vision

name	vision
description	识别图片内容。当用户发送图片、截图、报错图，或要求分析某张本地图片时使用。先定位图片文件路径，再运行 vision.py 脚本获取文字描述。

识图技能

当主模型不支持直接读取图片时，图片不会进入对话上下文，但用户消息中通常会附带图片的本地路径（形如 C:/Users/.../codex-clipboard-*.png 或附件路径）。

配置（首次使用）

1. 复制 templates/.env.example 为技能目录下的 .env（脚本启动时自动加载，无需额外依赖），填入：
   • VISION_API_URL：视觉模型 OpenAI 兼容完整接口地址（含路径，如 https://api.example.com/v1/chat/completions）
   • VISION_MODEL：模型名
   • VISION_API_KEY：API Key 也可以直接导出同名环境变量；环境变量优先级高于 .env 文件（便于 CI/容器注入）。
2. 在技能目录下运行 python scripts/vision.py --check 自检，确认配置生效。

本技能不硬编码任何模型地址、模型名或密钥，全部通过环境变量注入。

使用步骤

1. 从用户消息中找到图片路径；如果路径不明确，先查找最近的剪贴板截图：

   Get-ChildItem $env:TEMP\codex-clipboard-*.png | Sort-Object LastWriteTime -Descending | Select-Object -First 3 FullName,Length
   

2. 运行脚本识别图片：

   cd <技能目录>; python scripts/vision.py "<图片绝对路径>" "（可选）具体识图要求"
   

3. 脚本输出图片的文字描述（可能较长），基于描述回答用户的问题；描述中的重要文字、报错信息要原样转述。

Windows PowerShell 乱码处理

脚本已自动区分“交互终端”和“管道/重定向”：

• 交互终端（Windows Terminal / 新版 PowerShell 7）：脚本保持 Python 默认控制台编码，中文正常显示，无需额外设置。
• 管道 / 重定向（含 Codex 等工具调用）：脚本自动把 stdout 和 stderr 强制为 UTF-8，输出应保持中文正常。

如果仍出现乱码（例如旧版控制台代码页为 936），先执行下面一行再运行脚本：

[Console]::OutputEncoding = [System.Text.Encoding]::UTF8; $OutputEncoding = [System.Text.Encoding]::UTF8; $env:PYTHONIOENCODING = 'utf-8'

重定向到文件时，输出文件为 UTF-8 编码，请用 读取。