引言：当AI遇到验证码，谁来按下“确认键”？

在追求极致自动化的工作流中，我们往往希望Hermes一类的AI助手能像“打工人”一样，24小时不眠不休地替我们处理网页任务。

然而，现实往往是骨感的。现代网站的登录认证反爬机制卷到了极致，单纯让AI在服务器上开启Headless（无头）模式盲操，成功率低得可怜。

我们不得不面对的残酷事实：

验证类型	难度等级	AI 自动化成功率
短信验证码	⭐	30% - 50%
滑动验证码	⭐⭐	10% - 30%
点选验证	⭐⭐⭐	< 10%
图形验证码	⭐⭐⭐⭐	< 5%
人脸识别	⭐⭐⭐⭐⭐	≈ 0%

核心痛点： 如果AI在远程服务器上遇到了验证码，它无法把“图片”传给你，你也无法把“操作”传给它。这时候，你只能看着任务失败，然后回归手操作业，这完全违背了自动化的初衷。

现有方案的局限

Hermes官方提供了两种浏览器自动化方案：

1. 商业云模式：效果好，但成本高（太氪金）。
2. 本地Linux模式：要求用户在本地电脑安装Linux，这在中国用户普遍使用Windows作为主力机的环境下，显得格格不入，而且就算用上WSL，也有隐私泄露风险，极不安全。

我们的使用场景其实很简单： 我有一台Windows电脑（用来观察和Debug），我有一个云端hermes或者openclaw 助手（在云端linux服务器）。我希望服务器上的浏览器能“投屏”到我的Windows桌面上。如果遇到验证码，我能第一时间看到并手动输入，然后把控制权交还给AI。

解决方案：利用 X11 转发实现

要实现这一目标，我们需要利用Linux的图形界面底层协议——X11。简单来说，X11允许图形程序的“计算”和“显示”分离。我们可以让浏览器在Linux上跑，但把画面通过SSH隧道传输到Windows上显示。

以下是保姆级配置教程，只需三步。

第一步：本地 Windows 配置 (X11 服务器)

我们需要在Windows上安装一个X11服务器软件，用来接收Linux传来的画面。

1. 下载 VcXsrv 访问 VcXsrv 的 GitHub 发布页，下载最新版本的安装包。

• 下载地址： VcXsrv Releases
• 文件选择： 下载 vcxsrv-xxx.x64.exe

2. 安装与配置 (关键步骤) 安装过程很简单，一直点 “Next” 即可。安装完成后，通过开始菜单启动 XLaunch。

在配置向导中，请严格按照以下步骤操作：

• Step 1 (Multiple windows)： 选择 “Multiple windows”，点击 Next。
  

• Step 2 (Start no client)： 选择 “Start no client”，点击 Next。
  

• Step 3 (Extra settings)： 这一步至关重要！必须勾选 “Disable access control” (禁用访问控制)。如果不勾选，Linux服务器将无法连接到你的Windows显示器。
  

  • (注：由于安全策略，这里建议仅在内网或信任环境下勾选)

• 点击 Next → Finish。

3. 验证运行 配置完成后，任务栏会出现VcXsrv图标。你可以打开CMD，输入 netstat -an | findstr "6000"，如果看到 0.0.0.0:6000 LISTENING，说明你的Windows已经准备好接收远程画面了。

第二步：SSH 客户端配置 (建立隧道)

为了让画面安全传输，我们需要在SSH连接中开启X11转发功能。

请根据你使用的SSH工具进行设置：

• Tabby 用户：

  1. 打开 Settings (设置)。
  2. 找到 SSH Profiles (连接配置)。
  3. 在 “Terminal” 或 “SSH” 选项卡下，勾选 “X11 forwarding”。

• MobaXterm 用户： MobaXterm 默认支持，无需额外配置，它内置了X11服务器。

• PuTTY 用户：

  1. 打开 Connection → SSH → X11。
  2. 勾选 “Enable X11 forwarding”。
  3. (可选) 在 “X display location” 填入 localhost:0.0。

连接服务器后，系统会自动设置环境变量 DISPLAY。你可以输入 echo $DISPLAY 检查，通常会显示为 localhost:10.0 或类似内容。

第三步：启动远程浏览器 (Linux端)

现在，一切准备就绪。在你的SSH终端中运行以下命令，启动一个支持远程显示的Chrome浏览器实例：

google-chrome \
--remote-debugging-port=9222 \
--user-data-dir=/tmp/chromium-session \
--no-sandbox \
--disable-gpu \
--display=$DISPLAY \
https://stock.51longterm.cn:9443

** 参数解析：**

• --display=$DISPLAY: 这是最关键的参数，它告诉浏览器：“你的屏幕在SSH隧道的另一头（也就是我的Windows电脑上）”。
• --no-sandbox: 在服务器环境下通常需要关闭沙盒以避免权限问题（生产环境请谨慎）。
• --remote-debugging-port: 为Hermes提供连接接口。

如果一切顺利，一个Chrome浏览器窗口会突然弹出在你的 Windows 桌面 上！然后用/browse connect指令，让hermes接管这个浏览器。虽然它的内核在千里之外的Linux服务器上运行，但你可以在本地看到它的一举一动，看着AI怎么愉快地玩耍。

结语：

通过这套配置，我们成功构建了一个完美的工作流闭环：

1. Hermes 在Linux服务器上指挥浏览器自动浏览网页。
2. 当遇到图形验证码或短信验证时，画面实时传输到你的Windows桌面。
3. 你 作为“安全员”，手动完成验证步骤。
4. 验证通过后，Hermes 检测到页面变化，继续接管后续的自动化任务。

一切都很完美，明天就用它来搬砖！

---

后台有朋友私信问如何安装google-chrome，我这里有deb安装包，请自行下载 ：https://download.csdn.net/download/zhanggxlinux/92846611?spm=1001.2014.3001.5501

安装方法:

sudo apt install ./google-chrome-stable_current_amd64.deb