5 Hermes-Plugins, die sich mit DeepSeek zu installieren lohnen: Statte deinen Agenten mit Augen, Gedächtnis und mehr aus

Ein von DeepSeek unterstützter Hermes Agent kann bereits schlussfolgern, Tools verwenden, Informationen speichern und dauerhafte Workflows ausführen. Die größten Verbesserungen entstehen jedoch nicht immer durch den Wechsel zu einem größeren Modell. Manchmal ist die nützlichere Änderung, dem Agenten eine Fähigkeit zu geben, die er zuvor nicht hatte: Augen für Screenshots, ein tieferes Langzeitgedächtnis, einen Design-Arbeitsbereich, Zugriff auf Ihre private Cloud oder eine Möglichkeit, unnötigen Kontext nicht bei jeder Anfrage erneut zu übertragen.

So haben wir die fünf folgenden Ergänzungen ausgewählt. Sie sind nicht einfach die beliebtesten Hermes-Projekte. Jede davon verändert eine praktische Fähigkeit eines DeepSeek + Hermes-Setups. Wenn Sie die Basisumgebung noch aufbauen, beginnen Sie mit unserem Leitfaden zur selbst gehosteten Einrichtung von Hermes Agent, bevor Sie weitere Komponenten hinzufügen.

Hinweis zur Terminologie: In diesem Artikel verwenden wir den Begriff „Plugin“ großzügig. Das Hermes-Ökosystem umfasst traditionelle Plugins, Skills, Gedächtnisanbieter, MCP-Integrationen und Tools, die neben dem Agenten eingesetzt werden. Hindsight ist beispielsweise inzwischen ein nativer Hermes-Gedächtnisanbieter und kein separates Plugin, das Sie installieren sollten.

Warum DeepSeek + Hermes durch die richtigen Plugins noch nützlicher wird

Die entscheidende Frage ist nicht, wie viele Plugins Hermes ausführen kann, sondern welche neue Fähigkeit jede Ergänzung schafft. Hermes bietet bereits eine umfangreiche Agentenebene rund um das Modell, einschließlich dauerhaftem Gedächtnis, Tools, Zeitplanung, Messaging-Oberflächen und Delegation. Ein weiteres generisches Tool, das diese Funktionen dupliziert, kann die Komplexität erhöhen, ohne zu verändern, was der Agent tatsächlich leisten kann.

Deshalb konzentriert sich diese Liste auf fünf verschiedene Engpässe. ModLens ergänzt visuelle Fähigkeiten. Hindsight stärkt das Langzeitgedächtnis. Open Design fügt einen visuellen Workflow hinzu, der auf Artefakte ausgerichtet ist. Hermes Nextcloud verbindet den Agenten mit selbst gehosteten persönlichen Daten. LLMTrim reduziert den Kontext-Overhead, der entsteht, wenn ein Agent Tools, Ergebnisse und den Gesprächsverlauf ansammelt. Die zugrunde liegende Hermes-Umgebung und die Grenze für die Modellgröße können Sie separat in unserem Leitfaden zu den Hardwareanforderungen für Hermes Agent nachlesen.

Das Ergebnis ist eine nützlichere Betrachtungsweise für den Stack eines KI-Agenten: Augen → Gedächtnis → Erstellung → private Daten → Effizienz. Sie benötigen nicht unbedingt alle fünf Komponenten am ersten Tag. Beginnen Sie mit der Fähigkeit, die Ihren Agenten derzeit daran hindert, nützliche Arbeit zu leisten.

1. ModLens – DeepSeek Hermes Augen geben

Wenn dein DeepSeek-Modell nur Text verarbeitet, erzeugt ModLens auf dieser Liste den deutlichsten Vorher-nachher-Effekt. Statt einen Screenshot manuell beschreiben, OCR-Text einfügen oder ein visuelles Problem in Worte übersetzen zu müssen, kann die Visionsebene das Bild zunächst untersuchen und das Erkannte in Informationen umwandeln, über die das Textmodell nachdenken kann.

