[Bug] 识图模型无法被"同一配置内的识图功能"正确调用

提交前确认 / Before submitting

• 我已经搜索过现有 Issue，确认这不是重复问题。
• 我已经移除日志、截图和配置中的密钥及隐私信息。

Operit 版本 / Operit version

1.12.1

运行形态 / Distribution

Release APK

设备与运行环境 / Environment

Vivo x200pro android 16

问题领域 / Area

Chat / 对话与消息

主要问题描述 / Main problem description

您好，

反馈一个识图路由的问题，已确认稳定复现。

现象： 把纯文本模型和识图模型放在同一个模型配置里，功能配置的图像识别指向该配置的识图模型后，聊天中发图时始终走纯文本对话模型，无法自动调用识图模型。

根因判断： 对话所用配置的「模型支持识图」开关被打开时，系统似乎直接判定"对话模型支持识图"，把图片塞给了对话模型，绕过了 IMAGE_RECOGNITION 绑定的识图模型；即使对话模型实际是纯文本（deepseek 系列）也会误触发。建议将 enableDirectImageProcessing 的判定粒度从"配置级"细化到"模型级"（即判断当前 modelIndex 实际选中的模型是否真支持视觉）。

解决办法： 把识图模型独立到新配置，并关闭原对话配置的识图开关后恢复正常。

完整的复现步骤、修改前后配置快照与对比表已整理在附件 Markdown 中，供排查参考。谢谢！

复现步骤 / Steps to reproduce

1. 新建一个模型配置（记为 配置1），modelName 同时填入多个模型，例如：

deepseek-v4-flash-0731,deepseek-v4-pro-0813,qwen-max,qwen3-vl-flash

2. 在 配置1 中，开启「模型支持识图」（enableDirectImageProcessing = true）
3. 功能模型配置里：

• 对话（CHAT） → 绑定 配置1 的纯文本模型（如 deepseek-v4-pro-0813）
  • 图像识别（IMAGE_RECOGNITION） → 绑定 配置1 的识图模型（如 qwen3-vl-flash）

4. 在聊天中发送图片，观察识别结果

实际结果： 图片走了对话模型（纯文本），识图功能没有被触发，模型无法"看懂"图片。

复现频率 / Reproducibility

Always / 每次发生

相关配置 / Related context

把识图模型单独拆到 配置2，配置1 关闭「模型支持识图」，问题解决 ✅

修改后的当前实际配置快照：

配置1 — Qwen（对话用，已关闭识图）

----json-----
{
"id": "6291d70d-84d7-4ee8-ae93-26f78f3e4382",
"name": "Qwen",
"modelName": "deepseek-v4-flash-0731,deepseek-v4-pro-0813,qwen-max,qwen3-vl-flash",
"enableDirectImageProcessing": false
}

配置2 — Qwenvl（识图专用，独立配置）

----json-----
{
"id": "d5a53ad5-5655-4174-810a-a7b8b32c053f",
"name": "Qwenvl",
"modelName": "qwen3-vl-flash-2026-01-22",
"enableDirectImageProcessing": true
}

功能绑定（修改后）：

----json-----
{
"CHAT": { "configId": "Qwen", "modelIndex": 1, "model": "deepseek-v4-pro-0813" },
"IMAGE_RECOGNITION": { "configId": "Qwenvl", "modelIndex": 0, "model": "qwen3-vl-flash-2026-01-22" }
}

即：识图模型必须独立成一个配置，且用于对话的那份配置要关闭识图开关，识图中转链路才会生效。

截图或录屏 / Screenshot or recording

在软件里，将纯文本模型和识图模型放在同一个模型配置中，并在功能配置里让"图像识别"指向该配置中的识图模型。此时：

• ❌ 对话中发送图片后，始终走对话模型（纯文本），无法自动调用识图模型
• ❌ 图像识别功能虽然选择了识图模型，但实际没有被成功链到识图链路

日志或错误信息 / Logs or error output

识图模型路由Bug反馈.md

First reproduce the issue with one configuration containing both text and vision models, using the CHAT and IMAGE_RECOGNITION modelIndex bindings. Then trace the routing path around enableDirectImageProcessing and verify whether the selected model or only the configuration controls image handling. Done means an image sent through the text-model binding is routed to the selected vision model in the same configuration.