2. Linux.do
  3. opencode go里面的glm5.2大家是怎么解决识图问题的？

opencode go里面的glm5.2大家是怎么解决识图问题的？

shyrock 2026-07-07 10:31 1

用来开发iOS，需要它能自己截图看界面改bug。。。


目前用opencode做开发agent，每次要人工看了界面再文字输入说哪些地方要改，效率太低了。

最新回复 (16)
  • HeriX 07-07 10:47
    1楼

    那就要用识图skill或者mcp了

    看看这个

    1flowbase重磅升级-将文本模型升级多模态-GLM 5.2 ，Deepseek V4 均跑通验证 - 开发调优 - LINUX DO

  • 花季无言 07-07 10:51
    2楼

    加个newapi，自己实现一个识别图片块，然后丢给gpt5.4mini识别

  • shyrock 楼主 07-07 11:02
    3楼

    自己实现一个识别图片块？没看懂 ^-^

  • 钟阮 07-07 11:15
    4楼

    我自己是这样的


    用NewAPI将图片转换为URL，


    配置智谱的MCP，但是呢将URL和Model通过环境变量修改为Gemini


    这样你给他发图片他就会自己去用MCP了

  • 花季无言 07-07 11:17
    5楼

    把请求体里面的图片类型的消息，把这些消息通过有视觉的模型拿到描述，在吧图片类型消息转换为描述，在做一个缓存。就好了

  • 吴亦Fan？ 07-07 11:18
    6楼

    我都是切换模型为gemini视图在切换回来、

  • enget 07-07 11:19
    7楼

    搞个mcp或者cli，openai请求接个多模态模型看图就行了。ai写一个几分钟的事

  • 大 07-07 13:34
    8楼

    自己 15 分钟让 AI 挫了一个 MCP

  • Leeszzz 07-07 13:59
    9楼

    我是安装 opencode-see-image 这个插件，把图片复制进去，自动会调用opencode自带的mimo-v2.5识图

  • shyrock 楼主 07-07 15:27
    10楼

    牛逼，目前为止最简单且有效的方案，感激不尽。我看其他帖子似乎可以标记为正确答案？要怎么操作呢？

  • Leeszzz 07-07 17:32
    11楼

    你没有添加快问快答标签，添加了快问快答标签才能标记解决方案

  • shyrock 楼主 07-07 17:33
    12楼

    所以要怎么设置快问快答标签呢？？

  • Leeszzz 07-07 17:36
    13楼

    发帖的时候可以选择标签，编辑帖子我不知道可以不可以添加标签，你可以试试

  • Cinder 07-07 17:38
    15楼

    看错了，还以为是omo。omo multimodal-looker 配置多模态的模型就可以读图。

  • Arlowe 07-07 17:41
    16楼

    Vision-MCP也可以，功能比较多，还可以OCR、对比图片什么的，任何识图模型都能用，填个Key就行

  • kobexi 07-07 23:11
    17楼

    直接让他帮你这个MCP就可以了。比如大白话提示词：

    帮我写一个MCP，用来解决主模型(如GLM5.2)无法识图的问题，使用其他模型(如：opencode go里的mimo模型)进行识图操作。

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