5 Hermes-plug-ins die de moeite waard zijn met DeepSeek: geef je agent ogen, geheugen en meer

Een door DeepSeek aangestuurde Hermes Agent kan al redeneren, tools gebruiken, informatie onthouden en persistente workflows uitvoeren. Maar de grootste verbeteringen komen niet altijd voort uit de overstap naar een groter model. Soms is de nuttigere verandering dat je de agent een mogelijkheid geeft die hij daarvoor nog niet had: ogen voor schermafbeeldingen, een dieper langetermijngeheugen, een ontwerpwerkruimte, toegang tot je privécloud of een manier om te voorkomen dat bij elk verzoek onnodige context wordt meegestuurd.

Zo hebben we de vijf onderstaande toevoegingen geselecteerd. Het zijn niet simpelweg de populairste Hermes-projecten. Elk project verandert een praktische mogelijkheid van een DeepSeek + Hermes-installatie. Als je de basisomgeving nog aan het opbouwen bent, begin dan met onze handleiding voor zelfgehoste installatie van Hermes Agent voordat je meer bewegende onderdelen toevoegt.

Een terminologische opmerking: in dit artikel gebruiken we “plugin” als verzamelterm. Het Hermes-ecosysteem omvat traditionele plugins, skills, geheugenproviders, MCP-integraties en tools die naast de agent werken. Hindsight is bijvoorbeeld nu een native Hermes-geheugenprovider en geen afzonderlijke plugin die je moet installeren.

Waarom DeepSeek + Hermes nuttiger wordt zodra je de juiste plugins toevoegt

De nuttige vraag is niet hoeveel plugins Hermes kan uitvoeren. Het gaat erom welke nieuwe mogelijkheid elke toevoeging creëert. Hermes biedt al een uitgebreide agentlaag rond het model, met onder meer persistent geheugen, tools, planning, berichtinterfaces en delegering. Een extra generieke tool die deze functies dupliceert, kan de complexiteit vergroten zonder te veranderen wat de agent daadwerkelijk kan bereiken.

Daarom richt deze lijst zich op vijf verschillende knelpunten. ModLens zorgt voor visuele mogelijkheden. Hindsight versterkt het langetermijngeheugen. Open Design voegt een visuele workflow toe die op artefacten is gericht. Hermes Nextcloud verbindt de agent met zelfgehoste persoonlijke gegevens. LLMTrim pakt de contextoverhead aan die ontstaat wanneer een agent tools, resultaten en gespreksgeschiedenis opstapelt. Je kunt de onderliggende Hermes-omgeving en de grens voor modeldimensionering afzonderlijk bekijken in onze hardwarevereistengids voor Hermes Agent.

Het resultaat is een nuttigere manier om naar een AI-agentstack te kijken: ogen → geheugen → creatie → privégegevens → efficiëntie. Je hebt niet per se alle vijf vanaf dag één nodig. Begin met de mogelijkheid die je agent momenteel belemmert om nuttig werk te doen.

1. ModLens — Geef DeepSeek Hermes ogen

Als je DeepSeek-model alleen tekst ondersteunt, zorgt ModLens op deze lijst voor het duidelijkste verschil tussen voor en na. In plaats van dat je een schermafbeelding handmatig moet beschrijven, OCR-tekst moet plakken of een visueel probleem in woorden moet vertalen, kan de visielaag de afbeelding eerst inspecteren en wat ze ziet omzetten in bewijsmateriaal waarover het tekstmodel kan redeneren.

ModLens is oorspronkelijk gebouwd als visionplugin voor DeepSeek Harness. De gedocumenteerde workflow kan geplakte afbeeldingen omzetten in gestructureerd visueel bewijsmateriaal, inclusief OCR, lay-out en semantiek. In een DeepSeek-gerichte stack wordt het in feite de visuele voorkant: een engine met beeldherkenning interpreteert de pixels, waarna het tekstgebaseerde DeepSeek-model doorgaat met het redeneerproces.

Het belangrijke onderscheid is dat dit nuttiger is dan gewone OCR. OCR beantwoordt de vraag: “Welke tekst staat er in deze afbeelding?” Een bruikbare visuele agent moet ook begrijpen waar informatie staat, welke objecten bij elkaar horen, wat een UI-status betekent en welk deel van een schermafbeelding relevant is voor de taak. Daardoor is ModLens nuttig voor dashboards, schermafbeeldingen van applicaties, diagrammen, foutmeldingen, webpagina’s en documentatie met veel afbeeldingen.

