视觉与图像粘贴
Hermes 智能体支持多模态视觉——您可以将剪贴板中的图像直接粘贴到 CLI 中，并要求智能体对其进行分析、描述或处理。图像会以 base64 编码的内容块形式发送给模型，因此任何支持视觉功能的模型都可以处理它们。
工作原理
- 将图像复制到剪贴板（截图、浏览器中的图像等）
- 使用以下方法之一将其附加
- 输入您的问题并按 Enter 键
- 图像会以
[📎 图像 #1]徽章的形式显示在输入框上方 - 提交后，图像会以视觉内容块的形式发送给模型
您可以在发送前附加多个图像——每个图像都会显示自己的徽章。按 Ctrl+C 可清除所有已附加的图像。
图像会以带时间戳文件名的 PNG 文件保存到 ~/.hermes/images/ 目录中。
粘贴方法
如何附加图像取决于您的终端环境。并非所有方法都适用于所有环境——以下是详细说明：
/paste 命令
最可靠的显式图像附加回退方案。
/paste
输入 /paste 并按 Enter 键。Hermes 会检查剪贴板中是否有图像并将其附加。当您的终端重写 Cmd+V/Ctrl+V，或者您只复制了图像而没有可检查的带括号粘贴文本负载时，这是最安全的选择。
Ctrl+V / Cmd+V
Hermes 现在将粘贴视为分层流程：
- 首先进行普通文本粘贴
- 如果终端未能清晰地传递文本，则回退到原生剪贴板 / OSC52 文本
- 当剪贴板或粘贴负载解析为图像或图像路径时，附加图像
这意味着粘贴的 macOS 截图临时路径和 file://... 图像 URI 可以立即附加，而不会作为原始文本保留在编辑器中。
如果您的剪贴板中只有图像（没有文本），终端仍然无法直接发送二进制图像字节。请使用 /paste 作为显式图像附加回退方案。
/terminal-setup（适用于 VS Code / Cursor / Windsurf）
如果您在 macOS 上的本地 VS Code 系列集成终端中运行 TUI，Hermes 可以安装推荐的 workbench.action.terminal.sendSequence 绑定，以获得更好的多行和撤销/重做对等性：
/terminal-setup
当 Cmd+Enter、Cmd+Z 或 Shift+Cmd+Z 被 IDE 拦截时，这尤其有用。请仅在本地机器上运行此命令——不要在 SSH 会话中运行。
平台兼容性
| 环境 | /paste | Cmd/Ctrl+V | /terminal-setup | 说明 |
|---|---|---|---|---|
| macOS 终端 / iTerm2 | ✅ | ✅ | 不适用 | 最佳体验——原生剪贴板 + 截图路径恢复 |
| Apple 终端 | ✅ | ✅ | 不适用 | 如果 Cmd+←/→/⌫ 被重写，请使用 Ctrl+A / Ctrl+E / Ctrl+U 回退方案 |
| Linux X11 桌面 | ✅ | ✅ | 不适用 | 需要 xclip（apt install xclip） |
| Linux Wayland 桌面 | ✅ | ✅ | 不适用 | 需要 wl-paste（apt install wl-clipboard） |
| WSL2（Windows 终端） | ✅ | ✅ | 不适用 | 使用 powershell.exe——无需额外安装 |
| VS Code / Cursor / Windsurf（本地） | ✅ | ✅ | ✅ | 推荐用于更好的 Cmd+Enter / 撤销 / 重做对等性 |
| VS Code / Cursor / Windsurf（SSH） | ❌² | ❌² | ❌³ | 请在本地机器上运行 /terminal-setup |
| SSH 终端（任意） | ❌² | ❌² | 不适用 | 远程剪贴板无法访问 |
² 参见下面的 SSH 与远程会话
³ 该命令会写入本地 IDE 键绑定，不应从远程主机运行
平台特定设置
macOS
无需设置。 Hermes 使用 osascript（macOS 内置）来读取剪贴板。为了获得更快的性能，可以选择安装 pngpaste：
brew install pngpaste
Linux (X11)
安装 xclip：
# Ubuntu/Debian
sudo apt install xclip
# Fedora
sudo dnf install xclip
# Arch
sudo pacman -S xclip
Linux (Wayland)
现代 Linux 桌面（Ubuntu 22.04+、Fedora 34+）通常默认使用 Wayland。安装 wl-clipboard：
