5 wtyczek Hermes wartych zainstalowania z DeepSeek: zapewnij swojemu agentowi wzrok, pamięć i nie tylko

Agent Hermes oparty na DeepSeek już potrafi rozumować, korzystać z narzędzi, zapamiętywać informacje i uruchamiać trwałe przepływy pracy. Jednak największe ulepszenia nie zawsze wynikają z przejścia na większy model. Czasami bardziej użyteczną zmianą jest wyposażenie agenta w funkcję, której wcześniej nie miał: wzrok do obsługi zrzutów ekranu, głębszą pamięć długoterminową, przestrzeń do projektowania, dostęp do prywatnej chmury lub sposób na uniknięcie przenoszenia zbędnego kontekstu przy każdym żądaniu.

Właśnie na tej podstawie wybraliśmy pięć opisanych poniżej dodatków. Nie są to po prostu najpopularniejsze projekty Hermes. Każdy z nich zmienia konkretną praktyczną możliwość konfiguracji DeepSeek + Hermes. Jeśli nadal tworzysz bazowe środowisko, przed dodaniem kolejnych elementów zacznij od naszego przewodnika po samodzielnym hostowaniu Hermes Agent.

Uwaga dotycząca terminologii: w tym artykule używamy słowa „wtyczka” w szerokim znaczeniu. Ekosystem Hermes obejmuje tradycyjne wtyczki, umiejętności, dostawców pamięci, integracje MCP oraz narzędzia działające obok agenta. Hindsight jest na przykład obecnie natywnym dostawcą pamięci Hermes, a nie osobną wtyczką, którą należy zainstalować.

Dlaczego DeepSeek + Hermes staje się bardziej użyteczny po dodaniu odpowiednich wtyczek

Nie chodzi o to, ile wtyczek może uruchomić Hermes. Chodzi o to, jakie nowe możliwości zapewnia każdy dodatek. Hermes już oferuje rozbudowaną warstwę agenta wokół modelu, obejmującą trwałą pamięć, narzędzia, harmonogramowanie, interfejsy komunikacyjne i delegowanie zadań. Dodanie kolejnego ogólnego narzędzia, które dubluje te funkcje, może zwiększyć złożoność bez zmiany tego, co agent faktycznie potrafi zrobić.

Właśnie dlatego ta lista koncentruje się na pięciu różnych wąskich gardłach. ModLens zapewnia obsługę obrazu. Hindsight wzmacnia pamięć długoterminową. Open Design dodaje wizualny przepływ pracy ukierunkowany na artefakty. Hermes Nextcloud łączy agenta z samodzielnie hostowanymi danymi osobistymi. LLMTrim ogranicza narzut kontekstu pojawiający się, gdy agent gromadzi narzędzia, wyniki i historię rozmów. Możesz osobno zapoznać się z bazowym środowiskiem Hermes oraz wymaganiami dotyczącymi rozmiaru modelu w naszym przewodniku po wymaganiach sprzętowych Hermes Agent.

W efekcie otrzymujemy bardziej użyteczny sposób myślenia o stosie agenta AI: wzrok → pamięć → tworzenie → prywatne dane → wydajność. Niekoniecznie potrzebujesz wszystkich pięciu elementów już pierwszego dnia. Zacznij od funkcji, która obecnie powstrzymuje Twojego agenta przed wykonywaniem użytecznej pracy.

1. ModLens — zapewnij Hermesowi wzrok

Jeśli Twój model DeepSeek obsługuje wyłącznie tekst, ModLens zapewnia najbardziej zauważalną różnicę przed i pośród wszystkich pozycji na tej liście. Zamiast wymagać od Ciebie ręcznego opisywania zrzutu ekranu, wklejania tekstu z OCR lub tłumaczenia problemu wizualnego na słowa, warstwa wizyjna może najpierw przeanalizować obraz i przekształcić to, co widzi, w dane, na podstawie których model tekstowy może rozumować.

