本来 harness 是没有识图能力的，然后我让他自己搞个插件看图，给他硅基流动和阿里云的，最后测下来用了阿里云的 qwen3.7-flash 来识图。

中间有两个坑，一个是 input 不支持图片，然后他自己会通过修改配置把 image 支持加上去。然后就是每次输入会把缓存的图片重新识别，这个提醒之后他改成重用识图结果的模式，然后就交流飞快了。

都弄好了之后，现在可以直接题图加文字扔给 harness 处理了，不过识图速度还是不够快。

虽然没有大的测试，但从这点东西来看，自由度还是很高的。随时可以自己加能力，如果缺的话。估计再过一两周应该就会看到一些实用的专门产品出来了。