Hermes Agent 社群回報視覺歷史缺口，閘道跨輪對話可能遺失工具載入的影像

Hermes Agent 的 GitHub 於 10 月 20 日出現一項多模態會話回報：在 Discord 閘道中，透過 vision_analyze 載入的原生影像，可能只在當輪提供給模型；下一則訊息到來後，歷史紀錄只留下文字與 [screenshot] 占位符。回報者觀察到，模型因此撤回先前正確的影像判讀，但這仍是個案，不能據此推定所有閘道或模型均受影響。社群回報

這與官方描述的工具行為存在落差。文件指出，當主模型及供應商支援工具結果內的影像時，vision_analyze 會直接回傳像素，省去輔助視覺模型的描述步驟；嵌入的影像也應隨會話後續請求再次送出。vision.embed_target_bytes 用於控制這筆持續產生的影像負擔，預設為 256 KB。視覺功能文件

回報者將問題定位在持久化與歷史重建的交界：_durable_content 把多模態工具結果轉成文字摘要，影像部分變成占位符；閘道下一輪再從會話儲存載入歷史，便無法還原像素。更容易誤導模型的是，殘留文字仍表示影像已載入、可以直接觀看。回報者提出兩種處理方向：保留可重新附加影像的參照，或明確標示影像曾被查看、目前已無像素。問題分析與建議

工程上的啟示是，多模態代理的跨輪可靠度也取決於歷史序列化。依上述機制推論，模型前後答案不一致，可能來自證據在儲存與重載後消失。官方另有 vision.replay_recent_images，處理使用者附件的歷史重播；文件對此與工具結果分開說明，不能直接視為本案解法。歷史影像重播說明

接下來應觀察修補是否涵蓋工具影像的持久化、跨輪重載與快取失效情境，以及是否提供可部署版本。維運者可先以同一影像連續追問，檢查後續請求是否仍攜帶影像內容；單憑首輪回答正確，尚不足以確認整段視覺工作流程可靠。