ModLens powstał najpierw jako wtyczka wizyjna dla DeepSeek Harness. Udokumentowany przepływ pracy może przekształcać wklejone obrazy w ustrukturyzowane dane wizualne obejmujące OCR, układ i semantykę. W stosie skoncentrowanym na DeepSeek staje się on de facto wizualnym interfejsem: silnik obsługujący wizję interpretuje piksele, a następnie tekstowy model DeepSeek kontynuuje proces rozumowania.

Ważne jest to, że rozwiązanie to jest bardziej użyteczne niż zwykłe OCR. OCR odpowiada na pytanie: „Jaki tekst znajduje się na tym obrazie?”. Przydatny agent wizualny musi również rozumieć, gdzie znajdują się informacje, które obiekty są ze sobą powiązane, co oznacza dany stan interfejsu oraz która część zrzutu ekranu jest istotna dla zadania. Dzięki temu ModLens przydaje się do paneli, zrzutów ekranów aplikacji, diagramów, okien dialogowych z błędami, układów stron internetowych i dokumentacji bogatej w obrazy.

Wyobraź sobie diagnozowanie problemu z domowym serwerem. Bez mostu wizualnego możesz napisać: „Widżet pamięci masowej jest pomarańczowy, a przy jednym dysku widnieje informacja o obniżonej sprawności”. Z ModLens po stronie DeepSeek interakcja staje się znacznie bliższa: „Spójrz na ten zrzut ekranu panelu i powiedz mi, co powinienem najpierw sprawdzić”. Różnica nie polega na uzyskaniu nieco lepszej odpowiedzi. Chodzi o usunięcie całego ręcznego etapu tłumaczenia między Tobą a agentem.

Warto zachować jasne rozróżnienie. ModLens jest obecnie najszerzej udokumentowany jako integracja z DeepSeek Harness, dlatego traktowalibyśmy go jako warstwę wizyjną po stronie DeepSeek, a nie jako natywną wtyczkę jądra Hermes. To rozróżnienie ma znaczenie, gdy decydujesz, gdzie odbywa się obsługa obrazów w połączonym przepływie pracy DeepSeek i Hermes.

2. Hindsight — zapewnij Hermesowi lepszą pamięć długoterminową

Hermes ma już pamięć, więc Hindsight nie powinno być opisywane jako coś, co nagle sprawia, że Hermes zaczyna pamiętać. Prawdziwe ulepszenie pojawia się wtedy, gdy agent ma za sobą miesiące rozmów, projektów, poprawek, preferencji i powtarzających się zadań, a musi w odpowiednim momencie odnaleźć właściwy fragment tej historii.

Obecne wersje Hermesa obsługują Hindsight jako dostawcę pamięci. Integracja może automatycznie przywoływać istotne informacje przed wywołaniami modelu i zachowywać rozmowy na potrzeby przyszłych sesji, a także udostępniać jawne operacje retain, recall i reflect. Dawna samodzielna wtyczka Hindsight-Hermes jest przestarzała; właściwą obecnie ścieżką jest natywny dostawca pamięci Hindsight dla Hermesa.

To rozróżnienie staje się istotne w przypadku trwałego osobistego agenta. Zapisanie faktu jest łatwe. Trudniejsze jest ustalenie, które wcześniejsze fakty mają znaczenie dla bieżącego zadania. Agent działający przez długi czas może potrzebować połączyć decyzję podjętą sześć tygodni temu z nową prośbą z dzisiaj, odróżnić dawną preferencję od późniejszej korekty albo przypomnieć sobie, jak rozwiązano powtarzający się problem z serwerem, bez wczytywania każdej wcześniejszej rozmowy do promptu.

