Der selbstverbessernde KI-Agent von Nous Research. Der einzige Agent mit einer integrierten Lernschleife – er erstellt Fähigkeiten aus Erfahrung, verbessert sie während der Nutzung, erinnert sich selbst an die Speicherung von Wissen, durchsucht seine eigenen vergangenen Gespräche und baut über Sitzungen hinweg ein vertieftes Modell von dir auf.
Der `attentiondotnet/hermes-agent` ist ein hochmoderner, selbstverbessernder KI-Agent, der von Nous Research entwickelt wurde. Im Gegensatz zu Standard-KI-Agenten, die statischen Fähigkeiten folgen, besitzt dieser Agent eine integrierte Lernschleife, die es ihm ermöglicht, sich kontinuierlich anzupassen und zu verbessern. Er kann neue Fähigkeiten aus seinen Interaktionen erstellen, bestehende während der Nutzung optimieren und sich selbst dazu anregen, Wissen zu speichern. Darüber hinaus durchsucht er seine eigenen vergangenen Gespräche, um wertvolle Erkenntnisse zu gewinnen und im Laufe der Zeit ein tieferes, personalisiertes Modell des Benutzers aufzubauen. Dieser Agent ist ideal für Entwickler und Power-User, die eine adaptive, lernende KI-Assistenz suchen, die mit jeder Sitzung effizienter und persönlicher wird. Er unterstützt nahtlos verschiedene Plattformen und lässt sich durch seine Fähigkeit, sich weiterzuentwickeln, in unterschiedlichste KI-gestützte Workflows integrieren.
npx skills add attentiondotnet/hermes-agentInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Der selbstverbessernde KI-Agent von Nous Research. Er ist der einzige Agent mit einer integrierten Lernschleife – er erstellt Fähigkeiten aus Erfahrung, verbessert sie während der Nutzung, erinnert sich selbst an die Speicherung von Wissen, durchsucht seine eigenen vergangenen Gespräche und baut über Sitzungen hinweg ein vertieftes Modell von dir auf.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.