在昨天，我們搞定了圖片傳入到程式中，也儲存到了記憶體中（attached_images 之中），最後把它在 get_input() 中打包並回傳出來。
今天我們要把圖片正式地傳入模型中，接著探討模型支援度的問題，最後，做刪除圖片快捷鍵功能的前半部分。

接入模型

chat() 要加入 images 參數，然後在有傳入的情況下，要加入 images 鍵：

# src/meowgent/agent.py
class Agent():
	...
	def chat(..., images: Optional[List[str]] = None) -> ...:
		user_msg = {
            "role": "user",
            "content": user_input
        }

        if images:
            user_msg["images"] = images

        self.history_messages.append(user_msg)

原先多輪部分為：

# src/meowgent/agent.py（舊）
class Agent():
	...
	def chat(...) -> ...:
	
		self.history_messages.append(
            {
                "role": "user",
                "content": user_input
            }
        ) # 使用者輸入加入多輪

main.py 中要接收 images 串列，並把它傳入 chat()：

# src/meowgent/cli/main.py
...
if __name__ == "__main__":
	...
	try:
		while True:
			
			user_input, images = get_input() # 接收
			
			...
			with ...:
				for ... in model.chat(..., images=images):

沒錯，就只要這樣就好了，在 ollama_provider.py 中不用做修改了（因為圖片是以路徑的方式附加在 history_messages 裡的）。

模型是否支援圖片

現在，你可以試試看把圖片拖進畫面裡，跟自己的 Agent 來問問題了！
但是，現在還有一個問題，有可能會出現 ollama._types.ResponseError: model "qwen2.5-coder:7b" does not support images (status code: 400) 的報錯，原因是當前的模型不支援視覺，也就是說不是每一個模型都支援圖片多模態能力，所以：

1. 我們要讓使用者可以辨別此模型是否支援多模態。
2. 當在不支援的模型傳入圖片時做出攔截。
   要達成的效果如下圖：
   

支援度提示

我們對更改模型的指令做修改，讓使用者變換模型時可以得知哪些模型支援圖片，哪些不支援。
原先的程式長這樣：

# src/meowgent/cli/commands.py（舊）
...
@cmd_registry(...)
def _change_model(...) -> ...:
	try:
		new_model = questionary.select(
			"選擇模型",
			choices=[m.model for m in ollama.list()["models"]] + ["取消"],
			style=...
		).ask()
	...

現在，要對 choices 動手腳，把支援度加上去，先把原先獲取的串列生成式拉出，改為一般的迴圈。
這裡使用 ollama.show() 之中的 capabilities 屬性獲得模型能力的串列：

特別加上空串列是因為 ollama 在不知道模型能力時，會填上 Pydantic 定義的 None，看到原始碼：

class ShowResponse(SubscriptableBaseModel):
    ...
    capabilities: Optional[List[str]] = None  # 預設值是 None！

# src/meowgent/cli/commands.py
...
@cmd_registry(...)
def _change_model(...) -> ...:
	try:
		model_list = [] 
		
		for m in ollama.list()["models"]:

			cap = ollama.show(m.model).capabilities or []

m.model 是模型的名稱。

把 cap 拿來判斷是否具有「vision」能力，而因為這邊選項跟選擇後要賦的值不同，所以又用到了 questionary.Choice()：

# src/meowgent/cli/commands.py
...
@cmd_registry(...)
def _change_model(...) -> ...:
	try:
		model_list = [] 
		
		for ...:
			...
			
			model_list.append(questionary.Choice(
                    title=("[可讀取圖片] " if "vision" in cap else "[不支援圖片] ") + m.model,
                    value=m.model
                ))

最後，把 model_list 放入 questionary.select()，也別忘了取消選項，然後順便補上預設：

# src/meowgent/cli/commands.py
...
@cmd_registry(...)
def _change_model(...) -> ...:
	try:
		new_model = questionary.select(
			"選擇模型",
			choices=model_list + ["取消"],
			default=config.models.default_model, # 順便把預設補上
			style=...
		).ask()

把預設補上就可以做到提示目前使用模型的效果（上面圖中白底的就是目前所用模型）。

這裡，我們改一下之前的一個小 bug，你可以試試看在選擇的情況下按下 ctrl c，會回傳 None，然後，模型就不能回答了（因為程式不知道要用誰了）。
解決方式就是在原先取消的邏輯加上「new_model 為 None」的情況：

