Table of Contents
- Einführung
- Das Problem mit KI-Agenten Heute
- Was ist Web Agent
- Architektur: Unter der Haube
- Kernfunktionen
- In 60 Sekunden Loslegen
- Selbstlernend: Der Agent, der mit Jeder Konversation Intelligenter Wird
- Vergleich: Web Agent vs Andere Lösungen
- Praxiseinsatz: Wie wir es nutzen
- Open Source und Community
- Roadmap: Was kommt als Nächstes
- Fazit
Einführung
!Web Agent in-browser architecture: self-learning loop with DOM interaction and tool execution
Wenn du jemals versucht hast, einen KI-Agenten zu verwenden, kennst du den Reigens: Installiere diesen Python-Stack, konfiguriere deinen API-Schlüssel, richte eine virtuelle Umgebung ein, debugge diesen Docker-Container, erinnere dich daran, den Server neu zu starten — und bete, dass deine Umgebungsvariablen zwischen Neustarts nicht verloren gehen.
Was wäre, wenn du einen voll funktionsfähigen KI-Agenten nutzen könntest — mit Skills, Gedächtnis, Tools und Automatisierung — ohne überhaupt etwas zu installieren?
Heute veröffentlichen wir Web Agent (Codename) / Web Agent als Open Source — einen produktionsreifen KI-Agenten, der vollständig in deinem Browser über WebContainers läuft, ohne lokale Installation. Kein Python, keine Node.js-Installation, kein Server, keine Kommandozeile. Einfach Browser öffnen, Profil erstellen, API-Schlüssel setzen, loslegen.
Erbaut auf derselben Architektur wie Hermes Agent (unser Desktop-KI-Assistent), bringt Web Agent die volle Kraft autonomer KI-Workflows in jeden modernen Browser: isolierte Profile, persistenter Speicher, Wissensdatenbank, Slash-Befehle, Cron-Automatisierung und Multi-Plattform-Gateway — während er all deine Daten lokal verschlüsselt hält und sie nie an unsere Server sendet.
Dies ist der Agent, den wir bei aratech intern zur Automatisierung unseres Directus-Blog-Workflows, Rechercheaufgaben und Wissensmanagement einsetzen. Jetzt gehört er dir, unter der MIT-Lizenz, auf github.com/nikola66/web-agent und live auf webagent.aratech.ae.
Das Problem mit KI-Agenten Heute
Seien wir ehrlich: KI-Agenten heute sind mächtig, aber auch unglaublich umständlich zu bedienen.
Der typische Agent-Setup sieht so aus:
- Installiere eine lokale Laufzeitumgebung — Python Virtualenv, Node-Module, Docker-Images, Ollama-Pulls
- Konfiguriere deine Umgebung — API-Schlüssel, Proxy-Einstellungen, SSL-Zertifikate, Systemvariablen
- Baue deine Pipeline auf — Klebeskripte, Framework-Setup, Vektordatenbank-Konfiguration
- Hoffe, dass es morgen noch funktioniert — das OS-Update zerschiesst das Python-Binary, eine Abhängigkeit ändert sich, dein lokales LLM stürzt ab
Diese Friktion ist der Grund, warum Agenten keine breite Akzeptanz gefunden haben. Die Technologie ist bereit, aber der Auslieferungsmechanismus steckt in derselben Komplexitätsfalle fest, in der sich die Webentwicklung befand, bevor Cloud-Plattformen sie abstrahierten.
Dann gibt es das Zustandsproblem. Die meisten Agenten vermischen deine Daten, Gespräche, Aufgaben und Anmeldedaten in einem einzigen Blob — oder, schlimmer noch, verlangen von dir, einem Dritten all das anzuvertrauen. Wenn ihr Server ausfällt, stürzt dein Agent ab. Wenn sie ihre API ändern, bricht dein Workflow. Wenn sie beschließen, den kostenlosen Tarif einzustellen, bist du ausgesperrt.
Schließlich gibt es die Spezialisierungslücke. Die durchschnittliche KI ist auf das gesamte Internet trainiert — das ist, als hättest du tausend Mitarbeiter, von denen keiner etwas über dein Unternehmen weiß. Du verbringst eine halbe Stunde damit, deinen Kontext, deine Regeln und Ziele jedes Mal neu zu erklären, wenn du ein neues Gespräch beginnst. Das ist kein Wissensarbeiter, das ist ein repetitiver Onboarding-Prozess.