Praktycznym przykładem jest długotrwały projekt domowego serwera. Przez kilka tygodni możesz zmieniać ścieżki pamięci masowej, zasady dotyczące kontenerów, reguły kopii zapasowych i ustawienia aplikacji. Gdy później poprosisz Hermesa o modyfikację jednej części tego systemu, dobra pamięć nie oznacza po prostu „oto 500 poprzednich wiadomości”. Chodzi o możliwość przywołania niewielkiego zestawu wcześniejszych decyzji, które ograniczają nowe działanie.

Hindsight ma więc największy sens, gdy Hermes staje się trwałym środowiskiem pracy, a nie jednorazową sesją czatu. Jeśli używasz agenta tylko do pojedynczych pytań, różnica może być niewielka. Jeśli przez wiele miesięcy zarządza projektami, cyklicznymi badaniami lub osobistą infrastrukturą, jakość pamięci staje się częścią architektury agenta.

3. Open Design — zmień Hermes z agenta programistycznego w kreatora wizualnego

Generowanie HTML lub Reacta to nie to samo co ukończenie prac projektowych. Agent programistyczny może utworzyć stronę, która poprawnie się renderuje, a mimo to pozostawić Ci decyzje wizualne: hierarchię, odstępy, kierunek stylistyczny, iterację, podgląd i dostarczenie gotowego rezultatu. Open Design stara się zamknąć tę lukę, zapewniając agentowi przepływ pracy projektowej skoncentrowany na artefaktach.

Open Design określa się jako lokalne środowisko projektowe, które może wykorzystywać istniejące agenty programistyczne jako silnik projektowy, a Hermes należy do obsługiwanych integracji agentów. Jego przepływ pracy obejmuje takie rezultaty jak prototypy, strony docelowe, pulpity nawigacyjne, slajdy, obrazy i wideo, zamiast ograniczać model do prozy lub sugestii dotyczących kodu źródłowego.

Zmienia to polecenie z „napisz trochę CSS dla tego pulpitu nawigacyjnego” na coś bliższego „zbuduj ten pulpit nawigacyjny, wyznacz kierunek wizualny, wygeneruj artefakt, przejrzyj go i wprowadź kolejne poprawki”. Dla twórcy, programisty, małego zespołu lub użytkownika homelabu budującego niestandardowe interfejsy jest to znacznie bardziej namacalny wzrost możliwości niż kolejna uniwersalna umiejętność programistyczna.

Dobrze współgra to również z DeepSeek, ponieważ warstwa projektowa i model rozumowania nie muszą być tym samym produktem. DeepSeek może pozostać częścią stosu rozumowania i programowania, podczas gdy Open Design zapewnia środowisko pracy, szablony, umiejętności, podglądy i potok artefaktów. Taki podział jest przydatny, jeśli wolisz korzystać z własnego modelu, zamiast uzależniać cały przepływ pracy od jednej hostowanej usługi projektowej.

To ograniczenie jest równie istotne: generowanie grafiki dodaje kolejną warstwę narzędzi, a czasem także dodatkowe wymagania dotyczące modeli lub dostawców multimediów. Jeśli Hermes służy głównie do administracji serwerem lub researchu, Open Design może być opcjonalny. Jeśli agent regularnie tworzy interfejsy internetowe, prezentacje, materiały marketingowe lub wewnętrzne pulpity nawigacyjne, jego użycie staje się znacznie łatwiejsze do uzasadnienia.

4. Hermes Nextcloud — Połącz swojego agenta z prywatnymi plikami, kalendarzami i zadaniami

W tym miejscu Hermes zaczyna przypominać mniej narzędzie AI, a bardziej osobistego agenta. Model może wiedzieć bardzo dużo o świecie publicznym, a jednocześnie prawie nic o plikach, notatkach, kalendarzach i zadaniach, które faktycznie decydują o tym, co musisz dziś zrobić. Samodzielnie hostowana warstwa danych to zmienia.

