# 识图子代理

当主模型不支持图像输入（`read_image` 拒读）时，需要审查图表视觉效果（是否空白、遮挡、坐标轴缺标签、是否支撑结论）的环节，用 **workflow 派生一个指定视觉模型的子代理**来"看图"。

## 原理

DeepSeek Harness 的 `workflow` 工具允许在 `agent()` 上独立指定 `provider` 与 `model`。**关键前提是选一个当前部署环境里真正支持图像输入的模型**（其 `inputModalities` 含 `image`），子代理才能读取并审查图片。

不同部署环境注册的视觉模型名可能不同——不要硬编码某一个模型名，应先探测。

## 如何找到可用的视觉模型

用 `llm` 服务的 `resolveModelInfo` / `listProviders`，遍历各 provider 的模型，挑出 `inputModalities` 含 `image` 的作为识图模型：

```js
// 思路：遍历 provider -> listModels/resolveModelInfo -> 过滤 inputModalities 含 'image'
// 选一个支持图像输入的模型，得到 { provider, model } 传给 workflow 的 agent()
const vision = /* 探测到 inputModalities 含 'image' 的 {provider, model} */
await agent(prompt, { provider: vision.provider, model: vision.model })
```

## 用法模板

用 workflow 派发识图子代理（`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>，审查图表并输出结构化结论：' +
  '标题、坐标轴刻度/标签、图例、数据线条、是否有空白或遮挡、是否达标。',
  { provider: '<探测到的provider>', model: '<探测到的视觉 model>' }  // 指定视觉模型
)
```

## 本环境已验证示例

在本套 preset 部署的环境里，曾用 `kimi-coding / kimi-for-coding`（MiMo V2.5，`inputModalities` 含 `text`+`image`，100 万上下文）作为识图模型实测成功：
- 子代理成功读取 PNG 图
- 输出包含：标题、图表类型、坐标轴、数据线条、图例、缺陷（如"坐标轴缺刻度标签"）等结构化审查
- 审查结果可作为图表质检 / 论文配图核验 / 评审门禁的证据

> ⚠️ 这只是**一个已验证的候选**，不代表所有部署都叫这个名字。换环境后务必按上文"如何找到可用的视觉模型"重新探测；本机当前可用的经济型视觉模型是 `kimi-coding/kimi-for-coding`；若不可用，用探测到的其他 `inputModalities` 含 `image` 的模型即可。

## 说明

- `provider` / `model` 名不要写死，使用前用 `llm.resolveModelInfo` 探测确认该模型确实支持 `image` 输入
- 当前主模型（如 `deepseek-v4-flash`）若声明不支持图像输入，直接 `read_image` 会报错拒读，属预期行为，应走本方案