截图可见≠模型收到:Agent 图像链路排查三步法
derspenti · reddit · 2026-09-10
作者指出一个常被忽略的诊断误区:聊天窗口里能看到截图,不代表模型真的接收到了图像——当模型漏看生成幻灯片里的明显问题时,应同时排查视觉推理和图像传递路径。
以 DeepSeek Harness 中的 dsh-univer-office 插件为例:Office 截图工具渲染文档后通过 attachment store 返回图像,该路径要求 attachment store 可用且模型路由支持图像输入;浏览器预览与附加到模型下次请求的图像是两种不同的观察。
作者给出最小化排查流程(一张幻灯片+一次截图):
- 截图操作是否产出了图像附件,而非只有文件名或文本消息
- 配置的路由是否把附件带进了模型请求
- 模型能否识别出周围文本未提供的视觉细节
这三步可区分「附件没送达」和「模型收到了但理解错误」。作者强调这是诊断建议而非跑分结论,插件文档只覆盖自身 Office 工具链,不能证明所有嵌套 MCP/ACP 图像链路都正常——本地多模态环境出问题时,应先记录到底什么到达了模型,再下结论。
「编程与Agent」频道最新
- OpenAI 动员 250 人用 Codex 智能体修漏洞，公开 Defense Factory 架构 — rohanpaul_ai · 2026-09-10
- SWE-Bench Pro 被曝泄题与奖励劫持,Verified 版显示部分模型成绩虚高 — Shanghai-AI-Laboratory · 2026-09-10
- Qoder 发布内置模型 Sonus:主打 Computer Use 与长程自主任务 — Scobleizer · 2026-09-10
- Millie 35B 三值 MoE 本地跑通 iPhone:SWE-bench Verified 得分 56% — MannyKayy · 2026-09-10
- 从 3.2 万封邮件蒸馏出 Linus 风格 code review Skill,含可复现管线 — Mte90 · 2026-09-10
- Qwen3-VL-2B 微调成计算机操作 Agent，无头标注软件里全自动完成细胞分割 — secemp9 · 2026-09-10