【建议】纯文本模型收到图片时提供“落盘+文字标记”回退，便于子 Agent / 视觉脚本接管

📝 摘要

建议纯文本模型收图时落盘+文字标记供视觉子代理接管

📄 正文节选

背景 当会话选中的模型不支持图片输入（`inputModalities` 不含 `image`，例如 `deepseek-v4-flash`）时，web 通道会在消息准入层直接拒绝图片消息（`MODEL_DOES_NOT_SUPPORT_IMAGES`），图片不会落盘，Agent 完全拿不到任何信息。于是“文本主模型 + 外部视觉能力（视觉脚本 / 视觉子 Agent）”的组合只能自己绕路（比如让用户把图片放进工作区目录，再手动触发）。 已有的参照实现 同一生态里的 `deepseek-harness-qqbot` 插件在 `imageInputMode: auto` 下，遇到纯文本模型并不会……

节选自讨论正文开头，完整内容见原文

🔗 阅读原文

GitHub 讨论 #2005 ↗

💬 更多热门讨论