Смотреть урок

Разбираю архитектуру AI-агентов, работу с памятью и настройку программных оболочек (Harness) на примере Hermes. Наглядно показываю, как декомпозировать задачи, чем скилл отличается от полноценного агента и как избежать перегрузки контекстного окна. В реальном времени с нуля собираю персонального ИИ-ментора в Telegram, настраиваю для него векторную базу данных SQLite, подключаю локальные эмбеддинги и выстраиваю иерархию источников истины. Материал будет полезен разработчикам и энтузиастам, которые хотят автоматизировать рутину с помощью локальных и облачных LLM-систем без потери контекста.

Оглавление с таймкодами:

00:00–06:14 Введение в архитектуру AI-агентов и понятие Harness (программной оболочки для LLM).
06:14–21:37 Преимущества Hermes: постоянная фоновая работа в Telegram, мультимодельность, независимые профили агентов и Kanban-доска.
21:37–30:36 Ключевые отличия разового скилла от постоянного агента-сотрудника.

30:37–41:06 Разбор файлов контекста (SoulMD, AgentsMD, Memory, User) и логика работы ContextBuilder.

41:06–1:08:49 Создание чистого профиля ИИ-ментора через BotFather и отключение лишних корпоративных…