ModLens wurde zunächst als Vision-Plugin für DeepSeek Harness entwickelt. Der dokumentierte Workflow kann eingefügte Bilder in strukturierte visuelle Informationen einschließlich OCR, Layout und Semantik umwandeln. In einem auf DeepSeek ausgerichteten Stack wird es praktisch zur visuellen Frontend-Komponente: Eine visionstaugliche Engine interpretiert die Pixel, anschließend setzt das reine Textmodell von DeepSeek den Denkprozess fort.

Der wichtige Unterschied ist, dass dies nützlicher ist als reines OCR. OCR beantwortet die Frage: „Welcher Text befindet sich in diesem Bild?“ Ein nützlicher visueller Agent muss außerdem verstehen, wo Informationen erscheinen, welche Objekte zusammengehören, was ein UI-Zustand bedeutet und welcher Teil eines Screenshots für die Aufgabe relevant ist. Dadurch eignet sich ModLens für Dashboards, Anwendungs-Screenshots, Diagramme, Fehlerdialoge, Weblayouts und bildlastige Dokumentation.

Stell dir vor, du behebst ein Problem auf einem Heimserver. Ohne visuelle Brücke würdest du vielleicht eingeben: „Das Speicher-Widget ist orange, und bei einem Laufwerk steht ‚degraded‘.“ Mit ModLens auf der DeepSeek-Seite des Workflows wird die Interaktion eher zu: „Sieh dir diesen Dashboard-Screenshot an und sag mir, was ich zuerst untersuchen sollte.“ Der Unterschied besteht nicht in einer geringfügig besseren Antwort. Vielmehr entfällt ein vollständiger manueller Übersetzungsschritt zwischen dir und dem Agenten.

Eine Abgrenzung sollte klar bleiben. ModLens ist derzeit vor allem als Integration für DeepSeek Harness dokumentiert. Daher würden wir es als die DeepSeek-seitige Visionsebene behandeln, statt so zu tun, als wäre es ein natives Hermes-Kern-Plugin. Diese Unterscheidung ist wichtig, wenn du entscheidest, wo die Bildverarbeitung in einem kombinierten DeepSeek-Hermes-Workflow stattfindet.

2. Hindsight – Hermes ein besseres Langzeitgedächtnis geben

Hermes verfügt bereits über ein Gedächtnis. Hindsight sollte daher nicht als das Feature beschrieben werden, das Hermes plötzlich Erinnerungsvermögen verleiht. Der eigentliche Fortschritt zeigt sich, wenn ein Agent über Monate hinweg Gespräche, Projekte, Korrekturen, Präferenzen und wiederkehrende Aufgaben sammelt und im richtigen Moment den passenden Teil dieser Historie abrufen muss.

Aktuelle Hermes-Versionen unterstützen Hindsight als Memory-Provider. Die Integration kann vor Modellaufrufen automatisch relevante Informationen abrufen und Unterhaltungen für zukünftige Sitzungen speichern. Außerdem stellt sie explizite Retain-, Recall- und Reflect-Operationen bereit. Das alte eigenständige Hindsight-Hermes-Plugin ist veraltet; der derzeit korrekte Weg ist der native Hindsight-Memory-Provider für Hermes.

Dieser Unterschied wird bei einem dauerhaften persönlichen Agenten wichtig. Eine Tatsache zu speichern ist einfach. Schwieriger ist zu entscheiden, welche früheren Fakten für die aktuelle Aufgabe relevant sind. Ein langfristig laufender Agent muss möglicherweise eine vor sechs Wochen getroffene Entscheidung mit einer heutigen neuen Anfrage verknüpfen, eine frühere Präferenz von einer späteren Korrektur unterscheiden oder sich daran erinnern, wie ein wiederkehrendes Serverproblem gelöst wurde, ohne jede vorherige Unterhaltung in den Prompt zu laden.

