Beobachtetes Signal · 21. Juni 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
Firecrawl-Skill für Hermes konvertiert Websites in sauberes Markdown
Ein Entwickler hat einen Firecrawl-Skill für den Hermes AI Agent veröffentlicht, der den sofort einsatzbereiten Zugriff auf saubere Web-Inhalte ermöglicht. Der Skill nutzt die Firecrawl v2 API sowie einen kompakten Python-Helper, um beliebige URLs via Scraping in Markdown zu überführen, Websuchen durchzuführen, Websites zu crawlen, mit dynamischen JavaScript-Seiten zu interagieren – etwa durch das Ausfüllen von Formularen oder Klicken von Buttons – und strukturierte JSON-Daten zu extrahieren. Das Tool ist über das hermes-skills GitHub-Repository verfügbar und wurde am 21.06.2026 vorgestellt. Diese Entwicklung erleichtert die automatisierte Datenverarbeitung für Entwickler, die autonome Agenten-Pipelines aufbauen, stellt jedoch keine fundamentale Plattformveränderung dar.
Vereinfacht die Ingestion von Web-Daten für AI Agents durch eine sofort einsatzbereite Lösung zum Scraping und Extrahieren sauberer Inhalte. Dies ist besonders nützlich für Entwickler von Agenten-Pipelines, stellt jedoch keine markterschütternde Plattformänderung dar.
Marktsignale zu GitHub in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Firecrawl-Skill für Hermes ermöglicht das Scraping beliebiger URLs in sauberes Markdown sowie die Extraktion strukturierter JSON-Daten.
- Der Skill bindet die Firecrawl v2 API über eine Python-Helferbibliothek an und unterstützt Endpunkte für Scraping, Suche und Interaktion.
- Zu den Kernfunktionen gehören Site-Crawling, Websuche mit vollständigem Abruf von Webseiten, Interaktion mit dynamischen JS-Seiten sowie benutzerdefinierte Extraktions-Prompts.
- Der Firecrawl-Skill ist im hermes-skills GitHub-Repository frei verfügbar.
- Das Veröffentlichungsdatum des Artikels ist der 21.06.2026.
Verknüpfte Unternehmen
2 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Installation des last30days-Skills auf Hermes Agent zur Web- und Social-Synthese
Dieser Entwicklerleitfaden beschreibt die Installation des Open-Source-Skills last30days-skill (mvanhorn/last30days-skill) auf einer Hermes Agent-Instanz, getestet auf einem Raspberry Pi 4 unter Ubuntu. Der AI Agent-Skill aggregiert Beiträge und Engagement-Daten von Plattformen wie Reddit, X, YouTube, Hacker News, Polymarket, TikTok, GitHub sowie dem weiteren Web und erstellt daraus eine fundierte Zusammenfassung der letzten 30 Tage zu einem bestimmten Thema. Die Installation erfolgt wahlweise über npx (npx skills add mvanhorn/last30days-skill -g) oder als Claude Code-Marketplace-Plugin. Während des Installationsprozesses wurden Sicherheitsrisiken gemeldet, wobei das Tool als risikoreich (High Risk) eingestuft wurde. Die Laufzeitspezifikation und der Quellcode befinden sich im zugehörigen GitHub-Repository unter skills/last30days/SKILL.md.
Hermes Agent: Lernschleife ermöglicht selbstoptimierende autonome Agenten
Der von Nous Research entwickelte, Open-Source-basierte Hermes Agent implementiert eine integrierte Lernschleife, die es Agenten ermöglicht, nach komplexen Sitzungen automatisch wiederverwendbare prozedurale Skill-Dokumente zu persistieren. Anstatt sich ausschließlich auf vektorbasierte Retrieval-Memory zu verlassen, bewertet Hermes Sitzungen nach der Antwort und speichert bei ausreichenden Tool-Aufrufen Markdown-Skill-Dateien in einem lokalen Verzeichnis ab, während Ergebnisse in einer persistenten SQLite-FTS5-Memory indiziert werden. Dieses Design zielt darauf ab, dass Agenten in engen, repetitiven Domänen kontinuierlich Fachwissen aufbauen, und unterstützt den Export von Trajektorien sowie die RL-Umgebungsintegration für Modell-Fine-Tuning. Die Architektur setzt auf lokale Speicherung, Portabilität gemäß dem Standard agentskills.io und Pipeline-Bereitschaft für zukünftige Forschungs- und Anpassungs-Workflows.
Hermes Agent SKILL.md Structure and Best Practices
This technical guide explains how Hermes Agent uses SKILL.md files and supporting folders to teach repeatable workflows via skills. It describes Hermes’ progressive-disclosure model (compact catalog → full SKILL.md → reference slices), the expected on-disk layout (~/.hermes/skills/ with SKILL.md at leaf), and YAML frontmatter requirements (required: name, description; optional: version, author, license, platforms). The article covers visibility predicates (requires_toolsets, fallback_for_tools, platforms), secrets/config handling (required_environment_variables, required_credential_files, metadata.hermes.config → skills.config), external skill directories (skills.external_dirs and local-shadowing behavior), and best practices for token-budget discipline, supporting scripts, and hub publishing/trust. Emphasis is on packaging, deterministic tooling vs. prose-based skills, and operational checks for discovery, naming collisions, and CI/platform mismatches.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.