在codex主要接deepseek的api使用时，会遇到需要识图功能的时候， 
因为是纯文本，如果上传图片会报错，也无法识图。 
但是也不想用别的模型，因为另外也有airp方面的需要， 
而d破限很简单，更何况再也没有像d这样 对我来说好用还白菜的了 
而gpt折腾半天都不行（站内lv1可以浏览的帖给出的方法都试过了） 
所以我在想有没有这样一个办法 
在接入d的api的情况下，本地部署一个可以识图的多模态， 
在需要文本以外功能时调用这个小模型，然后继续工作 
我试了下结果不行，上传依旧报错，且没有调用 
不知道是我自己的问题，还是说这个想法无法实现… 
ps：本人比较小白 环境为mac 
pc上还没试过