背景：agent 能写，却交不出"带图的成品"

最近 Hermes 关注度很高，配置类教程也很多——安装、初始化这些步骤照着官方文档走基本没有障碍，这里不再赘述。本文记录的是配置完成、实际投入使用后遇到的一个工程性问题，以及我的解决方案。

我的使用场景是图文内容生产。agent 在文本侧表现不错：检索、提纲、表格、初稿都能较快产出。但一篇可发布的图文还需要配图，而多数 agent 默认只输出文本——于是变成「文本由 agent 生成、配图需要人工另开工具处理」，工作流在出图环节断开，整体效率被这一步拖累。

思路：把"出图"作为一项能力补进 agent 的工具链

agent 的价值在于编排和调用外部能力，而不仅是对话。要让它真正交付图文一体的结果，关键是给它接入一个可被程序调用的生图接口，让出图成为流水线中的一环，而不是事后的人工补丁。

落地时，我对生图接口有两点工程上的要求：

1. 多模型、单接口：不同类型的配图（写实、信息图、海报）适配的模型不同；如果每个模型单独对接，集成成本太高。统一接口、由 agent 按需选模型更省事。
2. 网络可达、稳定调用：自动化链路对网络一致性很敏感，任一环节存在访问障碍都会中断流程，因此接口要能在本地网络环境下直接调用。

我实际接入的是 iMini AI 的生图接口（它把 nano-banana-pro、gpt-image 等模型聚合在同一接口下），满足以上两点。接入后，agent 在产出文案的同一轮里就能返回配图链接，不需要人工切换工具。具体的鉴权与调用方式以官方文档为准，本文不展开密钥相关细节。

决定成片质量的是提示词模板，不是接入方式

接入只是打通链路；配图质量取决于传给生图接口的 prompt。我把两类高频场景固化成模板，作为 agent 出图指令的一部分复用。

模板一：知识/科普类信息图（中文）

主题：【文章核心词】。请根据该主题生成一张高质量竖版「科普百科图」：一个清晰主视觉＋若干局部特征放大＋多个圆角模块信息分区＋清楚的标题层级＋可视化评分/Top5 模块；浅色干净背景、柔和配色、精致小图标、信息密度高但不拥挤。

上图为把【主题】设为"多肉植物"时的实际输出，可直接作为正文配图使用。

模板二：产品/技术拆解类等距信息图（英文更稳）

Create a technical infographic of [OBJECT] with a 45-degree isometric 3D perspective, photoreal render combined with black ink technical annotations on a pure white background, color-coded callout boxes, cutaway sections, measurements and scale markers.

两套模板均来自公开提示词库，经实测可直接复用，按场景替换占位符即可。

小结

配置教程解决的是"能不能跑起来"；而能否输出可直接发布的图文，取决于是否把出图这类产出能力补进 agent 的工具链。对图文生产场景而言，给 agent 接入一个多模型、可稳定调用的生图接口，再配套固定的 prompt 模板，是让它从「会聊天」走向「能交付」的关键一步。