Repository navigation
v0.1.25
新增
read_image 识图工具
主对话模型不支持图片输入(supports_images = false,如 deepseek-v4-pro)时,read 读图片只能拿到文件名/大小的占位文本。现在配置顶层 default_vision_model(指向普通 providers 段中 supports_images = true 的多模态模型)后,read_image 工具自动注册——Agent 传入图片路径与可选识别指令 prompt(如"提取图中文字",缺省为详细描述),工具内部将图片(经 max_image_dimension 压缩)发送给该多模态模型,把文本描述返回给主模型。主模型支持图片时该工具不注册(default_vision_model 被忽略并打 info 日志)。
default_model = "deepseek/deepseek-chat" # 主模型 supports_images = false
default_vision_model = "qwen/qwen-vl-max" # 多模态模型,定义于 providers 中
[[providers.qwen.models]]
id = "qwen-vl-max"
supports_images = true配套变更(robit-ai):resolve_profile 的 provider/model 查找逻辑提取为共享的 resolve_provider_model;新增 resolve_vision_model(支持精确到 provider/具体model_id,不受"显式 provider 名只取第一个 model"的限制)与 LlmClient::from_resolved 构造入口。
修复
- 构建:发版 CI 的 GUI 三平台构建失败——
tauri-plugin-shell(Rust crate 2.4.0)与 CI 全新安装的 npm@tauri-apps/plugin-shell(2.5.0)major/minor 不一致被 Tauri CLI 拒绝构建。修复分三层:cargo update对齐 Rust 侧至 2.5.0(tauri 2.12.3 等依赖同步更新);package-lock.json重新生成为公共 npm 源(旧 lock 混有内网 Nexus 源 URL,CI 不可达),@tauri-apps/plugin-shell钉为精确版本2.5.0;release.yml 的 GUI 依赖安装改用npm ci严格按 lock 安装,杜绝"未改代码却因依赖漂移挂发版"的静默失败。