[BUG] 当前支持视觉的模型无法通过 read 工具读取图片内容

[contrueCT]

• 描述：当前即使接入了具备视觉能力的模型，read 工具仍无法把图片内容有效传递给模型，导致图片只能被当作普通文件而不是视觉输入处理。
• 影响：图片理解、截图分析、界面检查等依赖视觉输入的能力不可用，工具实际能力与模型能力不一致。
• 期望：read 在图片输入场景下可以正确触发视觉理解链路，并返回可用于后续推理的内容。
• 验收标准：常见图片格式可稳定读取；模型能基于图片内容返回结果；失败时有明确报错而不是静默失效。