Hermes Agent验证码识别方法详解

Hermes Agent 本身不内置验证码识别能力，但在实际使用中常需应对微信、飞书等平台的扫码绑定、风控验证等场景，本文系统梳理了四种切实可行的解决方案：通过人工输入应对一次性强验证、调用百度/腾讯云OCR或本地PaddleOCR实现图像验证码自动识别、在开发环境安全跳过验证流程，以及利用Playwright+PaddleOCR构建端到端浏览器自动化识别闭环——无论你是快速调试、长期部署还是追求零人工干预，都能找到匹配当前需求的技术路径。

如果您在使用 Hermes Agent 过程中遇到需要识别验证码的场景（例如登录第三方平台、触发风控验证、接入微信或飞书时的扫码绑定环节），但 Hermes Agent 本身未内置 OCR 或验证码解析能力，则需通过外部服务或人工干预方式完成识别。以下是解决此问题的步骤：

一、启用人工验证码输入通道

该方法适用于首次绑定、扫码授权等一次性强验证场景，依赖用户主动参与，不依赖自动识别能力。

1、启动 Hermes Agent 后，在终端观察是否出现类似 Please scan the QR code and enter the verification code: 的提示。

2、打开微信或飞书客户端，扫描终端显示的二维码。

3、若弹出数字/字母组合验证码（非图像类），直接在终端中键入该验证码并回车。

4、若终端持续等待且无进一步响应，检查是否已开启 hermes gateway 并处于运行状态。

二、接入第三方 OCR 服务进行图像验证码识别

该方法适用于需自动处理图像型验证码（如扭曲文字、滑块缺口、点选类）的长期运行场景，需配置外部 API 接口。

1、注册支持通用文字识别的 OCR 服务，例如百度 OCR、腾讯云 OCR 或开源 PaddleOCR 本地部署实例。

2、获取该服务的 API Key 与请求地址，确保网络可达且具备调用权限。

3、修改 Hermes Agent 配置文件 ~/.hermes/config.yaml，在 gateways 区域下添加自定义 hook 字段：

4、在对应消息平台（如 weixin 或 feishu）的事件处理器中，插入预处理逻辑：当检测到含 captcha_image_url 或 verification_image 字段的消息时，自动发起 HTTP POST 请求至 OCR 接口。

5、将 OCR 返回的 text 字段内容作为验证码值，提交至原平台验证接口。

三、跳过验证码流程（仅限开发/测试环境）

该方法适用于本地调试阶段，绕过验证码机制以快速验证主链路，不可用于生产环境。

1、确认当前 Hermes Agent 版本为 v0.8.3 及以上，支持 --skip-verification 启动参数。

2、停止正在运行的网关进程：hermes gateway stop。

3、以跳过模式重新启动：hermes gateway start --skip-verification。

4、观察日志中是否出现 Verification step bypassed for development use only 提示。

5、手动在飞书或微信中发送任意消息，验证消息路由与响应是否正常触发。

四、使用浏览器自动化工具截取并识别验证码

该方法适用于 Hermes Agent 已集成 Puppeteer 或 Playwright 浏览器实例的定制化部署，可实现页面级验证码捕获与识别闭环。

1、确认 Hermes Agent 所在 Python 环境中已安装 playwright 并完成浏览器驱动初始化。

2、编写独立脚本 captcha_handler.py，使用 page.screenshot() 截取验证码区域 DOM 元素。

3、调用本地部署的 PaddleOCR 模型对截图执行 ocr.ocr(image_path)。

4、将识别结果注入表单字段并触发 submit 事件。

5、将该脚本路径写入 Hermes Agent 的 custom_hooks 配置项，绑定至特定 URL 模式匹配规则。

文中关于Hermes Agent,HermesAgent的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Hermes Agent验证码识别方法详解》文章吧，也可关注golang学习网公众号了解相关技术文章。