词元广场TOKPUB.COM - 欢迎您，支持一个 Key 调用近 600+ 海内外模型，限时特价模型低至 1 折，欢迎上岸！
视觉与图像粘贴
工作原理
1.
2.
3.
4.
[📎 Image #1] 徽章形式显示在输入框上方5.
Ctrl+C 可清除所有已附加图像。~/.hermes/images/。粘贴方式
/paste 命令
/paste/paste 并按 Enter。Hermes 会检查剪贴板中是否有图像并附加。当你的终端重写了 Cmd+V/Ctrl+V，或剪贴板中只有图像而没有 bracketed-paste（括号粘贴）文本载荷可供检查时，这是最安全的选项。Ctrl+V / Cmd+V
file://... 图像 URI 可以立即附加，而不是以原始文本形式留在编辑器中。警告
/paste 作为显式图像附加的备用方案。/terminal-setup（适用于 VS Code / Cursor / Windsurf）
workbench.action.terminal.sendSequence 绑定，以获得更好的多行输入及撤销/重做一致性：/terminal-setupCmd+Enter、Cmd+Z 或 Shift+Cmd+Z 被 IDE 拦截时，此命令尤为有用。仅在本地机器上运行——不要在 SSH 会话中使用。平台兼容性
| 环境 | /paste | Cmd/Ctrl+V | /terminal-setup | 备注 |
|---|---|---|---|---|
| macOS Terminal / iTerm2 | ✅ | ✅ | n/a | 最佳体验——原生剪贴板 + 截图路径恢复 |
| Apple Terminal | ✅ | ✅ | n/a | 若 Cmd+←/→/⌫ 被重写，使用 Ctrl+A / Ctrl+E / Ctrl+U 备用方案 |
| Linux X11 桌面 | ✅ | ✅ | n/a | 需要 xclip（apt install xclip） |
| Linux Wayland 桌面 | ✅ | ✅ | n/a | 需要 wl-paste（apt install wl-clipboard） |
| WSL2（Windows Terminal） | ✅ | ✅ | n/a | 使用 powershell.exe——无需额外安装 |
| VS Code / Cursor / Windsurf（本地） | ✅ | ✅ | ✅ | 推荐，以获得更好的 Cmd+Enter / 撤销 / 重做一致性 |
| 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 | n/a | 无法访问远程剪贴板 |
³ 该命令写入本地 IDE 快捷键绑定，不应从远程主机运行
各平台配置说明
macOS
osascript（macOS 内置）读取剪贴板。如需更快的性能，可选择安装 pngpaste：Linux（X11）
xclip：Linux（Wayland）
wl-clipboard：如何检查是否在使用 Wayland
WSL2
/proc/version 自动检测 WSL2，并使用 powershell.exe 通过 .NET 的 System.Windows.Forms.Clipboard 访问 Windows 剪贴板。这是 WSL2 Windows 互操作的内置功能——powershell.exe 默认可用。WSLg 说明
wl-paste。WSLg 的剪贴板桥接仅支持 BMP 格式的图像——Hermes 会使用 Pillow（如已安装）或 ImageMagick 的 convert 命令自动将 BMP 转换为 PNG。验证 WSL2 剪贴板访问
SSH 与远程会话
xclip、wl-paste、powershell.exe、osascript）读取的是其所在机器的剪贴板——即远程服务器，而非你的本地机器。因此，本地剪贴板中的图像在远程端无法访问。SSH 的变通方案
1.
scp、VSCode 文件浏览器（拖放）或任何文件传输方式上传到远程服务器，然后通过路径引用。（计划在未来版本中提供 /attach <filepath> 命令。）2.
vision_analyze 直接查看任意图像 URL。3.
ssh -X 连接以转发 X11。这允许远程机器上的 xclip 访问你本地的 X11 剪贴板。需要本地运行 X 服务器（macOS 上为 XQuartz，Linux X11 桌面内置）。大图像传 输较慢。4.
为什么终端无法粘贴图像
osascript、powershell.exe、xclip、wl-paste）独立读取剪贴板。支持的模型
{
"type": "image_url",
"image_url": {
"url": "data:image/png;base64,..."
}
}图像路由（视觉模型 vs 纯文本模型）
| 你的模型 | 图像处理方式 |
|---|---|
| 支持视觉的模型（GPT-4V、Claude with vision、Gemini、Qwen-VL、MiMo-VL 等） | 使用上述提供商原生图像内容格式，以真实像素发送。无文本摘要层。 |
| 纯文本模型（DeepSeek V3、较小的开源模型、旧版纯对话端点） | 通过 vision_analyze 辅助工具路由——辅助视觉模型描述图像，文本描述注入对话。 |
auxiliary.vision 下配置——参见辅助模型。vision_analyze 具有相同的双重行为
vision_analyze 工具本身遵循相同的路由逻辑。当当前主模型支持视觉，且其提供商支持在工具结果中包含图像内容（目前为 Anthropic、OpenAI、Azure-OpenAI 和 Gemini 3.x 技术栈），vision_analyze 会跳过辅助描述器，直接将原始图像像素作为多模态工具结果信封返回。主模型在下一轮会原生看到图像——无辅助调用、无文本摘要信息损失、无额外延迟。vision_analyze 回退到旧路径：请求已配置的辅助视觉模型描述图像，并以纯文本形式返回描述。无论哪种情况，调用工具的签名相同——工具在运行时根据当前模型决定采用哪条路径。