feat: screensee 工具 — agent 查看远程设备屏幕内容

与 screensue(向用户屏幕显示)配对: screensue 是给用户看, screensee 是 agent 看。

服务端实现:
1. remotedevice 新增 screensee 工具:
   - 下发 homeagent-screensee 命令 → 设备截屏回传 jpeg base64
   - seeHandler 回调(agent 核心注入)用视觉模型自动描述屏幕内容
   - 未授权/离线/超时完整错误路径; 结果留档 cmdresult
2. SDK LLMMessage 扩展多模态 Blocks(text/image_url):
   - llm_impl 转换为 agentAPI.ContentBlock, 视觉模型可看图
3. describeScreen: 默认提示词描述窗口/文字/界面状态;
   provider 参数可指定视觉源(临时切换后恢复)

GUI 端需配套(已发群): onDeviceMsg 加 case "screensee",
desktopCapturer 截屏 → jpeg base64 data URL 回执(同 camerasue 抓拍模式)。

测试: 端到端模拟设备截屏回传+视觉回调验证; 全项目 go test 通过

internal/sdk/llm_impl.go

@@ -71,6 +71,18 @@ func (l *llmImpl) Chat(ctx context.Context, req *LLMCompletionRequest) (*LLMComp
 				ReasoningContent: m.ReasoningContent,
 				ToolCallID:       m.ToolCallID,
 			}
+			// 多模态 Blocks：text/image_url → agentAPI.ContentBlock
+			for _, b := range m.Blocks {
+				switch b.Type {
+				case "text":
+					msg.Blocks = append(msg.Blocks, agentAPI.ContentBlock{Type: "text", Text: b.Text})
+				case "image_url":
+					msg.Blocks = append(msg.Blocks, agentAPI.ContentBlock{
+						Type:     "image_url",
+						ImageURL: &agentAPI.ImageURL{URL: b.ImageURL, Detail: "high"},
+					})
+				}
+			}
 			if len(m.ToolCalls) > 0 {
 				msg.ToolCalls = make([]agentAPI.ToolCall, len(m.ToolCalls))
 				for j, tc := range m.ToolCalls {