Votre capture d'écran du presse-papiers comme entrée Hermes : la commande hermes clipboard image

Vous avez pris une capture d’écran et vous voulez poser une seule question dessus : « de quelle étape vient cette erreur ? » Assis dans un terminal, le geste naturel est Ctrl+V. Ce geste n’existe pas dans un script — un script exécute des commandes, il n’appuie pas sur des touches. Vous avez donc écrit trois lignes de shell autour de xclip, découvert qu’elles ne font rien sous Windows, eu besoin d’un autre jeu sous macOS, et fini par renoncer en enregistrant le fichier à la main.
Le changement fusionné le 6 novembre déplace ça dans Hermes lui-même. hermes clipboard image écrit l’image du presse-papiers de la machine dans un fichier : elle affiche le chemin en cas de succès, et avec --json elle renvoie une réponse JSON stable et un jeu de codes de sortie distincts. Elle ne lit que le presse-papiers de la machine sur laquelle elle s’exécute — pas de gateway, pas de session store, pas de fichier profile.
L’ancienne méthode : lancer le script privé du TUI
Hermes sait coller des images dans le terminal depuis un moment, et l’implémentation dans hermes_cli/clipboard.py fait beaucoup de travail spécifique à chaque plateforme. Mais le seul point d’entrée exposé était un script interne : ui-tui/scripts/clipboard_image.py. Un client tiers qui voulait des images du presse-papiers devait pointer PYTHONPATH vers l’arbre source de Hermes et appeler ce script.
Ça marchait, et c’était fragile sur trois plans à la fois : le chemin pouvait bouger, les arguments pouvaient changer, et même sa réponse true/false pouvait changer. Le problème plus profond était « où est l’arbre source ? » — pourquoi un client saurait-il où l’utilisateur a installé Hermes ?
La nouvelle commande enveloppe le même extracteur (hermes_cli.clipboard.save_clipboard_image) dans une commande documentée, avec codes de sortie et JSON.
Une commande, un fichier sur disque
hermes clipboard image --out /tmp/shot.png
En cas de succès, elle affiche le chemin. --out est créé ou écrasé, et son répertoire est créé si nécessaire. Dans des scripts, vous voudrez la plupart du temps la forme JSON :
hermes clipboard image --out /tmp/shot.png --json
{"ok": true, "path": "/tmp/shot.png", "mime": "image/png", "bytes": 248193}
mime n’est pas deviné d’après l’extension — il est lu dans les magic bytes du fichier, donc PNG, JPEG, GIF, BMP, TIFF et WebP sont tous identifiés. Normalement la sortie est toujours du PNG, parce que l’extracteur convertit ; la seule exception, c’est quand vous avez copié un fichier image (un drop de fichier Windows/WSL), qui est copié octet pour octet et peut être un jpg ou un webp.
Chaque issue a son propre code de sortie
En automatisation, le pire mode d’échec n’est pas d’échouer — c’est d’échouer sans dire pourquoi. Cette commande sépare les issues :
| Situation | reason dans le JSON |
Sortie |
|---|---|---|
| Une image a été écrite | aucune, ok: true |
0 |
| Le presse-papiers ne contient pas d’image (texte seul) | no_image |
1 |
| Aucun outil de presse-papiers utilisable n’est installé | no_tool, plus les outils cherchés |
3 |
--out ne peut pas être écrit |
write_failed |
4 |
| Arguments invalides | pas de JSON, erreur d’usage argparse | 2 |
Garder no_image séparé de no_tool compte : l’un veut dire que vous n’avez pas pris de capture, l’autre que cette machine ne sait pas lire de presse-papiers du tout. Les correctifs ne sont pas les mêmes. Lancez-la sur un serveur sans session graphique et vous obtenez no_tool, pas un échec vague.
Pourquoi cela mérite sa propre commande
Parce qu’elle tranche une question d’ingénierie précise : lire un presse-papiers doit être local.