# Ubuntu/Debian
sudo apt install wl-clipboard
# Fedora
sudo dnf install wl-clipboard
# Arch
sudo pacman -S wl-clipboard
echo $XDG_SESSION_TYPE
# "wayland" = Wayland，"x11" = X11，"tty" = 无显示服务器
WSL2
无需额外设置。 Hermes 会自动检测 WSL2（通过 /proc/version），并使用 powershell.exe 通过 .NET 的 System.Windows.Forms.Clipboard 访问 Windows 剪贴板。这是 WSL2 的 Windows 互操作性内置功能——powershell.exe 默认可用。
剪贴板数据会通过 stdout 以 base64 编码的 PNG 形式传输，因此无需进行文件路径转换或创建临时文件。
如果您正在运行 WSLg（带 GUI 支持的 WSL2），Hermes 会首先尝试 PowerShell 路径，然后回退到 wl-paste。WSLg 的剪贴板桥接仅支持 BMP 格式的图像——Hermes 会使用 Pillow（如果已安装）或 ImageMagick 的 convert 命令自动将 BMP 转换为 PNG。
验证 WSL2 剪贴板访问
# 1. 检查 WSL 检测
grep -i microsoft /proc/version
# 2. 检查 PowerShell 是否可访问
which powershell.exe
# 3. 复制一张图像，然后检查
powershell.exe -NoProfile -Command "Add-Type -AssemblyName System.Windows.Forms; [System.Windows.Forms.Clipboard]::ContainsImage()"
# 应打印 "True"
SSH 与远程会话
剪贴板图像粘贴在 SSH 上无法完全正常工作。 当您通过 SSH 连接到远程机器时，Hermes CLI 会在远程主机上运行。剪贴板工具（xclip、wl-paste、powershell.exe、osascript）读取的是它们所运行机器的剪贴板——也就是远程服务器，而不是您的本地机器。因此，您的本地剪贴板图像无法从远程端访问。
文本有时仍可通过终端粘贴或 OSC52 传递，但图像剪贴板访问和本地截图临时路径仍然与运行 Hermes 的机器绑定。
SSH 的解决方法
-
上传图像文件——将图像保存在本地，然后通过
scp、VSCode 的文件资源管理器（拖放）或任何文件传输方法将其上传到远程服务器。然后通过路径引用它。（未来版本计划提供/attach <filepath>命令。） -
使用 URL——如果图像可以在线访问，只需在消息中粘贴 URL。智能体可以使用
vision_analyze直接查看任何图像 URL。 -
X11 转发——使用
ssh -X连接以转发 X11。这允许远程机器上的xclip访问您的本地 X11 剪贴板。需要在本地运行 X 服务器（macOS 上的 XQuartz，Linux X11 桌面内置）。对于大图像来说速度较慢。 -
使用消息平台——通过 Telegram、Discord、Slack 或 WhatsApp 将图像发送给 Hermes。这些平台原生支持图像上传，不受剪贴板/终端限制的影响。
为什么终端无法粘贴图像
这是一个常见的困惑来源，以下是技术解释：
终端是基于文本的界面。当您按下 Ctrl+V（或 Cmd+V）时，终端模拟器会：
- 读取剪贴板中的文本内容
- 将其包装在带括号粘贴转义序列中
- 通过终端的文本流将其发送给应用程序
如果剪贴板中只包含图像（没有文本），终端就无事可发送。没有用于二进制图像数据的标准终端转义序列。终端 simply does nothing。
这就是为什么 Hermes 使用单独的剪贴板检查——它不是通过终端粘贴事件接收图像数据，而是通过子进程直接调用操作系统级工具（osascript、powershell.exe、xclip、wl-paste）来独立读取剪贴板。
支持的模型
图像粘贴适用于任何支持视觉功能的模型。图像会以 OpenAI 视觉内容格式中的 base64 编码数据 URL 形式发送：
{
"type": "image_url",
"image_url": {
"url": "data:image/png;base64,..."
}
}
大多数现代模型都支持此格式，包括 GPT-4 Vision、Claude（带视觉功能）、Gemini 以及通过 OpenRouter 提供的开源多模态模型。