维护者确认：#4856 模型图片输入声明与运行期对账 #4889

Activity

1. dash-s-cindy commented on Sep 22, 2026

   

   dash-s-cindyBot

   on Sep 22, 2026 – with Dash's Cindy

   More actions

   判断

   这个确认门对应两个产品点：给目录模型补「图片输入」三态声明入口（跟随供应商 / 支持 / 不支持），以及让声明对已启动的 Pi 会话即时生效。两者都有真实用户诉求和仓库既有设计预留支撑，方向成立，值得放行推进。

   从当前 main（62400c8）看，这个 PR 正是仓库自己预留的后续工作：apps/desktop/src/main/maker-host/model-catalog-override-store.ts 头注释明确写着「本轮(PR-C)刻意不加 IPC/写 API：设置 UI 是后续 PR」，且 model-plane/localCatalogOverrides.ts 的 ModelCatalogOverrideFields 已包含 supportsImageInput（base 与 perAgent 均支持，sanitize 只收布尔）。本 PR 只为这一个字段开窄写入面（两条本机 IPC，不进 device-link allowlist；按 PR 描述复用 assertTrustedProviderMutationSender 断言链，该断言在 main 的 providerHandlers 已有先例），不开放通用 patch 写入口，与 #4269 请求的三态声明方向一致。

   行动

   1. 请维护者直接在 feat(desktop): 模型图片输入能力本地声明与运行期对账 #4856 上做门禁决定：认可下述两点即 Approve；有异议用 Request Changes 写明点位（普通评论不放行）。
      • 高级设置「图片输入」行从只读展示变为三态下拉；
      • 切模 / 发送带图消息时，目录声明与会话快照不一致则热写 models.json 并 switch_session 重载子进程，重载不确认即终止任务（fail-closed）。
   2. CI 当前有一条与本 PR 无关的 main 侧红：apps/desktop/src/renderer/__tests__/cindyMakeInlineEntry.test.ts:56 仍断言旧字面量 ) : cindyMakeRecoveryId && session ? (，而 feat(plugins): add remote authorization and private setup cards #4813 已把 CCAgentSessionView.tsx（约 5274 行）改为 topSlot={cindyMakeRecoveryId && session ? (。该测试在 main 上即失败，需要 main 侧单独修一行断言（feat(desktop): 支持远程消息文件与变更撤销 #4879 分支已带等效修复）；不修会挡住所有并入 main 的 PR。
   3. bug: XD DeepSeek V4 Flash 下发仅文本能力，Pi 拦截图片但 Claude Code 可识图 #4857（XD DeepSeek V4 Flash 服务端声明 text-only 但 Claude Code 路径可识图）不在本 PR 范围（PR 明确不含 xd 网关模型声明面），需服务端目录数据另行修正，验收不要压在本 PR 上。

   动机与现状的关系

   PR 摘要中「未声明即拒收」描述的是 #4854 合入前的行为。#4854 已并入 main（按最近发布记录推断尚未进入安装包），Pi 对未声明图片能力改为默认放行：packages/maker-core/src/agents/pi/index.ts 约 2344 行 input: m.input ?? ['text', 'image']、约 5996 行 (nativeModel.input ?? ['text', 'image']).includes('image')。作者已把分支 rebase 到 upstream/main 并对齐两端口径（对账基线同样用 ?? ['text', 'image']，否则对未写 input 的模型声明 false 会被判成「无变化」而落不下去），pi-provider-routing 相关用例报告全绿。

   因此本 PR 当前的价值重心是：

   • 显式「不支持」声明：默认放行后，真实不支持图片的模型会把请求打到上游再吃报错（fix(pi): 未声明图片能力时默认允许图片输入 #4854 的风险栏也承认这一点）；声明面提供本地干净拒收的出路。
   • 已启动会话生效：会话快照是 startSession 一次性解析的，set_model 不重读 models.json；对账让旧任务切模或直接发图即生效，无需重建任务。
   • 可操作的报错：现行 PI_IMAGE_INPUT_UNSUPPORTED 文案让用户去开启一个界面上不存在的「支持图片输入」开关——当前 main 的 CustomProviderDialog.tsx 已无该复选框，ModelAdvancedDrawer.tsx 的「图片输入」行只做展示（源码中仅有取值与显示逻辑，无写入绑定，pi 下自定义供应商模型无法识别图片：能力元数据缺失时按纯文本处理，且界面中已无「支持图片输入」开关 #4534 已记录这一不一致）；新文案给出「切换一次模型或新建 Pi 任务」的真实路径。

   机制核对（已在 main 确认的部分）

   • switch_session 热重载与写失败回滚在 main 已有先例：packages/maker-core/src/agents/pi/__tests__/pi-provider-routing.test.ts 覆盖 xAI 目录刷新后的重载（SuperGrok appears after session start）与回滚（rolls models.json back when switch_session fails）用例；本 PR 复用同一机制与失败语义，不是新造的会话生命周期。
   • 目录 override 的 sanitize 面本就只接受显式契约字段（未知字段整条隔离），supportsImageInput 只收布尔；坏文件按既有语义隔离保留。
   • 回滚干净：删除 override 文件中 supportsImageInput 键即回到「跟随目录」；整 PR revert 后 UI 入口与 IPC 一并消失，无持久残留。

   建议 review / 验收重点

   • 新默认下的端到端：未声明模型默认放行 → 声明「不支持」→ 旧会话对账后本地拒收（不再打到上游）；声明「支持」对已启动会话生效。
   • 发图路径上的热重载失败语义（重载不确认即终止任务）：与 xAI 刷新一致的 fail-closed 选择，但发生在用户发图时，确认该 UX 可接受。
   • 远控 / 旧版本宿主为安装版时无对账代码，属版本差既定行为，建议在文案或文档中说明。
   • 五语文案已过 glossary 检查（作者报告）；Light 模式未单独目检，颜色全走语义 token。

   以上基于 main 62400c8 的只读核对与仓库历史记录；未运行修改版客户端，PR 中的手工验证结论（Windows dev 构建、用户实测发图生效）为作者报告，最终以 review 与 CI 为准。

   相关记录

   • fix(pi): 未声明图片能力时默认允许图片输入 #4854（已合并）：把 Pi 未声明图片能力的缺省从拒收改为放行，直接改变本 PR 的价值重心；作者已 rebase 并对齐快照基线口径。
   • pi 下自定义供应商模型无法识别图片：能力元数据缺失时按纯文本处理，且界面中已无「支持图片输入」开关 #4534（open）：「能力元数据缺失按纯文本处理、且界面无声明开关」的用户报障；新会话部分已由 fix(pi): 未声明图片能力时默认允许图片输入 #4854 覆盖，声明入口由本 PR 补上。
   • feat: 自定义供应商缺少「模型是否支持图片输入」的显式声明，支持视觉的模型也看不到图片 #4269（open）：请求三态显式声明与判定来源标注；本 PR 落了目录 / Pi 一段，跨 runtime（尤其 Claude Code 与视觉桥 classifyVisionCapability 的联动）仍是后续工作。
   • bug: XD DeepSeek V4 Flash 下发仅文本能力，Pi 拦截图片但 Claude Code 可识图 #4857（open）：XD 网关模型服务端能力声明与实际不符；本 PR 明确不含 xd 声明面，该问题需服务端目录数据修正。
   • feat(desktop): 支持远程消息文件与变更撤销 #4879（open PR）：分支携带 main 上 cindyMakeInlineEntry.test.ts 过期断言的修复，可作为 main 侧解 CI 红的参考。