deepseek看图工具2.0版本

主模型（Claude Code）看不了图，贴截图只回 `[Unsupported Image]`——配置标"支持图片"是假的，没把图喂给它。同屏 CodeBuddy 走 deepseek-v4-pro 能认图。那就组队：贴图→转交→识别→回传，全程本地文件交换。链路是剪贴板钩子存图→主模型推请求到共享收件箱→常驻桥接 agent-bridge 3 秒扫到→调 CodeBuddy 看图→结果回收件箱→主模型轮询（每 2 秒、最长 90 秒）拿结果回复。# 四个关键技术**① 结构化协议 `[ANALYSIS_REQUEST]`**：把"请分析这张图"换成带字段指令：```[ANALYSIS_REQUEST]image_type: chartdepth: extract # ocr/extract/summary/detailedfocus: 提取数值日期```depth 四档定提问策略：ocr 逐字转录不漏不改、extract 抽数据结构化、summary 概括、detailed 详述。协议一定，质量稳定。**② 常驻桥接 + 心跳自愈**：桥接是常驻 Node 进程，每 30 秒写心跳。发图前先探活，超 90 秒判死，当场杀旧拉新再发，看门狗崩溃自动重启。从"祈祷它活着"变"死了自己拉起"——这是 1.0 到 2.0 的分界。**③ 同步轮询**：发完原地等，每 2 秒翻收件箱、按消息 ID 配对找回复，最长 90 秒。不用补一句"好了吗"，一回合闭环。实测 10~48 秒。**④ 长回复落盘**：超 3000 字符自动存文件返回路径，避免被截断。## 踩过的坑- **最大坑**：直接 `codebuddy -p` 走默认混元3（纯文本、无多模态），它编着"分析"一张没看见的图。必须走桥接写死的 `--model deepseek-v4-pro`。验证：让模型自报家门，问题里别带模型名。- **配置骗人**：`supportsImages:true` ≠ 真能看，实贴一张图测。- **超大图**：9000 像素宽会提示输入超限，缩到最长边 ≤3000。- 其他：扫描件 PDF 先用 PyMuPDF 转 PNG 再发；中文路径乱码就用 PowerShell 7。能力边界在搭桥，不在模型。完整方案（15 页 PDF：目录树/协议/配置/踩坑/实施清单）评论喊一声。#deepseek多模态 #deepseek识图