Wir haben Web Agent gebaut, um diese drei Probleme auf einmal zu lösen.
Was ist Web Agent?
Web Agent (interner Codename; das Projekt heißt formell Web Agent) ist ein voll funktionsfähiger KI-Agent, der nativ in deinem Browser läuft, unter Verwendung von WebContainers — derselben Technologie, die CodeSandbox und StackBlitz antreibt.
Denk es als Hermes Agent, aber auf den Browser portiert. Gleiches Skill-System, gleiches mehrschichtiges Gedächtnis, gleiche ~40 integrierte Tools, gleicher selbstlernender Zyklus. Der Unterschied: keine Installation, kein Server, keine Umgebungsvariablen, kein Docker.
| Typische KI-Agenten-Einrichtung | Web Agent |
|---------------------------------------------|------------------------------|
| Installiere Python/Node/Docker | Öffne deinen Browser |
| Konfiguriere deine .env-Datei | API-Schlüssel setzen (lokal verschlüsselt) |
| Wähle deine Vektordatenbank | Keine Konfiguration nötig |
| Halte den Server am Laufen | Funktioniert sofort |
| Deine Daten verlassen deinen Rechner | Alles bleibt im Browser |
| Ein Agent pro Installation | Bis zu 4 Profile gleichzeitig |Jedes Profil bei Web Agent bekommt seinen eigenen:
- Isolierten Arbeitsbereich — Dateien, Shell und Projektstatus von anderen Profilen abgeschottet
- Separaten Speicher — Faktenspeicher, Sitzungsgedächtnis, Reflexionen und Lerninhalte pro Profil
- Verschlüsselte Anmeldedaten — API-Schlüssel lokal im Browser gespeichert, nie an Server gesendet
- Skill-Überschreibungen — Skill-Definitionen pro Profil, die von einer gemeinsamen Basis erben
Wenn du ein Profil für den persönlichen Gebrauch erstellst, eines für Kundenarbeit, eines für Open-Source-Beiträge und eines für Experimente — jedes lebt in seiner eigenen Welt, vollständig isoliert.
Architektur: Unter der Haube
Hermdorids Architektur ist bewusst in Schichten aufgeteilt, um Ausführung, Persistenz und Infrastruktur als separate Anliegen zu halten:
┌─────────────────────────────────────────────────────┐
│ Browser: React 19 + Vite + TypeScript + xterm.js │
├─────────────────────────────────────────────────────┤
│ Sidebar │ Terminal (xterm) │ Chat Input │
│ Profile │ Transcript │ Natürliche Sprache │
├─────────────────────────────────────────────────────┤
│ Core Orchestrator │
│ • Profil-Lebenszyklus-Management │
│ • WebContainer Start/Stop │
│ • Credential Vault (verschlüsselt) │
├─────────────────────────────────────────────────────┤
│ Eingebettete Agentenlaufzeit (Node.js in WebContainers) │
│ ┌──────────────────────────────────────────────┐ │
│ │ LLM-Schleife (OpenRouter / Ollama / Custom) │ │
│ │ Tool-Registry (~40 integriert) │ │
│ │ Skill-Manager (SKILL.md-Loader) │ │
│ │ Gedächtnisschichten (Fakten, Sitzung, Reflexion) │ │
│ │ Cron-Scheduler (Heartbeat + Jobs) │ │
│ │ Kanal-Gateway (Telegram, Email) │ │
│ └──────────────────────────────────────────────┘ │
├─────────────────────────────────────────────────────┤
│ Persistenz: IndexedDB + OPFS (lokal im Browser) │
│ Kein serverseitiger Benutzerzustand │
└─────────────────────────────────────────────────────┘Diese letzte Zeile ist wichtig: Deine Daten können deinen Browser nie verlassen, es sei denn, du konfigurierst explizit einen externen LLM-Anbieter. Die gehostete Demo auf webagent.aratech.ae dient nur die statische Anwendung aus; alle deine Dateien, dein Gedächtnis und deine Anmeldedaten bleiben in deinem browserlokalen IndexedDB oder OPFS. Selbst wenn die Demo offline geht, bleiben deine lokalen Daten über Export/Import zugänglich.
Das ist kein Cloud-Produkt mit Free-Tarif — es ist ein Werkzeug, das auf deinem Computer läuft, geliefert über den Browser.
Technologie-Stack
Kernfunktionen
Lass uns durchgehen, was diesen Agenten im täglichen Einsatz nützlich macht.
