第20篇：視覺能力——AI 看懂圖片 | Easy Understand Hermes Agent

這篇講的是：如何讓 Hermes Agent 直接「看」你貼上的圖片，並幫你分析、描述或處理它——就像把照片遞給一個聰明的助手，它馬上能接住並理解。

想像一下，你正在跟 Hermes 聊天，突然想讓它看看你電腦上的截圖。你不需要把圖片儲存成檔案再上傳，直接複製圖片（Ctrl+C / Cmd+C），然後在輸入框裡貼上即可。

貼上後，圖片會變成一個 [📎 Image #1] 的小徽章，顯示在輸入框上方。你可以一次貼上多張圖，每張都有獨立編號。按 Ctrl+C 可以清空所有已附著的圖片。

這些圖片會被自動儲存到 ~/.hermes/images/ 資料夾，檔名帶時間戳記，方便你日後查找。

在任意地方複製一張圖片到剪貼簿——截圖、瀏覽器裡的圖片、甚至手機傳來的圖都行。

方式一：直接 Ctrl+V / Cmd+V

這是最直覺的方式。Hermes 會智慧判斷：如果剪貼簿裡只有圖片（沒有文字），它會自動把圖片附著進來。

⚠️ 注意：如果你的終端機不支援直接貼上圖片（某些老舊終端機），請用方式二。

方式二：使用 /paste 指令（最可靠）

在輸入框輸入：

/paste

然後按 Enter。Hermes 會主動檢查剪貼簿，把圖片拉進來。這是最穩妥的備援方案，尤其當你的終端機「吞掉」了 Ctrl+V 時。

方式三：VS Code 系列終端機專用設定

如果你在 VS Code、Cursor 或 Windsurf 裡使用 Hermes，輸入：

/terminal-setup

它會自動設定好快捷鍵，讓 Cmd+Enter、復原/重做等操作不被 IDE 攔截。

圖片附著好後，輸入你的問題，比如「這張圖表說明了什麼？」或「幫我看看這個報錯截圖」，按 Enter 送出。

環境	直接貼上	`/paste`	需要裝什麼
macOS 終端機 / iTerm2	✅	✅	無需設定
Linux (X11)	✅	✅	`sudo apt install xclip`
Linux (Wayland)	✅	✅	`sudo apt install wl-clipboard`
WSL2 (Windows Terminal)	✅	✅	無需設定
VS Code 系列（本機）	✅	✅	建議執行 `/terminal-setup`
SSH 遠端連線	❌	❌	見下文

SSH 遠端怎麼辦？ 遠端伺服器讀不到你本機剪貼簿。解決辦法：把圖片上傳到伺服器（用 scp 或拖曳），或者直接貼圖片 URL，讓 AI 透過連結看圖。

終端機本質是文字通道。當你按 Ctrl+V 時，終端機只讀取剪貼簿裡的文字，圖片資料它「看不見」。所以 Hermes 繞了個彎——它直接呼叫系統工具（如 macOS 的 osascript、Linux 的 xclip）去讀剪貼簿，繞過終端機限制。

Hermes 很聰明：如果你目前用的模型支援視覺（如 GPT-4V、Claude、Gemini），圖片會以原始像素傳送，AI 直接「看」圖。如果模型不支援視覺，Hermes 會自動呼叫輔助視覺工具，先讓另一個模型描述圖片，再把文字描述注入對話。你完全不用操心這些細節。

複製圖片 → 貼上（或 /paste）→ 提問，三步搞定。不同平台有對應的準備工具，SSH 場景用 URL 或檔案路徑替代。視覺能力讓 Hermes 從「文字助手」升級為「多模態夥伴」。

下篇預告：當圖片和文字都能處理之後，Hermes 還能做什麼？下一篇我們聊聊它的檔案操作能力——讓 AI 直接讀寫你電腦上的檔案，敬請期待！