Stel je voor dat je problemen met een homeserver oplost. Zonder visuele brug zou je kunnen typen: “De opslagwidget is oranje en bij één schijf staat ‘degraded’.” Met ModLens aan de DeepSeek-kant van de workflow wordt de interactie veel meer: “Bekijk deze schermafbeelding van het dashboard en vertel me wat ik als eerste moet onderzoeken.” Het verschil is niet slechts een iets beter antwoord. Er verdwijnt een hele handmatige vertaalslag tussen jou en de agent.

Er is één onderscheid dat duidelijk moet blijven. ModLens wordt momenteel vooral gedocumenteerd als een integratie voor DeepSeek Harness, dus we zouden het behandelen als de visielaag aan de DeepSeek-kant in plaats van te doen alsof het een native kernplugin van Hermes is. Dat onderscheid is belangrijk wanneer je bepaalt waar beeldverwerking plaatsvindt in een gecombineerde DeepSeek- en Hermes-workflow.

2. Hindsight — Geef Hermes een beter langetermijngeheugen

Hermes beschikt al over geheugen, dus Hindsight moet niet worden beschreven als iets waardoor Hermes plotseling kan onthouden. De echte verbetering zit in wat er gebeurt wanneer een agent maanden aan gesprekken, projecten, correcties, voorkeuren en terugkerende taken heeft en op het juiste moment het juiste deel van die geschiedenis moet terugvinden.

Huidige Hermes-versies ondersteunen Hindsight als geheugenprovider. De integratie kan vóór modelaanroepen automatisch relevante informatie terughalen en gesprekken bewaren voor toekomstige sessies, terwijl ook expliciete bewerkingen voor bewaren, terughalen en reflecteren beschikbaar zijn. De oude zelfstandige Hindsight-Hermes-plug-in is verouderd; de juiste huidige route is de native Hindsight-geheugenprovider voor Hermes.

Dat onderscheid wordt belangrijk bij een permanente persoonlijke agent. Een feit opslaan is eenvoudig. Bepalen welke oude feiten relevant zijn voor de huidige taak is moeilijker. Een langdurig draaiende agent moet mogelijk een beslissing van zes weken geleden koppelen aan een nieuw verzoek van vandaag, een oude voorkeur onderscheiden van een latere correctie, of onthouden hoe een terugkerend serverprobleem is opgelost zonder elk eerder gesprek in de prompt te laden.

Een praktisch voorbeeld is een langdurig thuisserverproject. Misschien ben je enkele weken bezig met het wijzigen van opslagpaden, containerbeleid, back-upregels en applicatie-instellingen. Wanneer je later terugkomt en Hermes vraagt een onderdeel van dat systeem aan te passen, betekent goed geheugen niet simpelweg: “hier zijn 500 eerdere berichten”. Het betekent dat de agent de kleine set eerdere beslissingen kan terugvinden die de nieuwe actie begrenzen.

Hindsight is daarom vooral zinvol wanneer Hermes een permanente werkruimte wordt in plaats van een wegwerpchatsessie. Als je de agent alleen gebruikt voor losse vragen, is het verschil misschien beperkt. Als de agent maandenlang projecten, terugkerend onderzoek of je persoonlijke infrastructuur beheert, wordt de kwaliteit van het geheugen onderdeel van de agentarchitectuur.

3. Open Design — Maak van Hermes een visuele creator

HTML of React genereren is niet hetzelfde als ontwerpwerk voltooien. Een codeeragent kan een pagina produceren die technisch wordt weergegeven, terwijl jij nog steeds de visuele beslissingen moet nemen: hiërarchie, tussenruimtes, stijlrichting, iteratie, voorbeeldweergave en oplevering. Open Design probeert die kloof te dichten door een artefactgerichte ontwerpworkflow rond de agent te plaatsen.

Open Design omschrijft zichzelf als een lokaal georiënteerde ontwerpwerkruimte die bestaande codeeragents als ontwerpmotor kan gebruiken, en Hermes behoort tot de ondersteunde agentintegraties. De workflow omvat outputs zoals prototypes, landingspagina’s, dashboards, dia’s, afbeeldingen en video, in plaats van het model te beperken tot proza of suggesties voor broncode.

