Nowa era agenta Hermes
Ostatnio zwróciliśmy naszą uwagę na wydanie wersji 0.20 agenta Hermes, przygotowane przez zespół Nous Research. To nie jest zwykła aktualizacja poprawkowa, lecz znaczący krok naprzód w rozwoju asystentów AI o otwartym kodzie źródłowym. Wprowadzenie trybu głosowego, który działa płynnie i naturalnie, zmienia nasze podejście do codziennej pracy z tym narzędziem. Zamiast czekać na generowanie długich plików audio, możemy teraz prowadzić dynamiczną rozmowę w czasie rzeczywistym.
Naturalna konwersacja bez przerw
Poprzednie wersje trybu głosowego były dość nieporęczne i przypominały pozostawianie wiadomości głosowych. Teraz sytuacja wygląda zupełnie inaczej. Hermes odpowiada fragmentami, co pozwala na natychmiastową interakcję. Najważniejszą nowością jest możliwość przerywania agenta w dowolnym momencie wypowiedzi. Wystarczy zacząć mówić, a model natychmiast przestaje generować odpowiedź i zaczyna nas słuchać. Ta funkcja, nazywana wtrącaniem się, sprawia, że rozmowa staje się prawdziwie dwukierunkowa.
Praktyczne zastosowanie w pracy
Testowaliśmy te możliwości podczas planowania treści dla naszych projektów edukacyjnych. Wykorzystaliśmy tryb głosowy do omówienia serii tematów związanych z pytaniami, które często pojawiają się wśród specjalistów od sztucznej inteligencji. Wystarczyło, że wypowiadaliśmy nasze ogólne pomysły na głos, a Hermes pomagał nam je uporządkować i stworzyć spójny zarys planu. Dzięki temu mogliśmy sterować procesem twórczym bez konieczności ciągłego pisania na klawiaturze.
Prywatność dzięki słowom wybudzającym
Ważnym aspektem tej aktualizacji jest w pełni lokalne działanie słów wybudzających. Możemy wybrać dowolną frazę, np. „Hej Hermes”, aby aktywować nasłuch agenta. Żaden dźwięk nie opuszcza naszego urządzenia przed rozpoczęciem transmisji, co gwarantuje wysoki poziom prywatności danych. Aby zakończyć rozmowę, wystarczy wypowiedzieć słowo „Stop”. Ta funkcja umożliwia korzystanie z agenta bez użycia rąk, co jest niezwykle wygodne podczas pracy przy innych zadaniach.
Integracja z platformami komunikacyjnymi
Funkcja głosowa nie ogranicza się już tylko do terminala czy aplikacji komputerowej. Hermes potrafi teraz przetwarzać notatki głosowe wysyłane przez popularne platformy messagingowe, takie jak WhatsApp. Agent przepisuje treść wiadomości i generuje odpowiedź, dostosowując jej format do danej platformy. Oznacza to, że nie musimy siedzieć przed komputerem, aby korzystać z pomocy AI – agent działa tam, gdzie już prowadzimy nasze rozmowy.
Uzasadnione cytaty i weryfikacja faktów
Poza funkcjami głosowymi, odkryliśmy ukrytą nowość, która moim zdaniem ma kluczowe znaczenie dla wiarygodności wyników. Mowa o mechanizmie uzasadnionych cytatów. Każde stwierdzenie Hermesa w ramach badań jest teraz poparte prawdziwym, sprawdzalnym źródłem. Cytaty są dokładnie dopasowane do tekstu strony internetowej, co minimalizuje ryzyko zmyślania faktów przez model.
Konkluzja i rekomendacje
Wprowadzenie trybu sprawdzania faktów pozwala nam weryfikować dowolne dokumenty lub twierdzenia. Agent informuje nas, co jest zgodne z rzeczywistością, a czego nie udało się zweryfikować. To ogromna różnica między zwykłym generowaniem tekstu a dostarczaniem informacji o udowodnionym źródle. Jeśli kiedykolwiek mieliśmy do czynienia z halucynacjami sztucznej inteligencji, ta funkcja staje się naszym najcenniejszym sojusznikiem.
Warto zauważyć, że Hermes 0.20 jest dostępny za darmo na GitHubie i działa szybciej niż wiele płatnych narzędzi, które testowaliśmy wcześniej. Liczba zatwierdzonych zmian oraz zaangażowanie społeczności developerów świadczy o wysokiej jakości tego projektu. Zachęcamy do wypróbowania tej wersji, szczególnie jeśli zależy Wam na prywatności, naturalnej interakcji głosowej oraz wiarygodnych danych.