实时语音助手

QwebO 使用阿里云百炼 qwen3.5-omni-plus-realtime（全模态：音频+视觉），人设用上方通用「人设 / 系统提示」，模型由后端配置固定。已内置 run_codex（写代码/跑脚本/查项目）；开启摄像头后再加 capture_camera——模型判断需要看画面时主动拍照。因阿里实时协议限制（自动断句模式下不能单独提交图像），拍照后画面会在你「下一句话」时一并送达模型，所以调用后再说一句（如「看到了吗」）它就能看图作答。