hermes - 💡(How to fix) Fix [Bug]: vision_analyze 工具无法读取任何本地文件(browser 截图也无法分析)

Official PRs (…)
ON THIS PAGE

Recommended Tools

×6

Utilities matched from this issue’s tags and category — try them while you read without losing context.

GitHub issue graph ai analysis

Paste a GitHub issue URL. We fetch that issue, discover linked issues from bodies/comments/timeline, collect linked pull requests, and produce a structured English report.

The report is written in English Markdown for sharing and archival.

Helpful · Quick feedback

Loading…

Root Cause

代码逻辑本身没有问题(local_path.is_file() 在 vision 工具进程的文件系统视角下返回 False)。问题根因是:vision 工具运行在一个与主进程隔离的挂载/进程空间中,主进程和 browser 工具创建的文件在 vision 进程的命名空间里不可见。

证据:

  • vision 工具是异步调用(async_call_llm),运行在独立的 async 上下文中
  • 所有本地路径测试全部失败(/tmp、/.hermes/、/.hermes/browser_screenshots/)
  • vision 工具创建的截图文件(通过 browser_vision)路径返回"Invalid image source"
  • browser_vision 和 vision_analyze 是两个独立进程/隔离环境
RAW_BUFFERClick to expand / collapse

Bug Description

vision_analyze 工具对所有本地文件路径都返回"抱歉,我无法看到图片"。包括:

  1. Telegram 上传图片后缓存到 ~/.hermes/image_cache/ 的文件
  2. browser_vision 工具自己创建的截图(~/.hermes/browser_screenshots/browser_screenshot_*.png)
  3. 手动 cp 到 /tmp/ 的任意图片文件

同时 vision 工具也无法访问公网 HTTPS 图片(httpbin.org/image/jpeg 测试失败)。

Steps to Reproduce

  1. 使用 browser 工具访问任意网页(如 warthunder.com)
  2. 调用 browser_vision 截图 → 截图成功保存,工具返回 screenshot_path
  3. 立刻用 vision_analyze 分析该 screenshot_path → 返回"无法看到图片"
  4. 或:发送任意图片到 Telegram 对话 → 缓存到 image_cache → 用 vision_analyze 分析该路径 → 同样失败

Expected Behavior

vision_analyze 应该能读取本地文件(如 browser_vision 创建的截图),这是核心工作流程。

Actual Behavior

所有本地路径均返回:"抱歉,我无法直接查看图片。请上传图片..."

Root Cause Analysis

代码逻辑本身没有问题(local_path.is_file() 在 vision 工具进程的文件系统视角下返回 False)。问题根因是:vision 工具运行在一个与主进程隔离的挂载/进程空间中,主进程和 browser 工具创建的文件在 vision 进程的命名空间里不可见。

证据:

  • vision 工具是异步调用(async_call_llm),运行在独立的 async 上下文中
  • 所有本地路径测试全部失败(/tmp、/.hermes/、/.hermes/browser_screenshots/)
  • vision 工具创建的截图文件(通过 browser_vision)路径返回"Invalid image source"
  • browser_vision 和 vision_analyze 是两个独立进程/隔离环境

Component

Tools

Debug Report

Proposed Fix

待确认。最可能的解决方案是让 vision 工具在调用前通过主进程中转读取文件内容(而不是在 vision 进程里独立读取),或者让 browser_vision 等工具直接把图片 base64 编码后通过消息传递给 vision 分析,而不是写文件再读文件。

Vote matrix · Quick signals

Works
Did the solution work? Tap to confirm.
Easy Fix
Was it a quick fix?
Time Saver
Did it save you time?
Blocking
Was it severely blocking?
Common Issue
Are others likely hitting this too?
Flaky / Intermittent
Is it intermittent?
Verified / Reproducible
Can you reproduce it reliably?
Loading…

Still need to ship something?

×6

Another batch ranked right after the header list — different links, same matching logic.

Back to top recommendations

TRENDING