Stworzony przez społeczność most Hermes Nextcloud udostępnia Hermesowi dane z Nextcloud za pośrednictwem interfejsów takich jak WebDAV, API Nextcloud Notes, CalDAV i CardDAV. Umożliwia to tworzenie przepływów pracy obejmujących pliki, notatki, kalendarze, zadania i kontakty, bez sprowadzania sesji w przeglądarce do jedynego sposobu, w jaki agent może uzyskiwać dostęp do tych zasobów.

Dla użytkownika serwera domowego są to jedne z najbardziej praktycznych i od razu przydatnych poleceń dla agenta opisanych w artykule. „Znajdź pliki PDF przesłane przeze mnie wczoraj i porównaj je”. „Sprawdź mój kalendarz i powiedz, które popołudnie mam wolne”. „Utwórz zadanie na podstawie tych notatek ze spotkania”. „Przejrzyj mój prywatny folder projektu i podsumuj, co się zmieniło”. To nie są benchmarki modeli. To zadania, które ludzie rzeczywiście zlecają.

Znaczenie ma również aspekt self-hostingu. Nextcloud może działać na infrastrukturze, nad którą masz kontrolę, a Hermes może działać obok niego jako kolejna usługa w tym samym prywatnym środowisku. Jeśli planujesz tę część stosu, nasz przewodnik po wymaganiach sprzętowych Nextcloud wyjaśnia, jak procesor, pamięć RAM, pamięć masowa, bazy danych i liczba użytkowników wpływają na wymagania serwera.

Prywatne hostowanie nie zapewnia automatycznie bezpieczeństwa tego procesu. Agent mający dostęp do kalendarzy, kontaktów i plików z możliwością zapisu ma większy potencjalny zasięg szkód niż chatbot korzystający wyłącznie z publicznego wyszukiwania w trybie tylko do odczytu. Zacznij od najbardziej ograniczonych uprawnień, których potrzebujesz, w miarę możliwości używaj dedykowanych danych uwierzytelniających aplikacji i wyraźnie zdecyduj, jakie dane Hermes może odczytywać lub zmieniać.

5. LLMTrim — Nie pozwól, by długie sesje Hermesa zużywały zbyt dużo kontekstu

Pierwsze cztery dodatki zwiększają możliwości Hermesa. Piąty dotyczy tego, co dzieje się, gdy agent rzeczywiście zaczyna wykonywać całą tę pracę. Agenci działający przez długi czas gromadzą kontekst: definicje narzędzi, dane wyjściowe terminala, odpowiedzi MCP, pobrane strony, historię rozmowy, pośrednie artefakty rozumowania i wyniki zwracane przez inne narzędzia. Część tych informacji nadal jest użyteczna. Część to powtarzający się balast.

LLMTrim działa jako lokalny serwer proxy między agentem a punktem końcowym modelu. Zgodnie ze wskazówkami dotyczącymi Hermesa może kompresować powtarzające się schematy narzędzi, historię rozmowy, dane wyjściowe narzędzi MCP i pobraną treść, zanim żądanie zostanie wysłane do modelu. Integracja Hermesa z LLMTrim różni się więc od zwykłej umiejętności: zmienia ścieżkę przesyłania danych, zamiast uczyć Hermesa nowego zadania.

Staje się to istotniejsze, gdy środowisko DeepSeek + Hermes zyskuje kolejne narzędzia. Wyobraź sobie agenta, który ma narzędzia przeglądarkowe, kilka serwerów MCP, dostęp do Nextcloud, pamięć długoterminową, dane wyjściowe terminala i długą rozmowę. Jeśli przy każdej turze do modelu wysyłane są duże ilości powtarzającej się struktury, koszt utrzymania pętli agenta może rosnąć, nawet gdy nowe pytanie jest krótkie.

