模型与多模态委托配置指南
Piwin 提供了非常强大且细粒度的模型管理体系。通过灵活的模型配置，你可以将不同特性（深度推理、极速看图、绘图、视频生成）的模型按需组合，让智能体在保证开发质量的同时大幅缩减 Token 开销与响应耗时。
本文档将详细说明推理模型、视觉委托、输出委托、生图模型及视频生成模型的配置方法。
1. 模型配置面板概览
打开客户端 「设置」➔「模型与委托 (Models & Delegation)」，核心配置区域划分如下：
┌─────────────────────────────────────────────────────────────┐
│ 模型与多模态委托配置中心 │
├─────────────────────────────────────────────────────────────┤
│ 1. 主力推理模型 (Chat Models): DeepSeek V3 / Claude 3.7 / GPT│
│ 2. 视觉委托模型 (Vision Delegate): Gemini 2.5 Flash / Qwen-VL│
│ 3. 输出委托模型 (Output Delegate): [可选] 用于润色结论 │
│ 4. 图像生成模型 (Image Generation): Flux / DALL-E / SD │
│ 5. 视频生成模型 (Video Generation): Kling / Runway / Luma │
└─────────────────────────────────────────────────────────────┘
2. 视觉委托模型 (Vision Delegation)
2.1 为什么需要视觉委托？
许多顶级的代码推理模型（如某些纯文本模型、或每百万 Token 价格高昂的思考模型）在直接处理大分辨率 UI 截图或系统架构图时，会耗费海量上下文 Token，且推理耗时极长。
视觉委托机制通过运行时 Hook 实现了任务拆解：
- 轻量模型看图：当你粘贴或上传一张图片时，Piwin 自动唤起低延迟、高性价比的轻量多模态模型进行特征提取与 OCR 转录；
- 结构化结论回填：提取后的精简文本结论连同你的输入一同交由主力思考模型（如 Claude 3.7 / DeepSeek 等）编写代码；
- 收益：毫秒级响应、上下文 Token 消耗降低 70%~90%、推理成本趋近于零。
免费视觉模型获取教程（Google AI Studio 免费 1500 次/天、硅基流动 Qwen-VL、本地 Ollama）：请直接查阅 视觉模型与委托配置指引。
3. 输出委托模型 (Output Delegation)
3.1 机制说明
输出委托旨在通过一个轻量且语言表达更通顺的模型，对原始推理模型的输出结论进行结构化重写与排版润色。
现状说明
在当前版本中，该功能主要用于实验性测试。对于大多数现代顶级编程模型（如 Claude 3.7 Sonnet、DeepSeek V3/R1），其原生表达与代码结构已经非常优秀，通常无需开启输出委托；若非特定需求，保持默认关闭即可。
4. 图像生成模型 (Image Generation · image_gen)
Piwin 内置了原生的 image_gen 工具契约。当你在对话中要求智能体“生成一张配图”、“绘制一个应用图标”或“设计一张海报草图”时：
- 智能体会自动调用
image_gen工具； - 系统会使用你在图像生成模型中配置的默认模型进行出图；
- 生成的图像会自动安全保存在本地资产库（
~/.piwin/media/）并在客户端中原生渲染图片卡片，无需手动拼接 Markdown 图片语法。
支持模型类型：
- OpenAI DALL-E 3 (
dall-e-3)； - xgrok Web 渠道：通过社区开源 xgrok 桥接免费 Grok 账号的 Imagine 生图端点，或 FLUX 系列；
- 硅基流动 / 智谱等兼容 OpenAI 图像格式的模型（如
black-forest-labs/FLUX.1-schnell、CogView等）； - 自定义文生图 API 端点。
5. 视频生成模型 (Video Generation · video_gen)
与生图模型类似，Piwin 内置了 video_gen 动态短视频生成工具：
- 输入支持：支持根据纯文本描述（Text-to-Video）或参考图片路径（Image-to-Video）生成短视频片段；
- 配置方式：在视频生成模型栏目中填入支持视频生成的 API 端点、Key 与 Model ID：
- xGrok Videos (
xgrok-videos)：如果你使用免费 Grok 账号配合社区xgrok，协议选择xGrok Videos（请求路径/videos/generations），填入如grok-imagine-video，即可零成本白嫖短视频生成能力； - OpenAI / 自定义视频端点：支持填写各类商用视频生成服务的端点与凭证；
- xGrok Videos (
- 呈现效果：视频生成完成后由前端原生渲染播放器组件，支持循环预览与本地下载。