对于瞎子模型的识图有什么解决办法？

一个主模型，一个代理模型专门识图

你子代理和 mcp 不都是委托其他视觉模型进行识图吗？本质上是一样的，只是上下文管理和调用方式的区别，没有多模态的模型其实用哪种方式都不如原生多模态，当然有些情况下也不一定。要说其他方法的话，纯文本的图片有 OCR，还有一些像素级识别然后靠“猜”，当然最直接的肯定就是委托其他视觉模型了

[开源]一个让cc cx opencode等工具“长眼睛”的mcp,增强识图能力 - 开发调优 - LINUX DO

其实现在模型绝大多数都有多模态了

就连deepseek和glm这两个旗舰没有多模态的， 都有多模态flash了

可以预见不久以后， 纯文本模型会越来越少

deepseek一般会选择直接call gpt 5.6 luna过来识图（如果它发现你电脑上有codex的话）。