【pi-media】通过转发非文本输入使得文本模型具备多模态

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

前段时间deepseekv4flash刚出的时候品鉴了一下，感觉这个价格除了没有多模态没什么缺点了 所以写了一个基于pi的另类实现文本模型多模态的插件

逻辑很简单：

1. 检测输入文件后缀，特定后缀发给特定模型


2. 让文本模型整理提示词和上下文发给多模态模型


3. 多模态模型整理之后再发给文本模型

推荐主会话使用DeepSeekV4Flash，多模态用GPT5.6LunaMax

GreenNa717/pi-media: 为 Pi 文本模型补充多模态能力，自动处理图片、音频、视频和 PDF，并将多模态分析结果注入当前会话。