作者主力使用Zcode搭配deepseek-v4-flash模型，性价比高但该模型不支持多模态。为在不切换会话模型的情况下识别图片，作者利用skill机制，让当前模型按SKILL.md说明调用analyze_image.py脚本，通过外部多模态API（如阿里百炼qwen3.7-plus）识别图片并返回结果，兼容OpenAI与Anthropic格式。代码已开源在GitHub的image-analysis-fallback项目。