增加Kimi多模态Api,这样可以灵活选择！

exp_multimodal/vlm_providers/base.py

@@ -0,0 +1,41 @@
+"""
+VLM Provider 抽象基类
+"""
+
+from abc import ABC, abstractmethod
+from typing import List
+
+
+class VLMProvider(ABC):
+    """
+    视觉语言模型 Provider 抽象接口
+    所有 VLM 后端实现都应该继承此类并实现 chat_vision 方法
+    """
+
+    @abstractmethod
+    def chat_vision(
+        self,
+        prompt: str,
+        image_paths: List[str],
+        temperature: float = 0.1,
+        timeout_sec: int = 120,
+    ) -> str:
+        """
+        调用 VLM 进行图像理解
+
+        Args:
+            prompt: 用户提示词
+            image_paths: 图片路径列表（支持单张或多张）
+            temperature: 采样温度（0.0-1.0）
+            timeout_sec: 超时时间（秒）
+
+        Returns:
+            模型生成的文本响应
+
+        Raises:
+            Exception: 调用失败时抛出异常
+        """
+        pass
+
+    def __repr__(self):
+        return f"<{self.__class__.__name__}>"