Redukcja kontekstu nie jest magią, a agresywna kompresja zawsze wymaga testów. Usunięcie niewłaściwego szczegółu może zaszkodzić późniejszej odpowiedzi równie skutecznie, jak dodanie nieistotnego kontekstu może rozpraszać model. Celem nie jest „zmniejszanie każdego promptu tak bardzo, jak to możliwe”. Chodzi o to, by „przestać płacić kontekstem za informacje, które nie przyczyniają się już do podjęcia następnej decyzji”.

Istnieje również kwestia bezpieczeństwa. Lokalny serwer proxy umieszczony między Hermesem a dostawcą modelu siłą rzeczy widzi przechodzącą przez niego treść żądań. Traktuj to jako część swojej granicy zaufania, zwłaszcza jeśli Hermes przetwarza pliki osobiste, dane uwierzytelniające, prywatne notatki lub inne poufne materiały.

Którą wtyczkę Hermes zainstalować jako pierwszą?

Jeśli korzystasz z tekstowego modelu DeepSeek i chcesz wypróbować tylko jedno ulepszenie, ModLens to najbardziej oczywisty pierwszy wybór. Obsługa wizji zapewnia najbardziej widoczną nową funkcję, ponieważ eliminuje konieczność ręcznego przekształcania zrzutów ekranu i obrazów na tekst, zanim model będzie mógł pomóc.

Później właściwy wybór zależy od tego, co ogranicza agenta, a nie od uniwersalnego rankingu. Wybierz Hindsight, gdy ponowne wykorzystanie kontekstu historycznego staje się trudne. Dodaj Open Design, gdy sam wynik musi mieć formę wizualną. Dodaj Hermes Nextcloud, gdy przydatne informacje znajdują się w Twojej prywatnej chmurze. Dodaj LLMTrim, gdy długie sesje z wieloma narzędziami zaczynają przenosić więcej kontekstu, niż wydaje się wymagać dane zadanie.

Jeśli nadal wybierasz, co w ogóle powinno znaleźć się na serwerze, dobrym następnym krokiem jest katalog wymagań sprzętowych aplikacji ZimaOS, który ułatwia porównanie obciążeń związanych ze sztuczną inteligencją i aplikacjami hostowanymi samodzielnie, zanim połączysz kilka usług na jednej maszynie.

Lepszy sposób myślenia o wtyczkach Hermesa

Najbardziej przydatne rozszerzenia Hermesa niekoniecznie są tymi z najdłuższymi listami funkcji. To te, które usuwają konkretną granicę. ModLens usuwa granicę obrazu. Hindsight usprawnia pamięć. Open Design poszerza możliwości wyników. Nextcloud przekracza granicę między publiczną wiedzą modelu a prywatnymi danymi roboczymi. LLMTrim zarządza granicą kontekstu powstającą, gdy wszystkie te narzędzia zaczynają działać razem.

Tworzy to znacznie przejrzystszą architekturę niż zwykłe instalowanie każdego interesującego projektu, na jaki trafisz. Zacznij od wydajnego modelu, takiego jak DeepSeek, użyj Hermesa jako trwałej warstwy agenta, a zewnętrzne możliwości dodawaj dopiero wtedy, gdy wymaga tego rzeczywisty przepływ pracy. Mniejszy stos z pięcioma jasno uzasadnionymi integracjami jest zwykle łatwiejszy do zrozumienia, zabezpieczenia, aktualizowania i diagnozowania niż agent z dziesiątkami nakładających się narzędzi.

Ostateczny cel jest również ciekawszy niż zbudowanie chatbota z dodatkowymi przyciskami. Samodzielnie hostowane środowisko DeepSeek + Hermes może stopniowo stać się prywatną przestrzenią roboczą AI, która może widzieć to, co Ty widzisz, pamiętać to, co ważne, tworzyć przydatne materiały, pracować z kontrolowanymi przez Ciebie danymi i zachowywać wydajność w miarę rozrastania się zakresu jej obowiązków. To moment, w którym wtyczki przestają być akcesoriami i zaczynają stanowić część architektury agenta.