Hermes Agent 通过 FAL.ai 根据文本提示词生成图像。系统开箱即用支持九种模型，每种模型在速度、质量和成本之间都有不同的权衡。当前激活的模型可通过 hermes tools 进行用户配置，并持久化保存在 config.yaml 中。
| 模型 | 速度 | 优势 | 价格 |
|---|---|---|---|
| fal-ai/flux-2/klein/9b (默认) | <1s | 快速、文字清晰 | $0.006/百万像素 |
| fal-ai/flux-2-pro | ~6s | 影棚级照片写实感 | $0.03/百万像素 |
| fal-ai/z-image/turbo | ~2s | 中英双语，6B 参数 | $0.005/百万像素 |
| fal-ai/nano-banana-pro | ~8s | Gemini 3 Pro，推理深度，文字渲染 | $0.15/千张 |
| fal-ai/gpt-image-1.5 | ~15s | 提示词遵循能力 | $0.034/张 |
| fal-ai/gpt-image-2 | ~20s | 顶级文字渲染 + 中日韩语言支持，世界感知的照片写实 | $0.04–0.06/张 |
| fal-ai/ideogram/v3 | ~5s | 最佳排版能力 | $0.03–0.09/张 |
| fal-ai/recraft/v4/pro/text-to-image | ~8s | 设计、品牌系统、生产就绪型 | $0.25/张 |
| fal-ai/qwen-image | ~12s | 基于大语言模型，处理复杂文本 | $0.02/百万像素 |
价格为编写本文时的 FAL 报价；请查看 fal.ai 获取当前数值。
获取 FAL API 密钥
Section titled “获取 FAL API 密钥”- 在 fal.ai 注册。
- 从仪表板生成 API 密钥。
配置并选择模型
Section titled “配置并选择模型”运行工具命令：
hermes tools导航至 🎨 Image Generation，选择你的后端（Nous Subscription 或 FAL.ai），随后选择器将以对齐的表格列出所有支持的模型——使用方向键导航，回车键确认选择：
模型 速度 优势 价格 fal-ai/flux-2/klein/9b <1s 快速、文字清晰 $0.006/MP ← 当前使用中 fal-ai/flux-2-pro ~6s 影棚级照片写实感 $0.03/MP fal-ai/z-image/turbo ~2s 中英双语，6B 参数 $0.005/MP ...你的选择将保存至 config.yaml：
image_gen: model: fal-ai/flux-2/klein/9b use_gateway: false # 如果使用 Nous 订阅则为 trueGPT-Image 质量
Section titled “GPT-Image 质量”fal-ai/gpt-image-1.5 和 fal-ai/gpt-image-2 的请求质量固定为 medium（1024×1024 分辨率下约为每张 $0.034–$0.06）。我们没有向用户开放 low / high 档位的选项，以便让所有用户的 Nous Portal 账单保持可预测性——不同档位之间的成本差距可达 3 到 22 倍。如果你想要更经济的选择，请选择 Klein 9B 或 Z-Image Turbo；如果你追求更高质量，请使用 Nano Banana Pro 或 Recraft V4 Pro。
面向智能体的模式（schema）被有意设计得极其精简——模型会自动采用你所配置的任何设置：
- 生成一张带有樱花的宁静山地景观图
- 创作一张睿智老猫头鹰的正方形肖像——使用排版模型
- 为我制作一张未来城市景观，横屏比例
从智能体的角度来看，所有模型都接受相同的三个宽高比。在内部，每个模型的原生尺寸规范会被自动填充：
| 智能体输入 | image_size (flux/z-image/qwen/recraft/ideogram) | aspect_ratio (nano-banana-pro) | image_size (gpt-image-1.5) | image_size (gpt-image-2) |
|---|---|---|---|---|
| landscape (横屏) | landscape_16_9 | 16:9 | 1536x1024 | landscape_4_3 (1024×768) |
| square (正方形) | square_hd | 1:1 | 1024x1024 | square_hd (1024×1024) |
| portrait (竖屏) | portrait_16_9 | 9:16 | 1024x1536 | portrait_4_3 (768×1024) |
- GPT Image 2 映射到 4:3 预设而非 16:9，是因为其最小像素数要求为 655,360——而
landscape_16_9预设（1024×576 = 589,824）会被拒绝。 - 这种转换发生在
_build_fal_payload()中——智能体代码永远不需要了解各个模型之间的模式差异。
自动放大（Upscaling）
Section titled “自动放大（Upscaling）”通过 FAL 的 Clarity Upscaler 进行放大的功能是针对模型开启的：
| 模型 | 是否放大？ | 原因 |
|---|---|---|
| fal-ai/flux-2-pro | ✓ | 向后兼容（曾是选择器出现前的默认设置） |
| 所有其他模型 | ✗ | 快速模型会失去其秒级生成的优势；高分辨率模型则不需要 |
当运行放大时，它使用以下设置：
- 放大倍数 (Upscale factor)：2×
- 创造力 (Creativity)：0.35
- 相似度 (Resemblance)：0.6
- 引导缩放 (Guidance scale)：4
- 推理步数 (Inference steps)：18
如果放大失败（网络问题、速率限制），将自动返回原始图像。
内部工作原理
Section titled “内部工作原理”- 模型解析 ——
_resolve_fal_model()从config.yaml读取image_gen.model，回退至FAL_IMAGE_MODEL环境变量，最后回退至fal-ai/flux-2/klein/9b。 - 载荷构建 ——
_build_fal_payload()将你的aspect_ratio转换为模型的原生格式（预设枚举、宽高比枚举或 GPT 字面量），合并模型的默认参数，应用任何调用者覆盖，然后过滤出该模型的supports白名单，确保绝不发送不支持的键。 - 提交 ——
_submit_fal_request()通过直接的 FAL 凭据或受管的 Nous 网关进行路由。 - 放大 —— 仅在模型元数据包含
upscale: True时运行。 - 交付 —— 最终图像 URL 返回给智能体，智能体发出
MEDIA:<url>标签，平台适配器将其转换为原生媒体。
启用调试日志：
export IMAGE_TOOLS_DEBUG=true调试日志保存在 ./logs/image_tools_debug_<session_id>.json，包含每次调用的详细信息（模型、参数、耗时、错误）。
平台交付方式
Section titled “平台交付方式”| 平台 | 交付方式 |
|---|---|
| CLI | 图像 URL 以 Markdown 格式打印  —— 点击即可打开 |
| Telegram | 带有提示词作为说明文字的照片消息 |
| Discord | 嵌入在消息中 |
| Slack | URL 由 Slack 展开显示 |
| 媒体消息 | |
| 其他 | 纯文本格式的 URL |
- 需要 FAL 凭据（直接使用
FAL_KEY或 Nous 订阅） - 仅限文本生成图像 —— 此工具不支持局部重绘（inpainting）、图生图（img2img）或编辑
- 临时 URL —— FAL 返回的托管 URL 会在数小时或数天后失效；如需请本地保存
- 各模型约束 —— 某些模型不支持
seed、num_inference_steps等。supports过滤器会自动丢弃不支持的参数；这是预期行为