Daarmee verandert de prompt van “schrijf wat CSS voor dit dashboard” in iets dat meer lijkt op “bouw dit dashboard, bepaal een visuele richting, genereer het artifact, controleer het en verbeter het iteratief.” Voor een maker, ontwikkelaar, klein team of homelabgebruiker die aangepaste interfaces bouwt, is dat een veel tastbaardere capaciteitsuitbreiding dan nog een algemene codeerskill.

Het past ook natuurlijk bij DeepSeek, omdat de ontwerplaag en het redeneermodel niet hetzelfde product hoeven te zijn. DeepSeek kan deel blijven uitmaken van de redeneer- en codeerstack, terwijl Open Design de werkruimte, sjablonen, skills, voorbeelden en artifact-pijplijn eromheen levert. Die scheiding is nuttig als je liever je eigen model gebruikt dan de volledige workflow aan één gehoste ontwerpdienst te koppelen.

De beperking is minstens zo belangrijk: visuele generatie voegt een extra tool-laag toe en vereist soms aanvullende modellen of mediaproviders. Als Hermes voornamelijk serverbeheer of onderzoek uitvoert, is Open Design mogelijk optioneel. Als de agent regelmatig webinterfaces, presentaties, marketingmateriaal of interne dashboards maakt, wordt het veel eenvoudiger om de meerwaarde ervan te rechtvaardigen.

4. Hermes Nextcloud — Verbind je agent met privébestanden, agenda's en taken

Hier begint Hermes minder op een AI-tool en meer op een persoonlijke agent te lijken. Een model kan veel weten over de openbare wereld en toch bijna niets over de bestanden, notities, agenda's en taken die daadwerkelijk bepalen wat je vandaag moet doen. Een zelfgehoste datalaag verandert dat.

De door de community gebouwde Hermes Nextcloud-bridge maakt Nextcloud-gegevens via interfaces zoals WebDAV, de Notes-API van Nextcloud, CalDAV en CardDAV beschikbaar aan Hermes. Daarmee zijn workflows rond bestanden, notities, agenda's, taken en contacten mogelijk zonder dat een browsersessie de enige manier wordt waarop de agent toegang tot die bronnen heeft.

Voor een homeservergebruiker levert dit enkele van de meest direct nuttige agentverzoeken in het artikel op. “Vind de pdf's die ik gisteren heb geüpload en vergelijk ze.” “Controleer mijn agenda en vertel me welke middag vrij is.” “Maak een taak aan op basis van deze vergadernotities.” “Bekijk mijn privéprojectmap en vat samen wat er is veranderd.” Dat zijn geen modelbenchmarks. Het zijn taken die mensen daadwerkelijk uitbesteden.

De selfhosting-invalshoek is ook belangrijk. Nextcloud kan draaien op infrastructuur die je zelf beheert, en Hermes kan ernaast draaien als een andere service in dezelfde privéomgeving. Als je dat deel van de stack aan het plannen bent, legt onze gids met hardwarevereisten voor Nextcloud uit hoe CPU, RAM, opslag, databases en het aantal gebruikers de serververeisten beïnvloeden.

Privéhosting maakt de workflow niet automatisch veilig. Een agent met toegang tot agenda's, contacten en bestanden waarin kan worden geschreven, heeft een grotere impact bij misbruik dan een chatbot met alleen-leestoegang tot openbare zoekopdrachten. Begin met de meest beperkte machtigingen die je nodig hebt, gebruik waar mogelijk speciale applicatiereferenties en bepaal expliciet welke gegevens Hermes mag lezen of wijzigen.

5. LLMTrim — Voorkom dat lange Hermes-sessies te veel context opslokken

De eerste vier toevoegingen zorgen ervoor dat Hermes meer kan doen. De vijfde richt zich op wat er gebeurt nadat het daadwerkelijk al dat werk begint uit te voeren. Langdurig draaiende agents verzamelen context: tooldefinities, terminaluitvoer, MCP-antwoorden, gescrapete pagina's, gespreksgeschiedenis, tussentijdse redeneerartefacten en resultaten die door andere tools zijn teruggestuurd. Een deel van die informatie blijft nuttig. Een ander deel is herhaalde ballast.

