本来 harness 是没有识图能力的,然后我让他自己搞个插件看图,给他硅基流动和阿里云的,最后测下来用了阿里云的 qwen3.7-flash 来识图。
中间有两个坑,一个是 input 不支持图片,然后他自己会通过修改配置把 image 支持加上去。然后就是每次输入会把缓存的图片重新识别,这个提醒之后他改成重用识图结果的模式,然后就交流飞快了。
都弄好了之后,现在可以直接题图加文字扔给 harness 处理了,不过识图速度还是不够快。
虽然没有大的测试,但从这点东西来看,自由度还是很高的。随时可以自己加能力,如果缺的话。估计再过一两周应该就会看到一些实用的专门产品出来了。
这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.