Hermes Agent Skills Fortgeschritten 2026: SKILL.md, Bundles und GEPA-Selbstevolution

Anfang 2026 brachte NousResearch Hermes Agent heraus. Innerhalb von zwei Monaten 160.000 GitHub-Stars — eines der am schnellsten wachsenden Open-Source-Projekte im Agenten-Bereich. Das Alleinstellungsmerkmal ist nicht ein größeres Modell, sondern die Philosophie: „the agent that grows with you."

Die technische Basis dieses Wachstums ist das Skills-System. Im Gegensatz zu Einmal-Prompts sind Hermes-Skills standardisiertes, evolvierbares, sitzungsübergreifendes prozedurales Gedächtnis. Dieser Beitrag überspringt Installationsgrundlagen und geht direkt in die Tiefe: Progressive Disclosure für Token-Kontrolle, Conditional Activation für kontextbewusstes Verhalten, Skill Bundles für Ein-Befehl-Workflows, DSPy + GEPA für automatisch verbessernde Skills und die besten Open-Source-Skill-Repositories zum direkten Tap.

• Token-Verschwendung durch Eager Loading: Vollständige SOPs in jede Sitzung zu laden, verbrennt Kontext, bevor der Agent eine Aufgabe wählt. Skills sind für On-Demand-Laden gebaut.
• Vage Beschreibungen, falsche Aktivierung: „Hilft bei Code" lädt in irrelevanten Kontexten. Präzision im description-Feld ist Ihr Level-0-Filter.
• Kein Workflow-Packaging: Teams rufen fünf Slash-Befehle manuell auf — statt einem Bundle für Code Review, TDD, PR-Workflow und Debugging.
• Veraltete Skills nach Edits: SKILL.md-Änderungen greifen mid-session nicht — erst /reset oder --now, was Prompt-Cache invalidiert.
• Skills und MCP verwechselt: MCP liefert Werkzeuge; Skills lehren, wie man sie nutzt. Ohne Skills ruft der Agent Datenbank-MCP-Tools ohne Migrations-Playbook auf.

Drei Kontextschichten sehen ähnlich aus, verhalten sich aber unterschiedlich. Nutzen Sie diese Matrix, bevor Sie Ihre erste SKILL.md schreiben.

Eselsbrücke: Prompt = Post-it (nur diese Sitzung). Memory = Notizblock (immer griffbereit). Skill = SOP-Handbuch (bei Bedarf aufschlagen).

Alle Hermes-Skills folgen dem offenen Standard agentskills.io — portabel zwischen Hermes, Claude Code, Cursor und OpenCode. Validieren Sie mit skills-ref validate ./my-skill vor der Veröffentlichung.

---
name: my-skill
description: |
  Use when the user needs to [...].
  Handles [...] and [...].
version: 1.0.0
license: MIT
compatibility: Requires git, docker
allowed-tools: Bash(git:*) Read
metadata:
  hermes:
    tags: [devops, automation]
    category: software-development
    related_skills: [github-pr-workflow, test-driven-development]
    requires_toolsets: [terminal]
    fallback_for_toolsets: [web]
---

# My Skill Title

## Overview
Was der Skill tut und warum er existiert.

## When to Use
- Use for: [spezifische Szenarien]
- Don't use for: [ausgeschlossene Szenarien]

## Procedure
1. Schritt eins (exakte Befehle)
2. Schritt zwei
3. Schritt drei

## Common Pitfalls
1. Fehlermodus + Fix
2. Grenzfall-Behandlung

## Verification Checklist
- [ ] Prüfpunkt 1
- [ ] Prüfpunkt 2

Verzeichnislayout für modulare Skills:

├── SKILL.md              # Kernschritte (Ziel ≤500 Zeilen)
├── references/
│   ├── api-docs.md       # On-Demand geladen
│   └── examples.md
├── templates/
│   └── config.yaml
└── scripts/
    └── setup.sh          # Agent-ausführbar

Progressive Disclosure ist der Token-Kontrollkern. Drei Ladestufen:

Das description-Feld ist die gesamte Level-0-Information. Schreiben Sie wann nutzen klarer als was es ist — das LLM entscheidet danach, ob der vollständige Skill geladen wird.

