发现一个有意思的问题
我遇到个报错，顺手截了个图，贴到Claude Code对话框里。等了半天，它回了我一句：[Unsupported Image]。
果然，我调用的是DeepSeek V4模型，暂时还没有视觉功能。截图发过去，它就等于接到了一个"此处有图但我看不见"的信号。同一个IDE里的CodeBuddy能看图，但它俩各跑各的，谁也不认识谁。
一个有脑子没眼睛，一个有眼睛不聪明。能不能让它俩组个队？
第一步：搭通信桥梁
我给它俩设计了一个"共享信箱"——在项目目录里建了个文件夹，每个AI往里写消息，也定期来翻翻有没有新消息。你写一行JSON，我读一行JSON，不需要网络、不需要服务器，纯靠文件交换。
Claude Code回完消息后就自动推送一条到CodeBuddy的收件箱。轮到我说话了，消息发送之前，先跑一个脚本翻翻CodeBuddy有没有留话。一推一拉，通道打通了。
第二步：图片怎么传
Claude Code压根看不见图，怎么转发？Windows有个特性——刚复制或粘贴的图片，其实还在系统剪贴板里。每次发消息之前，先检查剪贴板，有图就自动保存到工作目录，把路径告诉Claude Code去转发。
到了CodeBuddy这边，它收到请求，用多模态模型一看，分析结果写成消息放到Claude Code的收件箱。
第三步：解决等待问题
最后一步最麻烦——Claude Code发完请求后，怎么拿回复？它俩没法实时通信。解决方案：发完请求后原地等，每两秒检查一次收件箱，最长等90秒，找到了就继续。
几个环节串起来以后，我现在的工作流是：碰见问题→截个图→切到IDE里粘贴→发送。全程只需要做一件事——粘贴，发送。
不止传图片：双Agent互审
这个通道不只是传图片。两个AI还能互相审方案。Claude Code出方案，推给CodeBuddy说"你从不同角度看看"，CodeBuddy读完反馈，Claude Code再调整。一个出方案一个审方案，像个种子评审小组。
24小时后的进化：CB助手
系统跑通后又发现新问题：CodeBuddy只有在我跟它说话时才去看收件箱。我不打字，它就不看。而且回复质量不稳定——因为我的请求就一句"请分析这张图片"，全凭它心情发挥。
于是我在它俩中间塞了一个常驻的"快递员"——Node.js写了一个叫CB助手的背景服务。它一直在后台运行，每3秒翻一次CodeBuddy的收件箱，有新消息直接处理。不管我人在哪个对话框，3秒内必有反应。
然后我又给任务加了结构化指令——告诉它这是什么类型的图、分析到什么深度、重点看什么、用什么格式输出。不再是一句"请分析这张图片"。
最后，我把这套流程做成了Claude Code里的技能包（Skills）。以后自动按标准步骤来：确定参数→构建结构化请求→发送→展示结果。
一些实际的记录
- 全部通信靠本地文件交换，不依赖网络，纯离线可用——对涉密行业很重要
- 剪贴板检测脚本加了自动清理，7天前的旧图自动删
- 轮询等待最长90秒，实际上大部分图片识别10-30秒就回来了
写在最后
单一大模型再强也有限制。一个能推理不能看，一个能看但推理方向不同。但它们组合起来，很多事情就变得可能了。
很多所谓的"能力边界"，限制可能不在模型本身，而在你怎么搭桥让不同的能力互补。两个不完美的AI凑一块儿，能干出一个完美的AI干不了的事。
我一开始只想解决"截图看不见"这个小问题，结果搭了一套双Agent通信体系出来。有时候就是这样，一个具体的痛点推着你往前走，走到的地方连自己都没想到。
评论