v1.1.0: 任务调度4工具架构 + 分级模型配置

Breaking Changes

• 移除 multimodal_grounding_augment 单工具入口，请使用新的 4 个独立工具
• 移除文档类型支持（PDF/DOCX/PPTX/XLSX/TXT/MD）
• 移除 maxVideoFrames / maxDocPages 配置项（不再需要）

新工具

工具	说明
visual_describe	场景描述（自然语言），先理解画面
visual_locate	坐标定位（JSON），注入 describe 上下文
visual_ocr	文字/表格提取
visual_video_analyze	视频内容分析

分级模型配置

VISION_API_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
VISION_API_KEY=sk-xxx
VISION_MODEL_NAME=qwen3.5-plus        # 默认模型

# 可选：每工具独立模型
VISION_MODEL_DESCRIBE=qwen3.5-plus
VISION_MODEL_LOCATE=qwen3.5-plus
VISION_MODEL_OCR=qwen3.5-plus
VISION_MODEL_VIDEO=qwen3.5-plus

视频处理

视频通过 video_url 直接发送给视觉模型，不再使用 FFmpeg 抽帧。移除 ffmpeg-static / sharp / pdf-poppler 依赖。

推荐用法

visual_describe(image) → 理解场景
visual_locate(same_session, "找到提交按钮") → 获取坐标