视觉投影：让本地模型看懂图片

本地模型的视觉短板与补法

纯文本 GGUF 模型只认文字。多模态开源模型（如视觉语言模型）的发布包里通常还带一个投影文件，扩展名 .mmproj——它负责把图像转成模型能理解的表示。Agora 支持把两者配对：主模型管语言，投影管看图。

配对步骤

1. 下载模型时确认发布页同时提供 .mmproj 文件（没有就说明该模型不支持视觉）；
2. 「设置 → Providers → Local」导入或编辑模型条目；
3. 在条目里关联可选的视觉投影文件；
4. 保存后，模型行会出现视觉支持的标记，聊天里发图片即可走多模态处理。

换绑与删除的细节

官方手册明确了几个容易踩的清理规则：

• 编辑条目替换或移除投影文件时，Agora 会删除旧的投影副本——不用担心残留占空间；
• 删除整个模型条目时，应用托管的 GGUF 与投影文件一起删；
• 这些删除只作用于应用自管理的副本，你自己下载的原始文件在应用外部，不受影响。

能力预期

• 本地视觉模型的表现与参数量强相关，小模型看图能力有限，复杂的图表、密集文字识别不要抱太高期望；
• 视觉处理同样吃内存，与上下文大小叠加计算；
• 云端多模态（如 Gemini）的效果通常好于本地小模型——重要场景两条路线都试再定。

相关页面

• 主模型的导入与参数，回看导入 GGUF 模型；
• 附件（图片、视频、PDF）在对话里的完整处理链路，见附件与多模态。