87b9ffbab5
推翻 §3 "不做检索" 的原始决定。新流程：拍照后先用固定默认提示词 调一次视觉模型拿简短图像描述（目标5-10s，中间结果"识别到：xxx" 展示给用户），描述+用户问题拼接去检索本地知识库，再用用户原始问题 （不是拼接文本）+ 检索到的上下文做纯文字生成——图片到检索这步之后 就不再传给模型。三段式加载态复用现有 query:stage 推送机制的样式。 只是设计文档更新，代码未改动，等用户确认后再实现。 Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>