Pensez à la façon dont les gateways sont déployées. La gateway Hermes d’un utilisateur peut tourner sur une machine distante ou dans un conteneur, tandis que l’humain et son presse-papiers sont sur un laptop. Si « lire le presse-papiers » était un RPC de la gateway, il lirait le presse-papiers de la machine d’en face — inutile, et généralement vide. La commande est donc volontairement locale à l’appareil : pas de connexion à la gateway, pas de session store, pas de fichier profile, strictement « écrire l’image du presse-papiers de cette machine à ce chemin ».
La moitié « écriture » est soignée elle aussi. Elle extrait dans un répertoire temporaire privé à côté de la destination et renomme le fichier fini sur --out, donc en cas d’échec le fichier existant reste exactement tel quel — pas d’image à moitié écrite. Écraser un fichier existant conserve ses bits de permission, donc un fichier temporaire en 0600 ne les élargit pas en silence.
Le brancher dans Hermes
Une fois que vous avez un chemin, le reste est ordinaire. hermes chat accepte déjà --image, donc une capture peut voyager avec une question :
hermes clipboard image --out /tmp/shot.png --json > /tmp/shot.json
hermes chat -q "Which stage is this error from? One conclusion and one command to check it." --image /tmp/shot.png --oneshot
Sauter le fichier intermédiaire est facile avec jq :
SHOT=$(hermes clipboard image --out /tmp/shot.png --json | jq -r .path) && hermes chat -q "What is misaligned in this UI?" --image "$SHOT" --oneshot
Retirez --oneshot et hermes chat reste interactif, avec l’image attachée à cette question-là — ce qui correspond à la boucle quotidienne « capture, demande, on continue à parler ».
Les détails de plateforme que vous rencontrerez vraiment
- macOS :
pngpasted’abord (rapide, plus de formats), puisosascriptcomme repli toujours présent. - Windows :
powershelld’abord, puispwsh. - Linux : sous WSL, elle essaie
powershell.exed’abord ; sous Waylandwl-paste; sous X11xclip. Une sonde WSL en échec passe à la suite, parce que WSLg peut encore avoir unwl-pasteou unxclipfonctionnel. - Mode conteneur NixOS : chaque sous-commande
hermess’exécute dans le conteneur géré, celle-ci comprise, elle ne peut donc pas voir le presse-papiers de l’hôte et--outest un chemin à l’intérieur du conteneur. C’est une frontière du mode conteneur, pas un bug.
Une chose que cette commande n’est pas : dessiner l’image. Les images inline dans le CLI et le TUI couvre la façon dont les pièces jointes et les images produites par les outils apparaissent dans le transcript. Cette commande va dans l’autre sens — comment une image passe du presse-papiers au disque — et les deux s’utilisent généralement ensemble.
Peut-on l’utiliser aujourd’hui
La commande est sur main (6 novembre, PR #150285) et pas dans le tag v0.23.0. La vérification est triviale : si hermes clipboard --help affiche quelque chose, votre build l’a ; « invalid choice » signifie que non. Elle est documentée dans la section hermes clipboard de la référence CLI, donc après mise à jour la page correspond à ce que vous avez.
Mise à jour (10/11/2026) : ces changements sont sortis dans la v0.23.1 (9 novembre) : un
hermes updatesuffit. Le « pas dans la v0.23.0 » ci-dessus reste exact ; la v0.23.1 comble l’écart.
Et si vous voulez savoir si cette machine sait lire un presse-papiers, la commande répond elle-même : sans image disponible, elle distingue « pas d’image » de « pas d’outil », et ce dernier cas liste les noms d’outils cherchés — ce qui est en gros votre liste d’installation.
L’essentiel
hermes clipboard image est une petite commande qui corrige une frontière d’interface : elle promeut « lire le presse-papiers local » du rang de détail d’implémentation du TUI à celui de point d’entrée documenté avec JSON et codes de sortie, et elle énonce clairement la règle du local à l’appareil. Pour qui scripte dessus, la partie la plus utile n’est pas la commande mais les quatre codes de sortie — un case sépare maintenant « pas de capture », « pas d’outil », « écriture impossible » et « terminé », au lieu de grepper du texte d’erreur.