如何为你的模型赋予视觉能力？我目前还没有使用Astra，我用的是Claude。但问题是一样的。我看到大语言模型能创造奇迹，能从零开始创作游戏，但大语言模型能否真正观看一场游戏呢？它当然可以读取图像并进行分析。但如何让一个模型真正地观察一场游戏过程呢？