随着国产大模型 DeepSeek 在近期上线多模态能力，其网页版对话体验受到广泛关注。部分开发者因竞品网页加载卡顿等问题转而尝试 DeepSeek，但在使用中发现，尽管该平台已支持识图，但在新建或切换会话时，系统往往默认重置回“快速模式”，用户需频繁手动切换。针对这一交互痛点，技术社区 Linux.do 发布了一款简易的 Tampermonkey 油猴脚本，旨在自动化启用识图功能。
该脚本代码量仅约四十行，逻辑设计巧妙。它利用 WeakSet 数据结构记录已处理的 DOM 节点，防止重复点击干扰用户的手动切换操作。同时，通过 MutationObserver API 监听页面 DOM 变化，能够精准捕捉到会话切换导致的节点重建时机，并自动点击识图按钮。考虑到网页版使用 React 框架导致的状态更新异步特性，脚本还内置了重试确认机制，确保“识图模式”状态最终生效。这一优化方案不仅解决了用户在连续对话中的操作繁琐问题，也让 DeepSeek 的多模态交互体验得以无缝衔接。此外，社区内还涌现出相关的界面美化项目，显示出围绕新兴 AI 产品的用户端生态正在逐步丰富。
事件分析
该脚本虽然体量小巧，但反映了 AI 应用层开发的两个显著趋势：一是用户对多模态交互的依赖度迅速提升，单纯的文本对话已难以满足需求，“识图模式”正逐渐成为交互的默认预期而非辅助选项；二是当前主流 AI 网页应用在设置持久化方面存在短板，官方产品尚未完全覆盖细粒度的个性化偏好，迫使开发者通过“外挂”形式修补体验。技术上，脚本针对 React 应用的异步渲染与 DOM 变动采用的处理逻辑，展示了前端开发者在解决动态网页适配问题时的典型工程思路。此类社区驱动的补丁往往是产品迭代的先导，提示 AI 服务商在增加新功能时，需同步考虑用户配置的记忆与继承机制，以减少操作摩擦。
核心观点：社区脚本弥补了 DeepSeek 在多模态设置持久化上的短板，标志着多模态交互正从“尝鲜”转向“刚需”。
原文链接：Linux.do
