这次修的是本地 Agent 的视觉输入。原有主模型可以处理文字，却不能接受图片请求。聊天、工具和已有配置都已经能工作，整条主链没必要重做；缺的是一条明确的图片分流，谁接收图像，失败时怎样返回，描述又怎样进入后续任务。
我保留主链路，只给图片单独接一个视觉 provider。图片先进入视觉链路，转成文字分析，再交给主 Agent 继续推理。历史记录里确认过原主模型链路对图片请求返回错误，也用同一服务中的一个视觉能力模型做过极小图片请求验证。公开档案不记录 provider、模型名或端点。视觉 provider 分流链路示意
这个改法的好处是问题能分清。主模型继续处理文字和工具，视觉链路负责把图片看成可读描述。失败时也更容易知道是哪一段出了问题，是 resolver、依赖条件、视觉工具调用，还是后续文字推理没有接住。
Codex 定位了 resolver 的选择结果，验证主链路的图片错误，探测可用视觉能力，修改配置，并用最小图片完成端到端检查。公开正文删掉了服务名、模型名和全部配置值。我确认只改视觉分流，不动主聊天模型。验收覆盖解析结果、依赖条件、工具成功状态和一个基础颜色样例，没有用私人图片做公开证明。
集成方法与验证边界可以公开，具体 provider、模型、端点、额度和本机配置继续保密。一次颜色测试只能证明最小链路可用，不能代表复杂 OCR、图表、医学影像、真人照片或长期稳定性。外部服务变化后仍需重新验证。