vision-subagentlisted

# 视觉子代理（Vision Sub-agent） 当**主模型不支持图像输入**（`read_image` 会拒读，如纯文本模型）时，用 **`workflow` 派生一个指定视觉模型的子代理**来"看"图——它可以用 `read_image` 读取图片，再根据你的要求描述内容或审查质量并返回结论。 本 skill 是**全局可用**的看图方案，任何预设/会话/项目都可加载，不限定业务场景。 ## 触发条件 - 主模型 `read_image` 报错拒读（如 `deepseek-v4-flash` 不声明图像输入） - 需要查看某张图片的实际内容、核对图片质量、或基于图片内容做判断，但主模型看不了 ## 原理 DeepSeek Harness 的 `workflow` 工具允许在 `agent()` 上独立指定 `provider` 与 `model`。只要选一个**当前部署里真正支持图像输入的模型**（其 `inputModalities` 含 `image`），派生的子代理就能用 `read_image` 读取并处理图片。 不同部署注册的视觉模型名可能不同，**不要硬编码模型名**，应先探测。 ## 如何找可用的视觉模型 用 `llm` 服务遍历各 provider 的模型，过滤出 `inputModalities` 含 `image` 的： ```js // 思路：遍历 provider -> resolveModelInfo -> 过滤 inputModalities 含 'image'，得到 { provider, model } const vision = /* inputModalities 含 'image' 的 {provider, model} */ await agent(prompt, { provider: vision.provider, model: vision.model }) ``` 已验证候选（示例）：`opencode-go/mimo-v2.5`、`kimi-coding/k3`、`kimi-coding/k3-256k`（均 text+image）。 ## 用法模板 用 workflow 派发看图子代理（`provider`/`model` 替换为探测到的可用视觉模型）： ```js await agent( '用 read_image 工具读取 <图片绝对路径>，然后完成任务：<你的具体诉求，如描述内容 / 审查质量 / 判断是否达标>，并结构化返回结论。', { provider: '<探测到的provider>', model: '<探测到的视觉 model>' } // 指定视觉模型 ) ``` > 把"任务诉求"填进 prompt，子代理会先看图，再按你的要求输出。例如：描述图里有什么、检查是否有空白/遮挡/文字重叠、核验图与某条结论是否一致等。 ## 输出约定（建议） 按需要求子代理给出结构化结果，例如： - **内容描述**：图中关键元素、布局、文字/标题等 - **质量核验**：是否空白、模糊、遮挡/重叠、要素缺失 - **目标核对**：图是否支撑它要支撑的结论或任务 - **判定**：`PASS` / `FAIL`，FAIL 时给原因与改进建议 ## 兜底 - 若探测不到任何 `inputModalities` 含 `image` 的模型，如实标记"此环境无视觉模型，看图受限"，不要假装通过。 - 主模型若是纯文本模型，直接 `read