openclaw - 💡(How to fix) Fix 用户直接粘贴图片时，主模型不支持图片会导致图片被静默丢弃，且无法路由到 imageModel [1 comments, 2 participants]

问题描述

当用户在 webchat 中直接粘贴/上传图片时，如果当前 agent 的主模型（primary model）不支持图片输入（input 中不包含 "image"），图片会被静默丢弃（parseMessageWithAttachments: 1 attachment(s) dropped — model does not support images），而不是自动路由到配置的 imageModel 进行识别。

更严重的是，如果主模型的 input 中标记了 "image" 但实际 API 不支持（例如 GLM-5-Turbo），图片会被发送给主模型并导致 400 错误，进而使整个对话 session 卡死，后续所有消息都无法正常响应。

复现步骤

场景 1：图片被静默丢弃

1. 配置 agent 的主模型为纯文本模型（如 glm-5-turbo，input: ["text"]）
2. 配置 agents.defaults.imageModel 为支持视觉的模型（如 zai/glm-4.6v）
3. 在 webchat 中直接粘贴一张图片并发送
4. 实际结果：日志显示 parseMessageWithAttachments: 1 attachment(s) dropped — model does not support images，图片被丢弃，agent 收到的消息中没有任何图片内容
5. 预期结果：OpenClaw 应自动将图片路由到 imageModel 进行识别，并将识别结果注入到 agent 的对话上下文中

场景 2：图片导致 session 卡死

1. 配置 agent 的主模型 input 包含 "image"，但模型 API 实际不支持图片（如 GLM-5-Turbo）
2. 在 webchat 中直接粘贴一张图片并发送
3. 实际结果：API 返回 400 错误，由于图片仍保留在对话历史中，后续所有消息都会触发同样的 400 错误，session 完全无法使用
4. 预期结果：不应将图片发送给不支持的主模型；即使 API 调用失败，也不应导致 session 卡死

当前配置

// openclaw.json 关键配置
{
  "models": {
    "providers": {
      "zai": {
        "baseUrl": "https://open.bigmodel.cn/api/coding/paas/v4",
        "api": "openai-completions",
        "models": [
          {
            "id": "glm-5-turbo",
            "input": ["text"],  // 纯文本模型
            "reasoning": true
          },
          {
            "id": "glm-4.6v",
            "input": ["text", "image"]  // 视觉模型
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": { "primary": "zai/glm-5-turbo" },
      "imageModel": { "primary": "zai/glm-4.6v" }
    }
  }
}

源码分析

• subsystem-Cgmckbux.js:324 中的 parseMessageWithAttachments 函数在发现主模型不支持图片时直接丢弃图片（attachment(s) dropped）
• runner-GjYg-C-v.js 中存在 resolveImageModelFromAgentDefaults 和 media-understanding 路由逻辑，但似乎只在 image 工具调用时生效，不会在用户直接粘贴图片时触发
• 日志中可见 Skipping image understanding: primary model supports vision natively（当主模型标记支持图片时），以及 attachment(s) dropped（当主模型标记不支持图片时），但没有看到自动路由到 imageModel 的日志

环境信息

• OpenClaw 版本：2026.4.15 (041266a)
• Node.js：v24.14.0
• 系统：macOS (Darwin 25.4.0, arm64)
• 频道：webchat
• 主模型：zai/glm-5-turbo（智谱 Coding Plan）

期望行为

1. 自动路由：用户粘贴图片时，如果主模型不支持图片，应自动将图片发送到 imageModel 进行识别，将结果注入对话
2. 优雅降级：即使 imageModel 也失败，也不应导致 session 卡死
3. 用户提示：如果图片无法处理，应向用户明确提示，而不是静默丢弃

临时解决方案

目前只能在 agent 的 system prompt 中指导用户将图片保存到本地文件路径，然后 agent 通过 image 工具或 MCP 工具（如 zai-mcp-server 的 analyze_image）手动读取。但这严重影响了用户体验。