Isolierte Profile — Mehrere Agenten, Ein Browser
Denk an ein Profil als einen dedizierten Arbeitsbereich für deinen Agenten. Jedes Profil bekommt sein eigenes:
- WebContainer-Dateisystem (virtualisierter Node.js-Sandbox)
- Gedächtnisschichten (Fakten, Sitzungen, Reflexionen, Lerninhalte)
- Anmeldedaten-Tresor
- Skill-Überschreibungen
- Export/Import-Snapshot
Du kannst bis zu 4 gleichzeitig laufende Agenten in verschiedenen Profilen starten. Eines für Arbeit, eines für Privates, eines für Kundenprojekte, eines für Experimente — sie vermischen sich nie.
Wissensdatenbank (PARA + Wiki)
Inspiriert von Karpathys viralem "KI-Zweitgehirn"-Konzept hat Web Agent eine erstklassige Wissensdatenbank eingebaut.
Du kannst:
/wiki-setupzum Initialisieren einer PARA-strukturierten Markdown-Datenbank/wiki-syncum all dein Gedächtnis, akkumulierte Fakten und Skill-Lerninhalte in die Datenbank einfließen zu lassen/wiki-searchum deine Datenbank abzufragen, wenn der Agent Kontext abrufen muss
Die Datenbank wächst mit der Zeit, während du den Agenten nutzt. Deine Sitzungen, Fakten und Lerninhalte werden zu strukturiertem Wissen synthetisiert — nicht nur ein flaches Chat-Protokoll. Das ist der zusammengesetzte Wissenszyklus in Aktion.
Mehrschichtiges Gedächtnis
Web Agent speichert vier unterschiedliche Arten von Gedächtnis, jede mit einem anderen Zweck:
Mit der Fähigkeit /memory-layers kannst du bewusst auswählen, was und wo du speicherst, und Kontextduplizierung vermeiden. Das ist dieselbe Gedächtnisarchitektur, die es Hermes Agent ermöglicht, "alles Wichtige zu behalten und alles Unwichtige zu vergessen".
Selbstlernzyklus
Das ist das Teil, das einen Chatbot in einen Agenten verwandelt, der sich tatsächlich im Laufe der Zeit verbessert.
Jede Interaktion erzeugt drei Dinge, die das System speichern kann:
- Fakten — "Der Benutzer bevorzugt TypeScript gegenüber JavaScript", "Unser Directus-Blog verwendet Englisch, Arabisch, Spanisch, Deutsch und Französisch"
- Reflexionen — "Die Video-Skript-Aufgabe hat diesmal gut funktioniert, weil die Gliederung vor der Erstellung genehmigt wurde", "Ich sollte auf Tippfehler achten, wenn ich Codebeispiele schreibe"
- Lerninhalte — "Bei der Arbeit mit der Directus-API immer die Eintrags-ID holen, bevor man Tags zuweisen möchte"
Das sind keine Chat-Protokolle. Es sind strukturierte, abrufbare,意图behaftete Wissenseinheiten, die der Agent abrufen, anwenden und darüber nachdenken kann. Im Laufe der Zeit "erinnert" der Agent nicht nur deine letzte Konversation — er versteht den Pfad deines Projekts und kann Kontextlücken ohne explizite Anleitung füllen.
Benutze skill_save, um einen besonders guten Workflow (z. B. "Artikel in 5 Sprachen mit konsistentem Formatierung veröffentlichen") zu einer wiederverwendbaren Skill zu machen. Wenn du das nächste Mal sagst "veröffentliche meinen Artikel", zieht der Agent diese Skill heran, prüft deine Directus-Übersetzungen, formatiert alles konsistent und liefert die erledigte Arbeit — ohne den Prozess von Grund auf neu zu lernen.
~40 Integrierte Werkzeuge
Web Agent wird mit einem umfassenden Werkzeugsatz geliefert:
Dateisystem: read_file, write_file, edit_file, multi_edit, delete_file, move_file, make_dir, tree, find_files, grep, file_diff, file_stat
Gedächtnis: memory_save, memory_recall, memory_search, session_memory_append, session_memory_list, session_search
Skills: skill_list, skill_view, skill_save, skill_manage, skill_bulk_save, skill_delete, skill_recall
Automatisierung: cron_list, cron_register, todo_write
Web & Vision: web_search, web_fetch, vision_analyze, youtube_transcribe, email
System: run_shell, system_info, artifact_present, apply_patch
Alle diese Tools sind innerhalb des WebContainer-Sandbox verfügbar. Sie arbeiten im isolierten Workspace deines Profils, also kannst du experimentieren, Dinge kaputt machen und dich erholen, ohne befürchten zu müssen, den Rest deines Systems zu verlieren.
