม

Step 11: การต่อยอดที่น่าลองกับธุรกิจไทย

ถ้าเริ่มใช้ Skills Hub ได้คล่องแล้ว มี 3 ทิศทางที่น่าต่อยอด

• ทำชุด skill ตามแผนก เช่น ชุดขาย ชุดบริการลูกค้า ชุดคอนเทนต์ ช่วยให้ onboarding คนใหม่ง่ายขึ้น
• เชื่อมกับระบบความรู้ภายใน เช่นคู่มือสินค้า คำตอบมาตรฐาน หรือ SOP เพื่อให้ skill ทำงานบนข้อมูลที่ถูกต้อง
• ทำ sandbox สำหรับทดลอง skill ใหม่ ก่อนอนุมัติใช้จริงในองค์กร ลดความเสี่ยงจากการลองของบนระบบหลัก

ถ้าต้องการข้อมูลเสริมเรื่องการจัดการสิทธิ์และแนวทางป้องกันความเสี่ยงของ AI ในองค์กร แหล่งอ้างอิงที่มีประโยชน์คือ OWASP Top 10 for LLM Applications และแนวทางด้าน AI governance จาก NIST AI Risk Management Framework

Step 12: สรุป Checklist ทั้งหมด

• ☐ อัปเดต Hermes เป็นเวอร์ชันล่าสุดก่อน
• ☐ เข้าเมนู Skills และดูว่ามี skill หรือ tool set อะไรอยู่แล้ว
• ☐ ค้นหา skill ตามงานธุรกิจ ไม่ใช่ตามความน่าสนใจ
• ☐ ตรวจแหล่งที่มาว่ามาจาก built-in, trusted หรือ community
• ☐ เปิดดูรายละเอียดของ skill ก่อนติดตั้ง
• ☐ อ่าน skill.md เพื่อเข้าใจคำสั่งและสิทธิ์การเข้าถึง
• ☐ ใช้ระบบสแกนเพื่อดู verdict ความเสี่ยงเบื้องต้น
• ☐ ติดตั้งเฉพาะ skill ที่จำเป็นกับ workflow ปัจจุบัน
• ☐ ปิด skill ที่ไม่ใช้ เพื่อลดความช้าและลดการใช้ token
• ☐ ทำรายการ approved skills สำหรับทีม
• ☐ ทดลองกับงานย่อยก่อนเชื่อมเข้าระบบจริง
• ☐ มอง skill เป็นส่วนหนึ่งของระบบงาน ไม่ใช่ของเสริมแยกเดี่ยว

สรุปแล้ว อัปเดตใหม่ของ Hermes Agent Skills Hub น่าสนใจเพราะทำให้การเพิ่มความสามารถให้ AI agent เป็นเรื่องที่ควบคุมได้มากขึ้น ไม่ใช่แค่เร็วขึ้น แต่ปลอดภัยขึ้นและตัดสินใจง่ายขึ้นด้วย

แต่มุมที่สำคัญกว่า feature คือวิธีคิด ถ้าเราใช้ Skills Hub เพื่อสะสม skill ไปเรื่อยๆ สุดท้าย agent จะพองตัวและวุ่นวายกว่าเดิม แต่ถ้าใช้มันเพื่อคัด “เครื่องมือที่ใช่” ให้กับงานจริง Hermes จะเริ่มกลายเป็นผู้ช่วยที่เอาไปใช้ในธุรกิจได้จริงมากขึ้น นั่นต่างหากคือคุณค่าของอัปเดตนี้