@dshp/vision-bridge

配置项

字段	类型	默认	说明
enabled	boolean	true	总开关。关闭后 vision_describe 直接报错。
primary	{provider, model} | null	null	主视觉模型；未选择时 vision_describe 临时用候选列表第一项，但发送门禁不会接管。
fallback	{provider, model} | null	null	备用模型，主模型失败时重试一次；与主模型相同则不重试。

配置视觉模型

候选来自两处并集去重：

1. 设置里的模型目录：llm.listConfigurableProviders() 给出每个 provider 的 settingsNs + settingsPath，再用 settings.describe() 读取 models[] 中 input 含 image 的模型。
2. 运行时 provider：llm.listProviders() + llm.listModels(provider) 中 inputModalities 含 image 的模型。

在 设置 → 模型 中编辑多模态模型，勾选 image 输入即可。等价 YAML：

llm-pi-ai:
  providers:
    openrouter:
      models:
        - id: qwen/qwen2.5-vl-32b-instruct
          name: Qwen2.5 VL 32B
          input: [text, image] # ← 关键：声明支持图片输入

保存后回到 设置 → 视觉模型 点「刷新列表」。推荐至少配两个视觉模型，一个主模型、一个备用模型。

使用

1. 发图：在对话里粘贴或上传图片（一次可多张）。
2. 提问：纯文本模型看到占位符后调用 vision_describe，把图片和问题一起发给视觉模型。
3. 查看结果：description 以 tool-result 回到模型上下文，模型据此继续回答。

进阶：

• 多图时用 image: 2 指定第二张。
• 问题由主模型按上下文生成：想读某行报错就写那行报错，想转录就写“逐字转录”，不需要额外开关。
• 设置页的「测试路由」只检查路由可解析性与 image 能力声明，不发起真实推理。

配置（cordis.patch.yml 覆盖）

- id: dshp-vision-bridge
  name: '@dshp/vision-bridge'
  config:
    enabled: true
    primary: { provider: 'openrouter', model: 'qwen/qwen2.5-vl-32b-instruct' }
    fallback: { provider: 'openrouter', model: 'openai/gpt-4o-mini' }