helper 配置 pi 时第三方 Plan 模型缺少 input/contextWindow 元数据，导致多模态模型被宿主按纯文本处理

[yaokuku123]

环境

• arkcli: 1.0.33
• 目标 harness: pi-coding-agent 0.86.0（@earendil-works/pi-coding-agent，macOS）
• 配置命令：arkcli helper configure pi（Agent Plan profile）

问题描述

arkcli helper configure pi 写入 ~/.pi/agent/models.json 时，只有豆包（doubao-seed-*）系列模型被补全了模型元数据（input / contextWindow / maxTokens），第三方 Plan 模型（GLM / Kimi / DeepSeek / MiniMax）的条目只有光秃秃的 {"id": "..."}。

pi 对 models.json 里未声明 input 字段的自定义模型默认按 ["text"] 处理（见 pi 官方文档 models.md，input 缺省为 text-only），结果就是：GLM-5.3-Flash、DeepSeek-V4-1-Flash、Kimi-K3、MiniMax-M3 这些原生多模态模型，在 pi 里全部无法读图——pi 的 read 工具遇到图片直接丢弃并提示：

[Current model does not support images. The image will be omitted from this request.]

复现步骤

1. arkcli helper configure pi，选择 Agent Plan profile 完成配置
2. 打开 ~/.pi/agent/models.json，观察 providers.agent-plan.models 数组
3. 对比 doubao 与非 doubao 条目：

// doubao 系列正常：
{ "contextWindow": 262144, "id": "doubao-seed-2-1-turbo-260628", "input": ["text","image"], "maxTokens": 256000 }

// 第三方模型缺少全部元数据：
{ "id": "glm-5-3-flash" },
{ "id": "kimi-k3" },
{ "id": "deepseek-v4-1-flash" },
{ "id": "minimax-m3" }

4. 在 pi 中切换到 glm-5-3-flash，让它读取一张本地图片 → 图片被丢弃，报 "does not support images"

根因分析

helper 文档提到模型元数据走 ArkModels LookupModelMeta → enrichModelMeta 管道，「查询失败时扩展字段保持未知并省略」。实测发现两个问题：

1. 控制面模型索引查不到第三方模型：arkcli models search kimi / search minimax 返回 {"items": []}，search glm 也搜不到 glm-5.3，于是 enrich 被跳过；
2. 但部分模型明明有权威数据却没被用上：例如 arkcli models search glm-5-3-flash 能查到完整模态信息——

{
  "name": "glm-5-3-flash",
  "input_modalities": ["text", "image", "video"],
  "context_window": 1048576,
  "max_completion_tokens": 131072
}

deepseek-v4-1-flash 同样能查到 input_modalities: ["text","image","video"]，但写入 pi 配置时这些字段全部丢失。

实际影响

• 多模态模型在 pi 中退化为纯文本，图片输入被静默禁用；
• contextWindow 缺省时 pi 按 128K 处理、maxTokens 按 16K 处理，远低于这些模型实际支持的 1M 上下文，长上下文场景会被提前截断。

建议修复

1. helper 写 pi 的 models.json 时，对控制面索引查不到的第三方 Plan 模型提供元数据回退来源（如 Plan 侧模型清单、或内置一份 Plan 模型能力表），至少把 input_modalities → input、context_window → contextWindow、max_completion_tokens → maxTokens 映射写全；
2. 对确实无法获知模态的模型，在 helper configure 完成输出中提示用户：pi 侧未声明 input 的模型将按纯文本处理，多模态模型需手动在 models.json 中补 "input": ["text", "image"]。

当前 Workaround

手动在 ~/.pi/agent/models.json 的对应模型条目补上（已验证 GLM-5.3-Flash 补配置后可正常读图）：

{
  "id": "glm-5-3-flash",
  "input": ["text", "image"],
  "contextWindow": 1048576,
  "maxTokens": 131072
}

[narcilee7]

收到，我来看看，感谢反馈。