🐛 ocr还是有问题, 在支持多模态的大模型情况下还是调用的本地ocr, 识别图片失败

[lordquest]

提交前确认 / Preflight

• 我已搜索过 issues,没有重复 / I searched existing issues and found no duplicate
• 我用的是最新版本(或已说明所用版本) / I'm on the latest version (or stated my version below)

版本 / Version

0.2.108

安装方式 / Install method

直接下载 release 二进制手动运行 / downloaded release binary, ran directly

操作系统 / OS

Windows

环境细节 / Environment detail

No response

问题描述 / What happened

如题描述

复现步骤 / Steps to reproduce

1. 使用现在免费的stealth/ox-alpha 大模型, 在codebuddy中验证了大模型识图功能没问题. 但是同样的配置在deepx-code里一直调用的本地ocr, 直接粘贴图片不行, 使用图片绝对路径的方式也不行.

报错信息 / 日志 / Error output / logs

[lordquest]

现在好像提不了PR, 先把临时的解决办法记下来吧:

问题： ProbeVision  把 HTTP 429（限流）当成"不支持图片"缓存成  Vision=false ，导致视觉模型被永久降级走 OCR。

修复：把 429 从 4xx 里剥出来，当作瞬时错误处理（不缓存），下次启动会重探。

Commit： 7595d49  分支： fix/vision-probe-429-rate-limit  仓库： lordquest/deepx-code-feature-input-area-scrollable 

变更文件： agent/vision_probe.go （仅此一处，+6/-5）

Diff：

case resp.StatusCode >= 400 && resp.StatusCode < 500:

• // 4xx 多半是"该模型不支持图片输入" → 确定性 false,可缓存。
  +case resp.StatusCode == 429 || resp.StatusCode >= 500:

• // 429/5xx 是瞬时错误，不缓存；下次启动或重试还能再探。
• return false, fmt.Errorf("probe HTTP %d: %s", resp.StatusCode, string(body))
  +case resp.StatusCode >= 400 && resp.StatusCode < 500:
• // 其余 4xx 才是"该模型不支持图片输入" → 确定性 false，可缓存。
  return false, nil
  -default:

• // 5xx 等:瞬时错误,不缓存。
  +return false, fmt.Errorf("probe HTTP %d: %s", resp.StatusCode, string(body))

根因验证：ox-alpha via OpenRouter 共享池对探测请求返回 429，被误判为无视觉能力，触发本地 OCR 路径。

[itmisx]

好的，马上修复

[itmisx]

@lordquest 已修复

[lordquest]

@lordquest 已修复

试了一下, 故意把.deepx\meta.json 中 model_caps 里的模型是否支持多模态标志删除时, 再让deepxcode自动探测, 概率性出现无返回结果(meta.json 中没有探查到模型是否支持多模态, 有可能是超时没有返回), 退回到本地ocr的情况. 出现概率大约是1/3