AskaEth
b0fbb8bc0d
- 只翻注释/文档字符串，代码零变化：go/scanner 词法流比对 21 文件 token+字面量全等，增删行数 1:1（467/467） - 刻意保留非散文英文：JSON Schema description、工具 Description() 返回值、adapter prompt、API 路径与命令示例、环境变量名 - 逐行确认代码前缀未变，未触碰其他模块
18 lines
852 B
Go
18 lines
852 B
Go
// Package multimodal 汇集运行时对非文本输入/输出的处理：
|
||
// 图像理解（视觉 vision）与语音（voice）。
|
||
//
|
||
// 它遵循 DevDocs/design/06-多模态.md：
|
||
//
|
||
// - vision 子包按分层策略路由图像消息（先主模型，
|
||
// 再工具形态的 vision/OCR 适配器），并把
|
||
// 这些适配器注册为 sdk.Tool 能力，使 M2 工具循环能调用
|
||
// 它们，而无需把图像放进主模型上下文。
|
||
// - voice 子包通过一条降级提供方链
|
||
// （cloud → local → edge-tts/espeak → silent）提供异步 STT/TTS。
|
||
//
|
||
// 两个子包都把真实的提供方调用藏在接口之后，并提供一个 HTTP
|
||
// 默认实现，因此可用标准库 httptest 服务器测试，
|
||
// 同时把真实的云端/本地提供方留作后续
|
||
// 里程碑的适配点。
|
||
package multimodal
|