Slash-Befehle und Planungsmodus
Web Agent verwendet ein Slash-Befehlssystem, das von den besten Terminal-UX-Mustern inspiriert ist (Hermes Agent, Claude Code, OpenCode):
/help — alle verfügbaren Tools und Befehle anzeigen
/clear — mit neuem Gespräch neu starten (bewahrt Profildaten)
/compact — älteren Kontext komprimieren, in der aktuellen Konversation bleiben
/checkpoint — benannte Momentaufnahme der aktuellen Sitzung speichern
/rollback — Kontrollpunkt laden
/skills — installierte Skills auflisten/suchen
/plan [Ziel] — in den spezifikationsbasierten Planungsmodus wechseln
/stop — aktuelle Tool-Ausführung unterbrechen
/exit — Terminalsitzung beendenPlanungsmodus (/plan) ist besonders leistungsfähig. Wenn du eine komplexe Aufgabe angehen möchtest:
- Schreibe
/plan eine Landingpage für unser neues Produkt erstellen - Web Agent liest deinen Workspace (nur lesend, noch keine Änderungen)
- Schreibt eine vollständige Spezifikations-Markdown-Datei nach
.webagent/plans/und zeigt sie zur Genehmigung an - Du prüfst, bearbeitest oder akzeptierst — sag dann "führe den Plan aus" in deiner nächsten Nachricht
- Er führt den Plan Schritt für Schritt aus, mit vollständiger Transparenz
So bekommst du strenge Ausführung und menschliche Aufsicht — der Plan wird geprüft bevor Code geschrieben wird.
Multi-Plattform-Gateway
Web Agent ist nicht auf das Browserfenster beschränkt. Er enthält eine Kanal-Gateway-Architektur, die den Agenten verbinden kann mit:
- Telegram — Abfragekanal, lange Sitzungen im Chat
- E-Mail — über den Resend-Anbieter, E-Mails vom Agenten senden und empfangen
- Erweiterbar — Füge neue Kanäle hinzu, indem du ein Fähigkeitsmodul unter
src/capabilities/channels/ablegst und neu baust
In unserem Directus-Blog-Management-Workflow haben wir Web Agent angeschlossen, um geplante Beiträge zu verwalten, Analysen abzurufen und redaktionelle Anfragen zu beantworten — alles über eine Telegram-Chat-Schnittstelle. Der Agent läuft im Browser (gehostete Demo), aber die Gespräche finden in Telegram statt. Das ist die Art von Vielseitigkeit, die du von einer gut implementierten Kanalabstraktionsschicht bekommst.
Sicherheit und Datenschutz
Es gibt einen Unterschied zwischen "wir behaupten, deine Daten nicht zu nutzen" und "deine Daten können deinen Browser physisch nicht verlassen."
Web Agent tut letzteres. Die lokale Architektur garantiert:
- Profilweise verschlüsselte API-Schlüssel — im Browserspeicher abgelegt, nie im Klartext übertragen
- Workspace-Isolierung — die Dateien und das Gedächtnis eines Profils können nicht auf die eines anderen zugreifen
- Kein serverseitiger Benutzerzustand — die gehostete Demo ist nur Transit; Schließen deines Browsers verwirft deine Sitzung auf dem Server
- Zustandsloser CORS-Proxy — der Fetch-Sidecar protokolliert oder speichert keinen Verkehr
- Geheimhaltung von Secrets — API-Schlüssel und Anmeldedaten werden vor jeder Protokollausgabe unkenntlich gemacht
- Tool-Schutzvorrichtungen — Bestätigungsaufforderungen für destruktive Operationen, Loop-Timeout-Schutz
Du kannst Web Agent vollständig offline für lokale Arbeiten betreiben; nur LLM-Aufrufe und Web-Fetch-Operationen erfordern Netzwerkzugriff — und du kontrollierst beide Anmeldedaten.
