我目前使用的 AI 工具是 Zcode，然后搭配 Opencode Go 套餐里面的 deepseek-v4-flash 模型。性价比很高，速度和模型能力都非常棒，所以被我当成主力模型。 但是它存在一个巨大的问题就是不支持多模态，官网目前好像是支持视觉识别了，但是我是调用了 api 在第三方客户端。而我恰好非常需要这个场景，所以我就想了一个办法，如果能在不更改当前会话模型的情况下，进行图片识别，那...