Claude Code 或者dsh使用第三方单模态模型时，有没有优雅的图片识别方案？支持自动调用视觉模型吗？
最近在折腾 Claude Code和dsh，接入了一些第三方模型和 Coding Plan 套餐，例如： 


腾讯云 Coding Plan 


硅基流动的 DeepSeek 系列模型 


DeepSeek 官方 API 等 


这些模型用于日常编程基本能满足需求，而且成本比较低。 
但目前遇到一个比较影响体验的问题：部分模型不支持图片输入。 
比如在 Claude Code 里调试前端、查看报错截图，或者分析某个软件界面时，我习惯直接截图，然后粘贴到 Claude Code 里让它分析。 
但如果当前接入的模型不支持多模态，就会直接提示类似： 
This model does not support multimodal input 
我想实现的效果
理想情况下，希望 C...