Ein praktisches Beispiel ist ein langfristiges Home-Server-Projekt. Über mehrere Wochen hinweg änderst du möglicherweise Speicherpfade, Container-Richtlinien, Backup-Regeln und Anwendungseinstellungen. Wenn du später zurückkehrst und Hermes bittest, einen Teil dieses Systems zu ändern, besteht gutes Gedächtnis nicht einfach darin, „hier sind 500 vorherige Nachrichten“ bereitzustellen. Es bedeutet, die kleine Gruppe früherer Entscheidungen abzurufen, die die neue Aktion einschränken.

Hindsight ist daher vor allem dann sinnvoll, wenn Hermes zu einem dauerhaften Arbeitsbereich statt zu einer kurzlebigen Chat-Sitzung wird. Wenn du den Agenten nur für einzelne Fragen nutzt, fällt der Unterschied möglicherweise gering aus. Wenn er jedoch über Monate Projekte, wiederkehrende Recherchen oder deine persönliche Infrastruktur verwaltet, wird die Qualität des Gedächtnisses zu einem Bestandteil der Agentenarchitektur.

3. Open Design — Hermes vom Coding-Agent zum visuellen Creator machen

HTML oder React zu generieren ist nicht dasselbe wie Designarbeit abzuschließen. Ein Coding-Agent kann eine Seite erzeugen, die technisch korrekt gerendert wird, während die visuellen Entscheidungen weiterhin bei dir liegen: Hierarchie, Abstände, Stilrichtung, Iteration, Vorschau und Bereitstellung. Open Design versucht, diese Lücke zu schließen, indem es den Agenten um einen artefaktorientierten Design-Workflow ergänzt.

Open Design bezeichnet sich selbst als einen Local-First-Design-Arbeitsbereich, der vorhandene Coding-Agents als Design-Engine nutzen kann, und Hermes gehört zu den unterstützten Agent-Integrationen. Der Workflow umfasst Ausgaben wie Prototypen, Landingpages, Dashboards, Folien, Bilder und Videos, statt das Modell auf Prosa oder Quellcodevorschläge zu beschränken.

Dadurch verändert sich der Prompt von „Schreibe etwas CSS für dieses Dashboard“ zu etwas, das eher lautet: „Baue dieses Dashboard, entwickle eine visuelle Richtung, generiere das Artefakt, überprüfe es und überarbeite es iterativ.“ Für Kreative, Entwickler, kleine Teams oder Homelab-Nutzer, die benutzerdefinierte Oberflächen erstellen, ist das eine wesentlich greifbarere Leistungssteigerung als ein weiterer allgemeiner Coding-Skill.

Es passt auch ganz natürlich zu DeepSeek, weil Designebene und Reasoning-Modell nicht dasselbe Produkt sein müssen. DeepSeek kann Teil des Reasoning- und Coding-Stacks bleiben, während Open Design den darauf aufbauenden Arbeitsbereich, Vorlagen, Skills, Vorschauen und die Artefakt-Pipeline bereitstellt. Diese Trennung ist nützlich, wenn Sie lieber Ihr eigenes Modell einsetzen möchten, statt den gesamten Workflow an einen einzigen gehosteten Designdienst zu binden.

Die Einschränkung ist ebenso wichtig: Visuelle Generierung fügt eine weitere Werkzeugebene hinzu und erfordert manchmal zusätzliche Anforderungen an Modelle oder Medienanbieter. Wenn Hermes hauptsächlich für Serveradministration oder Recherche eingesetzt wird, ist Open Design möglicherweise optional. Wenn der Agent regelmäßig Weboberflächen, Präsentationen, Marketingmaterialien oder interne Dashboards erstellt, lässt es sich deutlich leichter rechtfertigen.

4. Hermes Nextcloud – Verbinden Sie Ihren Agenten mit privaten Dateien, Kalendern und Aufgaben

Hier beginnt Hermes, weniger wie ein KI-Tool und mehr wie ein persönlicher Agent zu wirken. Ein Modell kann viel über die öffentliche Welt wissen und trotzdem fast nichts über die Dateien, Notizen, Kalender und Aufgaben, die tatsächlich bestimmen, was Sie heute erledigen müssen. Eine selbst gehostete Datenebene ändert das.