In 60 Sekunden Loslegen
Hier ist die gesamte Einrichtung:
# 1. Öffne die Demo
## → https://webagent.aratech.ae
## 2. Ein neues Profil erstellen (klicke "Neues Profil")
## 3. Deinen LLM-Anbieter und API-Schlüssel festlegen (lokal verschlüsselt)
## 4. Anfangen zu chatten — keine weitere Konfiguration nötigDas ist alles. Keine Umgebungsvariablen, keine Kommandozeile, kein Build-Schritt. Der Agent bootet seine WebContainer-Laufzeit in ~5 Sekunden und du bist bereit.
Wenn du anpassen oder beitragen möchtest:
git clone https://github.com/nikola66/web-agent.git
cd web-agent && npm install
npm run dev # lokale Entwicklung mit Hot-Reload
npm run build # Produktions-Build (statisch)Einsetzen überall, wo statische Dateien ausgeliefert werden — Vercel, Netlify, Cloudflare Pages, ein Caddy-Server oder ein einfaches npx serve dist. Keine Datenbank, keine serverseitige API erforderlich.
Selbstlernend: Der Agent, der mit Jeder Konversation Intelligenter Wird
Lass uns den selbstlernenden Zyklus nochmals hervorheben, weil er das Merkmal ist, das deine Denkweise über KI-Agenten verändern wird.
Jede Interaktion erzeugt drei Dinge, die das System speichern kann:
- Fakten — "Der Benutzer bevorzugt TypeScript gegenüber JavaScript", "Unser Directus-Blog verwendet Englisch, Arabisch, Spanisch, Deutsch und Französisch"
- Reflexionen — "Die Video-Skript-Aufgabe hat diesmal gut funktioniert, weil die Gliederung vor der Erstellung genehmigt wurde", "Ich sollte auf Tippfehler achten, wenn ich Codebeispiele schreibe"
- Lerninhalte — "Bei der Arbeit mit der Directus-API immer die Eintrags-ID holen, bevor man Tags zuweisen möchte"
Das sind keine Chat-Protokolle. Es sind strukturierte, abrufbare, intentionale Wissenseinheiten, die der Agent abrufen, anwenden und darüber nachdenken kann. Im Laufe der Zeit "erinnert" der Agent nicht nur deine letzte Konversation — er versteht den Pfad deines Projekts und kann Kontextlücken ohne explizite Anleitung füllen.
Benutze skill_save, um einen besonders guten Workflow (z. B. "Artikel in 5 Sprachen mit konsistentem Formatierung veröffentlichen") zu einer wiederverwendbaren Skill zu machen. Wenn du das nächste Mal sagst "veröffentliche meinen Artikel", zieht der Agent diese Skill heran, prüft deine Directus-Übersetzungen, formatiert alles konsistent und liefert die erledigte Arbeit — ohne den Prozess von Grund auf neu zu lernen.
Vergleich: Web Agent vs Andere Lösungen
Wie schneidet das im Vergleich zu dem ab, was heute verfügbar ist?
Der ehrliche Unterschied: Web Agent ist ungewöhnlich. Die meisten KI-Agenten-Tools sind entweder IDE-Erweiterungen (Claude Code) oder maßgeschneiderte Cloud-Dienste (V0, Cursor). Web Agent denkt neu darüber nach, wo der Agent lebt: im Browser, unter deiner Kontrolle, ohne vorherige Rechenanforderungen. Das macht einen Unterschied.
Praxiseinsatz: Wie wir es nutzen
Hier ist eine repräsentative Stichprobe unserer internen Nutzung von Web Agent:
Tägliche Blog-Verwaltung Wir leiten unseren redaktionellen Workflow über einen mit Web Agent verbundenen Telegramkanal. Der Agent liest unseren Directus-Blog, identifiziert zur Prüfung bereite Entwürfe, formatiert sie zur Veröffentlichung, plant Beiträge in 5 Sprachen und markiert alles, was menschliche Aufmerksamkeit erfordert.
Recherche und Wissenszusammenstellung
Wir legen Rohmaterial (Videos, PDFs, Konkurrenznotizen) in den Arbeitsbereich des Agenten und führen dann /wiki-sync aus, damit der Agent es zu einer strukturierten Wissensdatenbank synthetisiert — dasselbe Karpathy-Zweitgehirn-Muster, über das wir öffentlich sprechen. Der Unterschied: es geschieht automatisch im Browser, nicht durch manuelle Prompt-Ingenieursarbeit in Claude Code.
