votx-agent

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。

管理 cron 定时任务 — 创建/查看/修改/删除每日、单次或重复定时任务，由后台调度器自动执行

时间工具 — 获取当前 UTC/本地时间、可控延时。当 Agent 需要知道当前时间或等待时使用。

HTTP 网络请求与网页正文读取工具。提供 http_get/http_post 原始请求，以及 web_read 网页文字/Markdown 读取；支持 public/local/private/all 网络作用域控制。

通用文件上传 — 通过 PushQueue 向 QQ（OneBot）或 Telegram 上传文件。当 Agent 需要分享文档、图片、PDF 等文件到外部平台时使用。

通用消息发送 — 通过 PushQueue 向 QQ（OneBot）或 Telegram 发送文本消息。当 Agent 需要主动推送通知、回复或提醒到外部平台时使用。

Tavily 网络搜索 — 专为 AI Agent 设计的搜索引擎，提供 search/extract/crawl/map/research 五个工具。当 Agent 需要搜索最新信息、提取网页正文、爬取网站、发现站点 URL、深度研究时使用。

语音转文字工具，将音频文件转录为文本。原生 transcription 端点优先，失败自动降级为 chat completions（适配非标准语音识别模型）。支持多语言和时间戳。

图像编辑工具，使用当前 provider 的 image_edit 能力对本地图片按提示词编辑并保存结果。

文生图工具，根据文字描述生成图片并保存到本地。原生 images 端点优先，失败自动降级为 chat completions（适配非标准图像生成模型）。支持多种尺寸和质量。

文生语音工具，将文字转换为语音文件。原生 TTS 端点优先，失败自动降级为 chat completions（适配 MiMo/kokoro 等非标准 TTS 模型）。支持多种语音风格和音频格式。

语音生语音工具，使用当前 provider 的 speech_to_speech 能力转换本地音频并保存结果。

视频生成工具，支持文生视频、图生视频、视频生视频任务创建、状态查询和结果下载。

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。

文件操作工具集 — 读取、按行读取、写入、追加、精确编辑、列目录、目录树、文件信息、搜索、复制、移动、创建目录、删除文件。默认受沙箱保护，环境变量可放开沙箱外路径。