# src/meowgent/cli/commands.py
...
@cmd_registry(...)
def _change_model(...) -> ...:
	try:
		...
	except ...:
		...
	
	if new_model in ("取消", None):
            return None

這裡的邏輯是「如果 new_model 在 "取消" 或 None 裡」。

模型不支援時的攔截

前面說過，目前情況下，若是將圖片傳入沒有視覺能力的模型中，ollama SDK 會拋出 ollama._types.ResponseError: model "qwen2.5-coder:7b" does not support images (status code: 400) 的錯誤，並造成程式崩潰。
現在，我們來處理這件事情。
這裡我不採用例外攔截的方式，而是在傳入圖片時就判斷此模型是否擁有視覺能力，直接攔截不支援的模型：

capabilities 後面一樣用空串列兜底。

# src/meowgent/cli/main.py
from ...
import ollama
...
if __name__ == "__main__":
	try:
		while ...:
			...
			if not user_input and not images:
				...
			
			if images:
                if "vision" not in (ollama.show(model.model_name).capabilities or []): # 不支援視覺時
                    images = None

                    cli.console.print(cli.render_not_support_vision())

                    user_input = "[系統提示：使用者原本附帶了圖片，但當前模型不支援視覺讀取，圖片已被移除。請盡可能根據文字問題回答，並適度提醒使用者切換至視覺模型]\n\n" + user_input

render_not_support_vision() 的部分如下：

# src/meowgent/cli/renderers.py
...
class CLIRenderer:
	...
	def render_not_support_vision(self) -> Padding:
        return Padding(
	        "[red]此模型不支援圖片[/red][dim]，若要讀取圖片請用 /model 切換至支援的模型[/dim]",
	        (0, 0, 0, 2)
        )

刪除圖片

當我們誤把一張不需要的圖片拖入了畫面中，那要怎麼刪掉呢？

我想要的效果是按下 ctrl + O 後可以開啟刪除圖片的選單，而在選單中將選擇游標移到該圖片選項時，再按一次 ctrl + O 可以打開圖片做預覽。

這邊你也許會想到要用指令的方式，但打字打一打還需要輸入指令顯然不太合理。

選單函數

首先，我們來做負責選單的函數。
這裡用 async 宣告為「非同步」函數，至於為什麼，我們之後再說（明天為各位解釋），「先把它認定為一個普通函數就好」。
這邊匯入了 attached_images 並建立了 Console 物件（這裡就不從 renderers.py 匯入 cli 了，否則很麻煩）：

# src/meowgent/cli/input_prompt.py
from ...
from rich.padding import Padding
from rich.console import Console
from prompt_toolkit.key_binding import KeyBindings
from questionary.prompts.common import InquirerControl
from prompt_toolkit.application.run_in_terminal import in_terminal
import subprocess
...

async def _del_image():
    """ 刪除加到對話中的圖片 """
    from cli import attached_images

    console = Console()

這邊順便先把明天要用的內容一起匯入了。

按下 ctrl + O 後，會有幾個情況：

1. 沒有圖片 -> 那當然就不用渲染出選單啦，直接 return。
2. 只有一張圖片 -> 就只要把那張圖片刪掉就好。
3. 多於一張 -> 那就要派出 questionary.select() 來做選單了，然後也加上 ctrl + O 預覽的功能。

當然選單裡會有「取消」的選項，讓使用者在多張時可以只刪除其一就退出。

刪除提示

在做上面所說的邏輯前，先處理一下渲染刪除提示的部分：

del_img 是後面在 questionary.select() 所選出的項目（但在情況二時則是要自行賦值）。

為了顯示效果，這邊把路徑字串轉為 Path 物件然後只留最後面（檔名 + 副檔名部分）。

# src/meowgent/cli/input_prompt.py
...
async def _del_image():
	...
	
	def _render_del_msg():
        console.print(Padding(
	        f"[red]{Path(del_img).name} 已移除[/red]",
	        (0, 0, 0, 2)
        ))

這邊，我們把第一及第二點處理好：
第二點的部分，del_img 要先準備好（因為沒有 questionary.select() 了），然後就可以 clear() 把串列清空，最後調用 _render_del_msg() 以及 return 了。

# src/meowgent/cli/input_prompt.py
...
async def _del_image():
	...
	
	if not attached_images: # 第一點
        console.print(Padding(
	        "[dim]無圖片[/dim]",
	        (0, 0, 0, 2)
        ))
        return

    elif len(attached_images) == 1:
    # 第二點，如果只有一張 -> 直接刪
    
        del_img = attached_images[0]
        attached_images.clear()
        _render_del_msg()
        return

目前我們完成了圖片多模態的功能，已經可以把圖片交到模型手上了，而且也可以辨識及攔截不支援的模型，
但刪除圖片的功能只完成了一小部分，明天繼續完成吧！