Geplante Automatisierung Cron-Jobs lassen den Agenten im Hintergrund gegen seine eingebettete Node.js-Laufzeit laufen. Einer macht nachts: "scanne diesen Ordner nach neuen Designs, generiere Alt-Text mit Vision und füge ihn einem Änderungsprotokoll hinzu." Alles innerhalb des Browser-Tabs, kein externer Server erforderlich.
Experimentier-Spielwiese Jedes Profil ist ein entbehrlicher Arbeitsbereich. Ein neues Git-Repo ausprobieren, ein Experiment mit einer neuen API laufen lassen, schnell einen Prototyp bauen — erstelle ein frisches Profil, mach die Arbeit, exportiere oder entsorge es. Nichts bleibt bestehen, es sei denn, du willst es.
Open Source und Community
Web Agent ist unter der MIT-Lizenz veröffentlicht. Wir haben es so gebaut, dass es so hackbar wie möglich ist:
- Integrierte Capability-Erweiterungen: Lege einen Ordner unter
src/capabilities/{tools,providers,channels,skills}/ab und baue neu — das System entdeckt und lädt ihn automatisch - Vollständiger Zugriff auf die Agenten-Interna: Die eingebettete Laufzeit ist einfaches TypeScript, das zu ESM kompiliert wird; durchstöbere es, modifiziere es, baue es neu
- Keine gated Features: Alles im Repository ist in der öffentlichen Demo verfügbar, ohne Kreditkarte, ohne Einladung
Wir freuen uns über deine Beiträge. Wenn du einen interessanten Skill gebaut hast, einen neuen Tool-Anbieter oder einen kreativen Workflow — öffne einen Pull Request oder ein Issue, um es uns zu erzählen.
Repository: https://github.com/nikola66/web-agent Live-Demo: https://webagent.aratech.ae Unterstützung (wenn du einen Kaffee spendieren möchtest): http://ko-fi.com/nikola66
Roadmap: Was kommt als Nächstes?
Wir entwickeln aktiv am Hauptzweig. Die Version v0.0.6 (16. Mai 2026) fügte die PARA-Wissensdatenbank-Integrierten (/wiki-setup, /wiki-sync, /wiki-search), sicherere Gedächtnisprojektion und eine Reihe von Open-Web-Recherche-Fähigkeiten für tiefe Entdeckungsaufgaben hinzu.
Kurzfristige Roadmap (nächste Wochen):
- Weitere integrierte Skill-Vorlagen (Directus-Verwaltung, Blog-Cross-Posting, Podcast-Produktion)
- Erweiterte Anbieterliste (OpenAI, DeepSeek und weitere OpenAI-kompatible)
- Größere Unterstützung für gleichzeitige Profile
- Testsuite für Tool-Smoke-Tests (in Arbeit)
- Öffentliches Skill-Verzeichnis — Community-Skills teilen und entdecken
Mittelfristig:
- Plugin-System für Workspace-Level-Erweiterungen
- Medienreiche Workflows (Audio-Transkription, Videoanalyse, Bildgenerierungspipelines)
- Tieferer Einblick-Dashboard: "Was hat dieser Agent über mein Projekt gelernt?"
- Geteilte Profilmodi für kleine Teams
Fazit
Das Versprechen von KI-Agenten war immer: autonome Workflows, die deinen Kontext kennen, aus deinem Feedback lernen und im Laufe der Zeit intelligenter werden. Das Problem war immer die Friktion — Installation, Wartung, Isolierung, Vertrauen.
Web Agent beseitigt die Friktion. Er läuft im Browser, sendet deine Daten nie an unsere Server, hält deine Profile isoliert, baut eine wachsende Wissensbasis über deine Arbeit auf und gibt dir die volle Kraft autonomer KI — ohne Docker, ohne Python, ohne Server.
Es ist kein Spielzeug. Es ist dasselbe System, das wir für uns selbst gebaut haben, jetzt als Open Source für alle, die es nutzen, studieren, anpassen oder auf etwas anwenden wollen, woran wir noch nicht gedacht haben.
Wir würden uns freuen zu hören, wie du es nutzt.
Jetzt ausprobieren: https://webagent.aratech.ae Code ansehen: https://github.com/nikola66/web-agent Repository mit Stern versehen: ⭐ https://github.com/nikola66/web-agent
Was kommt als Nächstes für dich? Tritt unserer Community bei, baue einen Skill, teile dein Setup. Wir bauen etwas anderes — mit dir, nicht nur für dich.