第20篇：视觉能力——AI 看懂图片

这篇讲的是：如何让 Hermes Agent 直接“看”你粘贴的图片，并帮你分析、描述或处理它——就像把照片递给一个聪明的助手，它马上能接住并理解。

---

图片粘贴：就像“递照片”给 AI

想象一下，你正在跟 Hermes 聊天，突然想让它看看你电脑上的截图。你不需要把图片保存成文件再上传，直接复制图片（Ctrl+C / Cmd+C），然后在输入框里粘贴即可。

粘贴后，图片会变成一个 [📎 Image #1] 的小徽章，显示在输入框上方。你可以一次粘贴多张图，每张都有独立编号。按 Ctrl+C 可以清空所有已附着的图片。

这些图片会被自动保存到 ~/.hermes/images/ 文件夹，文件名带时间戳，方便你日后查找。

---

第1步：复制图片

在任意地方复制一张图片到剪贴板——截图、浏览器里的图片、甚至手机传来的图都行。

第2步：粘贴图片（三种方式）

方式一：直接 Ctrl+V / Cmd+V

这是最直觉的方式。Hermes 会智能判断：如果剪贴板里只有图片（没有文字），它会自动把图片附着进来。

⚠️ 注意：如果你的终端不支持直接粘贴图片（某些老旧终端），请用方式二。

方式二：使用 /paste 命令（最可靠）

在输入框输入：

/paste

然后回车。Hermes 会主动检查剪贴板，把图片拉进来。这是最稳妥的兜底方案，尤其当你的终端“吞掉”了 Ctrl+V 时。

方式三：VS Code 系列终端专用设置

如果你在 VS Code、Cursor 或 Windsurf 里使用 Hermes，输入：

/terminal-setup

它会自动配置好快捷键，让 Cmd+Enter、撤销/重做等操作不被 IDE 拦截。

第3步：输入问题并发送

图片附着好后，输入你的问题，比如“这张图表说明了什么？”或“帮我看看这个报错截图”，按回车发送。

---

各平台支持情况一览

环境	直接粘贴	/paste	需要装什么
macOS 终端 / iTerm2	✅	✅	无需配置
Linux (X11)	✅	✅	sudo apt install xclip
Linux (Wayland)	✅	✅	sudo apt install wl-clipboard
WSL2 (Windows Terminal)	✅	✅	无需配置
VS Code 系列（本地）	✅	✅	建议跑 /terminal-setup
SSH 远程会话	❌	❌	见下文

SSH 远程怎么办？ 远程服务器读不到你本地剪贴板。解决办法：把图片上传到服务器（用 scp 或拖拽），或者直接贴图片 URL，让 AI 通过链接看图。

---

为什么终端不能直接粘贴图片？

终端本质是文本通道。当你按 Ctrl+V 时，终端只读取剪贴板里的文字，图片数据它“看不见”。所以 Hermes 绕了个弯——它直接调用系统工具（如 macOS 的 osascript、Linux 的 xclip）去读剪贴板，绕过终端限制。

---

图片怎么被 AI 处理？

Hermes 很聪明：如果你当前用的模型支持视觉（如 GPT-4V、Claude、Gemini），图片会以原始像素发送，AI 直接“看”图。如果模型不支持视觉，Hermes 会自动调用辅助视觉工具，先让另一个模型描述图片，再把文字描述注入对话。你完全不用操心这些细节。

---

小结

复制图片 → 粘贴（或 /paste）→ 提问，三步搞定。不同平台有对应的准备工具，SSH 场景用 URL 或文件路径替代。视觉能力让 Hermes 从“文字助手”升级为“多模态伙伴”。

下篇预告：当图片和文字都能处理之后，Hermes 还能做什么？下一篇我们聊聊它的文件操作能力——让 AI 直接读写你电脑上的文件，敬请期待！