| name | zai-vision |
| description | 替代 @z_ai/mcp-server 的智谱 AI 视觉分析工具。当需要分析图片、视频、UI 截图转代码、OCR 提取文字、错误截图诊断、技术图表理解、数据可视化分析、UI 对比检查时使用此 skill。通过 Python CLI 调用智谱 AI GLM-4V 视觉模型，无需启动 MCP 进程。触发词：分析图片、分析视频、UI 转代码、OCR、错误诊断、图表分析、数据可视化、UI 对比、图像分析、vision、screenshot。 |
ZAI Vision
通过 Python CLI 调用智谱 AI glm-4.6v 视觉模型，替代 @z_ai/mcp-server。
前置条件
- Python 3.10+（仅使用 stdlib，零额外依赖）
- 环境变量
Z_AI_API_KEY（必需）
验证：
echo $Z_AI_API_KEY
python3 scripts/zai_vision.py --help
MCP 工具对照表
| 原 MCP 工具 | CLI 子命令 |
|---|
analyze_image | analyze-image |
analyze_video | analyze-video |
extract_text_from_screenshot | extract-text |
diagnose_error_screenshot | diagnose-error |
understand_technical_diagram | understand-diagram |
analyze_data_visualization | analyze-chart |
ui_diff_check | ui-diff |
ui_to_artifact | ui-to-artifact |
CLI 脚本路径：scripts/zai_vision.py（相对本 skill 目录）
命令详解
analyze-image — 通用图像分析
支持本地文件路径和远程 URL，图片限制 5MB（jpg/jpeg/png）。
python3 scripts/zai_vision.py analyze-image <图片路径或URL> "<分析需求>"
示例：
python3 scripts/zai_vision.py analyze-image screenshot.png "描述页面布局和主要组件"
python3 scripts/zai_vision.py analyze-image https://example.com/img.png "识别图中所有物体"
analyze-video — 视频分析
视频限制 8MB，支持 MP4/MOV/M4V/AVI/WMV/WebM。
python3 scripts/zai_vision.py analyze-video <视频路径或URL> "<分析提示>"
示例：
python3 scripts/zai_vision.py analyze-video demo.mp4 "描述视频中的关键操作步骤"
extract-text — OCR 文本提取
从截图中精确提取文字，可选指定编程语言提升准确度。
python3 scripts/zai_vision.py extract-text <截图路径或URL> "<提取指令>" [--lang python]
示例：
python3 scripts/zai_vision.py extract-text error.png "提取所有错误信息"
python3 scripts/zai_vision.py extract-text code.png "提取代码内容" --lang javascript
diagnose-error — 错误截图诊断
分析错误截图，提供根因和修复方案。
python3 scripts/zai_vision.py diagnose-error <截图路径或URL> "<错误描述>" [--context "发生场景"]
示例：
python3 scripts/zai_vision.py diagnose-error stacktrace.png "npm build 失败" --context "during npm install"
understand-diagram — 技术图表分析
分析架构图、流程图、UML、ER 图等。
python3 scripts/zai_vision.py understand-diagram <图表路径或URL> "<分析需求>" [--type architecture]
--type 可选值：architecture / flowchart / uml / er-diagram / sequence
示例：
python3 scripts/zai_vision.py understand-diagram arch.png "解释系统架构和数据流" --type architecture
analyze-chart — 数据可视化分析
从图表中提取趋势、异常、指标。
python3 scripts/zai_vision.py analyze-chart <图表路径或URL> "<洞察需求>" [--focus trends]
--focus 可选值：trends / anomalies / comparisons / performance metrics
示例：
python3 scripts/zai_vision.py analyze-chart dashboard.png "提取关键业务指标" --focus trends
ui-diff — UI 对比检查
对比期望设计和实际实现的截图，输出差异和修复建议。
python3 scripts/zai_vision.py ui-diff <期望图路径或URL> <实际图路径或URL> "<对比指令>"
示例：
python3 scripts/zai_vision.py ui-diff design.png impl.png "检查布局和颜色差异"
ui-to-artifact — UI 截图转代码/规格
将 UI 截图转换为代码、提示词、设计规格或描述。
python3 scripts/zai_vision.py ui-to-artifact <截图路径或URL> <输出类型> "<生成指令>"
输出类型：code（前端代码）/ prompt（AI 提示词）/ spec（设计规格）/ description（自然语言描述）
示例：
python3 scripts/zai_vision.py ui-to-artifact mockup.png code "生成 Vue 3 组件代码"
python3 scripts/zai_vision.py ui-to-artifact mockup.png spec "生成完整设计规格文档"
环境变量
| 变量 | 默认值 | 说明 |
|---|
Z_AI_API_KEY | (必需) | API 密钥 |
Z_AI_BASE_URL | https://open.bigmodel.cn/api/paas/v4/ | API 地址 |
Z_AI_VISION_MODEL | glm-4.6v | 视觉模型 |
Z_AI_TIMEOUT | 600 | 基础超时秒数（下限 300s，大文件自动追加） |
与 MCP 版本的差异
- 不使用
thinking: { type: 'enabled' } 参数（该参数可能增加延迟和 token 消耗）
- 无重试机制（MCP 版本有 3 次指数退避重试，CLI 版本失败直接报错）
- 无日志文件输出（结果直接输出到 stdout，错误到 stderr）