Skill Bundles sind ein 2026-Feature, das noch untergenutzt wird. Ein Bundle ist eine leichte YAML-Datei, die mehrere Skills in einen Slash-Befehl packt. /bundle-name lädt alle gelisteten Skills gleichzeitig.

Speicherort: ~/.hermes/skill-bundles/<slug>.yaml

name: backend-dev
description: |
  Full backend feature workflow — code review, TDD, and PR management.
  Use at the start of any new backend feature session.
skills:
  - github-code-review
  - test-driven-development
  - github-pr-workflow
instruction: |
  Always write failing tests first before implementation.
  Open PRs with co-author tags for pair-programming sessions.
  Never push directly to main.

Research-Session-Bundle:

name: research-session
description: Load all research tools at once for deep-dive sessions.
skills:
  - arxiv
  - deep-research
  - plan
  - excalidraw
instruction: |
  Start every session by checking recent papers on the topic.
  Create an Excalidraw diagram for any architecture discussed.

MLOps-Deploy-Pipeline:

name: mlops-deploy
description: Model deployment pipeline with monitoring setup.
skills:
  - vllm
  - llama-cpp
  - github-pr-workflow
  - systematic-debugging
instruction: |
  Always run inference benchmarks before and after deployment.
  Document model quantization settings in PR description.

Prioritätsregeln: Bundle schlägt gleichnamigen Skill. Fehlende Skills werden übersprungen mit Warnung, nicht mit Fehler. Bundles ändern den System-Prompt nicht — Prompt-Cache bleibt gültig.

hermes bundles create backend-dev \
  --skills github-code-review,test-driven-development,github-pr-workflow \
  --instruction "Always write failing tests first"

Skills können sich automatisch ein- oder ausblenden, je nachdem welche Tools in der aktuellen Sitzung verfügbar sind. Konfiguration unter metadata.hermes:

metadata:
  hermes:
    requires_toolsets: [web]
    requires_tools: [web_search]
    fallback_for_toolsets: [browser]
    fallback_for_tools: [browser_navigate]

Gratis vs. kostenpflichtige Suche: DuckDuckGo-Skill setzt fallback_for_tools: [web_search]. Mit FIRECRAWL_KEY oder BRAVE_SEARCH_KEY aktiviert sich kostenpflichtiges web_search — DuckDuckGo verschwindet aus dem Prompt und spart Tokens. Ohne API taucht der Fallback automatisch auf.

Plattformbewusste Skills: requires_toolsets: [messaging] mit platforms: [telegram, discord]. Die hermes skills-TUI erlaubt unabhängiges Ein-/Ausschalten pro Plattform (CLI, Telegram, Discord).

Offizielle Installationskanäle:

hermes skills install official/research/arxiv
hermes skills install https://example.com/SKILL.md --name my-skill
hermes skills install github:openai/skills/k8s
hermes skills tap add github:my-org/my-skills

agentskills.io bedeutet: Skills sind nicht an einen Host gebunden. Community-Assets reisen mit.

Ein GitHub-Repo als Tap lässt Ihr ganzes Team — oder die Community — Ihr Skill-Set abonnieren.

my-skills-tap/
├── skills.sh.json
├── mlops/
│   ├── vllm-deploy/SKILL.md
│   └── model-benchmark/SKILL.md
├── research/
│   ├── paper-summarizer/SKILL.md
│   └── citation-finder/SKILL.md
└── README.md

{
  "groupings": [
    {
      "title": "MLOps & Model Deployment",
      "skills": ["vllm-deploy", "model-benchmark"]
    },
    {
      "title": "AI Research Workflows",
      "skills": ["paper-summarizer", "citation-finder"]
    }
  ]
}

hermes skills tap add github:your-org/your-skills-tap
hermes skills tap add github:your-org/private-skills --token $GH_TOKEN
hermes skills tap update
hermes skills tap list

Versionskontrolle: Tracken Sie ~/.hermes/skills/ in Git für geräteübergreifende Sync. Nach git pull führt hermes skills reset den Rebuild der Built-ins aus.