LLMTrim bevindt zich als lokale proxy tussen de agent en het modeleindpunt. In de Hermes-specifieke documentatie wordt uitgelegd dat het herhaalde toolschema's, gespreksgeschiedenis, uitvoer van MCP-tools en gescrapete inhoud kan comprimeren voordat het verzoek naar het model wordt verzonden. De integratie van Hermes en LLMTrim verschilt daarom van een normale vaardigheid: deze wijzigt het transportpad in plaats van Hermes een nieuwe taak aan te leren.

Dit wordt relevanter naarmate je DeepSeek + Hermes-omgeving meer tools krijgt. Stel je een agent voor met browsertools, meerdere MCP-servers, toegang tot Nextcloud, langetermijngeheugen, terminaluitvoer en een lang gesprek. Als elke beurt grote hoeveelheden herhaalde structuur naar het model terugstuurt, kunnen de kosten voor het onderhouden van de agentlus stijgen, zelfs als de daadwerkelijke nieuwe vraag kort is.

Contextreductie is geen magie, en agressieve compressie moet altijd worden getest. Het verwijderen van het verkeerde detail kan een later antwoord net zo zeker schaden als het model afleiden met irrelevante context. Het nuttige doel is niet: “maak elke prompt zo klein mogelijk.” Het is: “betaal geen context meer voor informatie die niet langer bijdraagt aan de volgende beslissing.”

Er is ook een beveiligingsoverweging. Een lokale proxy die tussen Hermes en de modelprovider staat, ziet noodzakelijkerwijs de inhoud van de verzoeken die erdoorheen gaan. Beschouw dit als onderdeel van je vertrouwensgrens, vooral als Hermes persoonlijke bestanden, inloggegevens, privénotities of ander gevoelig materiaal verwerkt.

Welke Hermes-plug-in moet je als eerste installeren?

Als je een tekstgebaseerd DeepSeek-model gebruikt en maar één upgrade wilt proberen, is ModLens de duidelijkste eerste keuze. Vision voegt de meest zichtbare nieuwe mogelijkheid toe, omdat je screenshots en afbeeldingen niet meer handmatig naar tekst hoeft te vertalen voordat het model kan helpen.

Daarna hangt de juiste keuze af van wat de agent beperkt, niet van een universele ranglijst. Kies Hindsight wanneer historische context steeds moeilijker opnieuw te gebruiken wordt. Voeg Open Design toe wanneer de uitvoer zelf visueel moet zijn. Voeg Hermes Nextcloud toe wanneer de nuttige informatie in je private cloud staat. Voeg LLMTrim toe wanneer lange sessies met veel tools meer context beginnen mee te dragen dan de taak lijkt te vereisen.

Als je nog bepaalt wat er überhaupt op de server moet komen, is de ZimaOS-catalogus met hardwarevereisten voor apps een nuttige volgende stap om AI- en zelfgehoste applicatieworkloads te vergelijken voordat je meerdere services op één machine stapelt.

De betere manier om over Hermes-plug-ins na te denken

De nuttigste Hermes-extensies zijn niet per se degene met de langste lijst functies. Het zijn de extensies die een specifieke grens wegnemen. ModLens neemt de beeldgrens weg. Hindsight verbetert de geheugengrens. Open Design breidt de uitvoergrens uit. Nextcloud overschrijdt de grens tussen openbare modelkennis en je privéwerkgegevens. LLMTrim beheert de contextgrens die ontstaat wanneer al die tools samen actief worden.

Dat zorgt voor een veel duidelijkere architectuur dan simpelweg elk interessant project installeren dat je tegenkomt. Begin met een capabel model zoals DeepSeek, gebruik Hermes als permanente agentlaag en voeg alleen externe mogelijkheden toe wanneer een echte workflow daarom vraagt. Een kleinere stack met vijf duidelijk gemotiveerde integraties is doorgaans gemakkelijker te begrijpen, beveiligen, bij te werken en op te lossen dan een agent met tientallen overlappende tools.

Het einddoel is ook interessanter dan een chatbot bouwen met extra knoppen. Een zelfgehoste DeepSeek + Hermes-omgeving kan geleidelijk uitgroeien tot een private AI-werkplek die kan zien wat jij ziet, onthoudt wat belangrijk is, nuttige artefacten creëert, werkt met gegevens die jij beheert en efficiënt blijft naarmate zijn verantwoordelijkheden groeien. Dat is het punt waarop plug-ins niet langer accessoires zijn, maar onderdeel worden van de architectuur van de agent.