القائمة
通用识图工具，支持本地图片和远程URL。原生多模态端点优先，兼容所有OpenAI格式的多模态API（GPT-4o、MiMo、Claude等）。当用户需要分析图片、提取图中文字、识别图片内容时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
通用下载编排器。下载公开可访问、开源授权或用户本人授权的数字资源；提供 inspect_download_url、download_direct_file、download_video、list_downloads 四个工具。
本地双层知识库检索与问答。用户要求从知识库、资料目录或本地文档中查信息、总结、核对来源时使用。先按 data_structure.md 分层导航，再渐进检索候选文件；遇到 PDF/Excel 时先读取本 Skill 的 references 处理指南。
双模式记忆管理：保存、读取、搜索、删除、审阅和清理用户记忆。被动模式只处理临时层；主动审阅读取临时+永久并将有价值内容晋升到永久层。用户要求记住、忘记、搜索记忆、审阅记忆、清理记忆时使用。
VOTX Agent run_command tool usage guide for safe local command execution.
创建或更新 VOTX Agent Skill 的指导技能。用于设计 SKILL.md、工具型或指令型 Skill、scripts/references/assets 资源、触发描述、渐进式披露结构，以及验证现有 Skill 是否适配框架。
将复杂用户请求自动分解为可执行步骤计划，可视化进度，支持暂停/继续/中止。受用户 config.json 中 task_plan.accept_task 控制。
استنادا إلى تصنيف SOC المهني
| name | vision_universal |
| description | 通用识图工具，支持本地图片和远程URL。原生多模态端点优先，兼容所有OpenAI格式的多模态API（GPT-4o、MiMo、Claude等）。当用户需要分析图片、提取图中文字、识别图片内容时使用。 |
| version | 1.2 |
| category | multimodal |
| enabled | true |
| tags | ["multimodal","vision","image-analysis"] |
使用多模态模型分析图片内容，支持多图和单图。
plugins/vision_universal/
直接调用 provider.respond() 将图片注入 chat messages，走多模态模型的 Chat Completions API，无需额外配置。
vision_model（config.json 专用配置）> 默认聊天模型 model
如配置 "vision_model": "xiaomi/mimo-v2.5"，识图使用 MiMo；不配则使用聊天模型自动检测。
| 工具名 | 描述 |
|---|---|
vision_analyze | 分析单张或多张图片，支持本地文件和远程 URL |
vision_universal | 兼容旧名，功能同 vision_analyze，优先使用 images 参数 |
image 参数为兼容旧调用保留，实际调用时优先使用 images（列表）。
| 参数 | 类型 | 必需 | 默认值 | 说明 |
|---|---|---|---|---|
images | string[] | 否 | — | 图片路径列表（本地文件路径或 http/https URL）。优先使用此参数 |
image | string | 否 | — | 单张图片路径（兼容旧参数，优先使用 images） |
prompt | string | 否 | "描述这些图片的内容" | 分析提示词 |
detail | string | 否 | "auto" | 图片解析精度。常见值：auto / low / high。仅 OpenAI 系列支持此参数，其他厂商忽略 |
ERROR: 前缀的错误信息vision_model 或确认当前模型支持多模态jpg、png、gif、webp、bmp（本地自动转 base64）、远程 http/https URL
qwen/qwen2.5-vl、xiaomi/mimo-v2.5）| 场景 | prompt 示例 |
|---|---|
| 描述图片 | （默认）"描述这些图片的内容" |
| OCR 提取 | "提取图片中的所有文字" |
| 图表分析 | "分析这个图表的数据趋势" |
| 内容问答 | "图片中有几个人？他们在做什么？" |
| 多图对比 | images=["before.jpg", "after.jpg"] + "对比这两张图片的差异" |
prompt 越具体分析结果越精准vision_model 指定支持多模态的模型detail 参数仅 OpenAI 系列生效，其他厂商会忽略此参数image 和 images 同时传入时，优先使用 images 列表