GEPA (Genetic-Pareto Prompt Evolution) ist ICLR-2026-Oral-Arbeit, integriert in hermes-agent-self-evolution. Es verbessert Skill-Text — nicht Modellgewichte — durch Analyse von Ausführungstraces, Variantengenerierung und multi-objektive Pareto-Optimierung.

Kosten: etwa 2–10 USD pro Optimierungslauf (nur API-Aufrufe, keine GPU).

Fünf-Stufen-Evolutionspipeline:

1. Stufe 1 — Trace-Sammlung: Vollständige Reasoning-Traces aus SQLite lesen (Tool-Aufrufe, Verzweigungen, Fehler).
2. Stufe 2 — Reflektive Fehleranalyse: LLM erzeugt umsetzbare Nebeninformation — nicht „es ist fehlgeschlagen", sondern warum.
3. Stufe 3 — Gezielte Mutation: 10–20 SKILL.md-Varianten zu Root Causes generieren.
4. Stufe 4 — Multi-objektive Pareto-Bewertung: Erfolgsrate × Token-Effizienz × Geschwindigkeit gleichzeitig optimieren.
5. Stufe 5 — Menschlicher PR-Review: Beste Variante wird PR; erst nach Freigabe live.

git clone https://github.com/NousResearch/hermes-agent-self-evolution
cd hermes-agent-self-evolution && pip install -r requirements.txt
export HERMES_AGENT_PATH=~/.hermes

python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source synthetic

python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source sessiondb

Vier Guardrails vor jedem PR:

• Volle Testsuite: pytest tests/ -q muss 100 % bestehen
• Größenlimit: Skills ≤ 15 KB, Tool-Beschreibungen ≤ 500 Zeichen
• Prompt-Cache-Kompatibilität: keine Mid-Session-Edits, die Cache invalidieren
• Semantische Erhaltung: evolvierte Texte dürfen nicht vom Kernzweck abdriften

Cross-Host-Traces: Weil Skills agentskills.io folgen, können Claude-Code- oder Gemini-CLI-Traces in GEPA einfließen:

python -m evolution.skills.evolve_skill \
    --skill github-code-review \
    --iterations 10 \
    --eval-source mixed \
    --trace-dirs ~/.claude/traces,~/.hermes/sessions

Plugins namespacen Skills als plugin:skill:

• Skills erscheinen nicht in der Standard-skills_list (weniger System-Prompt-Rauschen)
• Aktivierung nur bei explizitem Nutzeraufruf (Opt-in)
• Geschwister-Skills innerhalb eines Plugins sind gegenseitig sichtbar

skill_view("superpowers:writing-plans")

Agent-Antwort enthält Geschwister-Skills: „This plugin also includes: superpowers:editing, superpowers:research".

name: my-hermes-plugin
skills:
  - name: writing-plans
    path: skills/writing-plans/SKILL.md
  - name: editing
    path: skills/editing/SKILL.md

Beschreibungspräzision steuert Aktivierung:

description: Helps with code.

description: |
  Use when reviewing a pull request, checking for code quality issues,
  security vulnerabilities, or style violations. Handles GitHub PR URLs
  and local git diff output. Do NOT use for writing new code.

Der Pitfalls-Abschnitt trennt gute von exzellenten Skills: konkrete Fehlermuster, Root-Cause-Analyse, umsetzbare Fixes — keine generischen Warnungen.

Skripte geben Skills echter Ausführungskraft. Referenzieren Sie scripts/extract_schema.py in Procedure; bei Fehler laden Sie references/manual-extract.md als Fallback.

skill_manage erlaubt dem Agenten, Skills programmatisch zu patchen oder anzulegen. Approval Gate in config.yaml: skills.agent_writes_require_approval: true.

Ziel: ein vollständiger Blog-Schreib-Assistenten-Stack für Hermes.

name: blog-workflow
description: Full tech blog writing workflow.
skills:
  - seo-keyword-research
  - outline-generator
  - code-example-validator
  - bilingual-checker
  - publish-to-platform
instruction: |
  Always research SEO keywords before writing.
  Ensure all code examples are tested and runnable.
  Generate both Chinese and English title options.