Die von der Community entwickelte Hermes-Nextcloud-Bridge stellt Hermes Nextcloud-Daten über Schnittstellen wie WebDAV, die Nextcloud-Notes-API, CalDAV und CardDAV zur Verfügung. Dadurch werden Workflows für Dateien, Notizen, Kalender, Aufgaben und Kontakte möglich, ohne dass eine Browsersitzung der einzige Weg sein muss, über den der Agent auf diese Ressourcen zugreifen kann.

Für Nutzer eines Heimservers entstehen dadurch einige der unmittelbar nützlichsten Agent-Anfragen im Artikel. „Finde die PDFs, die ich gestern hochgeladen habe, und vergleiche sie.“ „Prüfe meinen Kalender und sag mir, an welchem Nachmittag ich frei bin.“ „Erstelle aus diesen Besprechungsnotizen eine Aufgabe.“ „Durchsuche meinen privaten Projektordner und fasse zusammen, was sich geändert hat.“ Das sind keine Modell-Benchmarks. Das sind Aufgaben, die Menschen tatsächlich delegieren.

Auch der Self-Hosting-Aspekt ist wichtig. Nextcloud kann auf einer Infrastruktur betrieben werden, die Sie selbst kontrollieren, und Hermes kann als weiterer Dienst in derselben privaten Umgebung daneben laufen. Wenn Sie diesen Teil Ihres Stacks planen, erklärt unser Leitfaden zu den Nextcloud-Hardwareanforderungen, wie sich CPU, RAM, Speicher, Datenbanken und die Nutzerzahl auf die Serveranforderungen auswirken.

Privates Hosting macht den Workflow nicht automatisch sicher. Ein Agent mit Zugriff auf Kalender, Kontakte und beschreibbare Dateien hat einen größeren Schadensradius als ein Chatbot mit schreibgeschützter öffentlicher Suche. Beginne mit den geringstmöglichen erforderlichen Berechtigungen, verwende nach Möglichkeit dedizierte Anmeldedaten für Anwendungen und lege ausdrücklich fest, welche Daten Hermes lesen oder ändern darf.

5. LLMTrim – Verhindert, dass lange Hermes-Sitzungen zu viel Kontext verbrauchen

Die ersten vier Erweiterungen ermöglichen Hermes mehr. Die fünfte kümmert sich darum, was passiert, nachdem Hermes tatsächlich all diese Aufgaben übernimmt. Lang laufende Agenten sammeln Kontext an: Tooldefinitionen, Terminalausgaben, MCP-Antworten, ausgelesene Seiten, Gesprächsverlauf, Artefakte der Zwischenschlussfolgerungen und von anderen Tools zurückgegebene Ergebnisse. Einige dieser Informationen bleiben nützlich. Ein Teil davon ist wiederholter Ballast.

LLMTrim sitzt als lokaler Proxy zwischen dem Agenten und dem Modellendpunkt. Die Hermes-spezifische Anleitung erklärt, dass es wiederholte Tool-Schemas, den Gesprächsverlauf, MCP-Toolausgaben und ausgelesene Inhalte komprimieren kann, bevor die Anfrage an das Modell gesendet wird. Die Integration von Hermes und LLMTrim unterscheidet sich daher von einem gewöhnlichen Skill: Sie verändert den Übertragungsweg, anstatt Hermes eine neue Aufgabe beizubringen.

Das wird umso relevanter, je mehr Tools deine DeepSeek- und Hermes-Umgebung erhält. Stell dir einen Agenten mit Browser-Tools, mehreren MCP-Servern, Nextcloud-Zugriff, Langzeitgedächtnis, Terminalausgaben und einer langen Unterhaltung vor. Wenn bei jedem Durchlauf große Mengen wiederholter Strukturen an das Modell gesendet werden, können die Kosten für die Aufrechterhaltung der Agentenschleife steigen, selbst wenn die eigentliche neue Frage kurz ist.

