Menu
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。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| 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。