---
name: seo-keyword-research
description: |
  Use when planning a technical blog post. Researches search volume,
  competition, and related queries for Chinese and English audiences.
metadata:
  hermes:
    requires_toolsets: [web]
    tags: [seo, blogging, content]
---

## Procedure
1. Identify primary topic from user or context
2. Chinese long-tail: "X 怎么用", "X 教程", "X 最佳实践"
3. English long-tail: "X tutorial", "how to X", "X vs Y"
4. Cross-reference platform trends (掘金, Dev.to, HN)
5. Output keyword matrix: 3-5 primary + 10-15 long-tail per language

/blog-workflow am Sitzungsstart: Der Agent recherchiert Keywords, erstellt Outlines, validiert Codebeispiele und bereitet zweisprachige Titel vor, bevor Sie einen Absatz schreiben.

1. 01
   Hermes und Baseline-Skills installieren: Folgen Sie unserer Installationsanleitung. Fügen Sie offizielle Taps und mindestens ein Community-Repo hinzu (hermes skills tap add github:ChuckSRQ/awesome-hermes-skills). Prüfen Sie mit hermes skills list, dass der Level-0-Katalog unter ~3K Tokens bleibt.
2. 02
   Dedizierten Cloud-Mac bereitstellen: Öffnen Sie die NUKCLOUD-Konsole und wählen Sie eine Stufe mit 16 GB+ (32 GB bei paralleler GEPA-Evolution). Stundenabrechnung auf der Preisseite eignet sich für Skill-Authoring-Piloten.
3. 03
   SKILL.md-Dateien schreiben und validieren: Skills unter ~/.hermes/skills/ nach agentskills.io anlegen. skills-ref validate ./my-skill ausführen. Präzise description-Felder schreiben; Dateien über 500 Zeilen nach references/ auslagern.
4. 04
   Bundles und Conditional Activation paketieren: YAML-Bundles für wiederkehrende Workflows anlegen. fallback_for_tools für Gratis/Kostenpflicht-Tool-Wechsel setzen. Mit /bundle-name testen; fehlende Skills sollen warnen, nicht abstürzen.
5. 05
   Team-Tap veröffentlichen und GEPA-Evolution fahren: Skills in GitHub-Tap pushen; Teammitglieder hermes skills tap add. hermes-agent-self-evolution klonen, HERMES_AGENT_PATH setzen, einen Skill mit --eval-source sessiondb evolvieren (Budget 2–10 USD pro Lauf). PR-Diffs vor Merge prüfen.
6. 06
   Daemonisieren und Kapazität sichern: ~/.hermes/skills/ in Git tracken; launchd für 24/7 Hermes-Gateway oder Telegram-Bot. Stufe auf der Bestellseite fixieren. Parallel lesen: Cursor-Skills-Muster, wenn Ihr Team IDE und Terminal-Agenten trennt.

Hermes-Skills auf einem Laptop scheitern an Deckel-zu-Sleep, der Telegram-Sitzungen killt, geteilter VPS-Bandbreite, die lange Agent-Loops unterbricht, und Prompt-Cache-Invalidierung bei Mid-Flight-Edits. GEPA-Evolution und nächtliche Agent-Läufe brauchen eine Maschine, die wach bleibt. Für produktionsreife Skill-Labs und Team-Taps liefern NUKCLOUD Multi-Region Bare-Metal Mac / Cloud-Mac-Knoten Mandantenisolation und Spez-Elastizität — stundenweise starten, monatlich fixieren, wenn der Skill-Katalog stabil ist.

Offizielle Dokumentation:

• Hermes Agent Docs
• Hermes Agent Docs (Chinesisch)
• Skills-System-Referenz
• Creating Skills Entwicklerleitfaden
• agentskills.io offener Standard

Open-Source-Repositories:

• NousResearch/hermes-agent
• hermes-agent-self-evolution
• awesome-hermes-skills
• hermeshub
• ai-agent-skills
• gepa-ai/gepa
• stanfordnlp/dspy

Community-Inhalte:

• SegmentFault: Hermes Agent Praxisleitfaden
• Hermes Chinese Site — Custom Skills
• Dev.to: Anatomie eines selbstverbessernden Agenten
• YouTube: Hermes Crash Course (GEPA & Scaling)
• YouTube: Skill Bundles Deep Dive