Kontextreduzierung ist kein Zauber, und aggressive Komprimierung sollte immer getestet werden. Das Entfernen des falschen Details kann eine spätere Antwort ebenso sicher beeinträchtigen, wie irrelevanter Kontext das Modell ablenken kann. Das sinnvolle Ziel ist nicht: „Jeden Prompt so klein wie möglich machen.“ Es lautet: „Nicht mehr für Kontextinformationen bezahlen, die nicht mehr zur nächsten Entscheidung beitragen.“

Es gibt außerdem einen Sicherheitsaspekt. Ein lokaler Proxy zwischen Hermes und dem Modellanbieter sieht zwangsläufig die Anfragedaten, die ihn passieren. Beziehe das in deine Vertrauensgrenze ein – insbesondere, wenn Hermes persönliche Dateien, Zugangsdaten, private Notizen oder andere vertrauliche Inhalte verarbeitet.

Welches Hermes-Plugin solltest du zuerst installieren?

Wenn du ein reines Textmodell von DeepSeek verwendest und nur ein Upgrade ausprobieren möchtest, ist ModLens die naheliegendste erste Wahl. Vision ermöglicht die offensichtlichste neue Funktion, da Screenshots und Bilder nicht mehr manuell in Text übersetzt werden müssen, bevor das Modell helfen kann.

Danach hängt die richtige Wahl davon ab, was den Agenten begrenzt, und nicht von einer allgemeingültigen Rangfolge. Wählen Sie Hindsight, wenn die Wiederverwendung historischer Zusammenhänge zunehmend schwierig wird. Fügen Sie Open Design hinzu, wenn die Ausgabe selbst visuell sein muss. Fügen Sie Hermes Nextcloud hinzu, wenn die nützlichen Informationen in Ihrer privaten Cloud liegen. Fügen Sie LLMTrim hinzu, wenn lange, toolintensive Sitzungen mehr Kontext mitführen, als die Aufgabe scheinbar erfordert.

Wenn Sie noch entscheiden, was überhaupt auf den Server gehört, ist der Katalog der Hardwareanforderungen für ZimaOS-Apps ein sinnvoller nächster Schritt, um KI- und selbst gehostete Anwendungs-Workloads zu vergleichen, bevor Sie mehrere Dienste auf einem Gerät bündeln.

Die bessere Art, über Hermes-Plugins nachzudenken

Die nützlichsten Hermes-Erweiterungen sind nicht unbedingt diejenigen mit den längsten Funktionslisten. Es sind die Erweiterungen, die eine bestimmte Grenze aufheben. ModLens beseitigt die Bildgrenze. Hindsight verbessert die Erinnerungsebene. Open Design erweitert die Ausgabemöglichkeiten. Nextcloud überbrückt die Grenze zwischen dem öffentlichen Modellwissen und Ihren privaten Arbeitsdaten. LLMTrim verwaltet die Kontextgrenze, die entsteht, wenn all diese Tools gemeinsam eingesetzt werden.

Dadurch entsteht eine deutlich klarere Architektur, als einfach jedes interessante Projekt zu installieren, das Sie finden. Beginnen Sie mit einem leistungsfähigen Modell wie DeepSeek, verwenden Sie Hermes als dauerhafte Agentenschicht und fügen Sie externe Funktionen nur dann hinzu, wenn ein konkreter Workflow sie erfordert. Ein kleinerer Stack mit fünf klar begründeten Integrationen ist in der Regel leichter zu verstehen, abzusichern, zu aktualisieren und zu beheben als ein Agent mit Dutzenden sich überschneidender Tools.

Das eigentliche Ziel ist ebenfalls interessanter, als einen Chatbot mit zusätzlichen Schaltflächen zu bauen. Eine selbst gehostete DeepSeek- und Hermes-Umgebung kann sich nach und nach zu einem privaten KI-Arbeitsbereich entwickeln, der sehen kann, was Sie sehen, sich an Wichtiges erinnert, nützliche Artefakte erstellt, mit von Ihnen kontrollierten Daten arbeitet und effizient bleibt, wenn seine Aufgaben wachsen. An diesem Punkt hören Plugins auf, bloßes Zubehör zu sein, und werden zu einem Teil der Agentenarchitektur.