vision-image-reader

name	vision-image-reader
description	Use a saved model tagged with the vision capability to inspect images when the active model cannot reliably read image content.

Vision Image Reader

当任务需要理解图片内容,而当前模型没有可靠视觉能力时,使用这个 skill。

Workflow

1. 判断是否真的需要图片内容。只在需要读取截图、照片、界面图、错误弹窗、图表、扫描件等视觉信息时使用。
2. 调用 vision_analyze 工具。
3. prompt 写清楚要视觉模型回答什么。保持通用,不要把业务流程写死在 skill 里。
4. 选择图片来源(按优先级):
   • 工具(浏览器截图、shell 等)已经把图片写到了本地路径 → 传 image_path。相对路径相对当前工作目录解析,绝对路径可以在 workspace 之外。工具会读取并校验它是图片,再保存为会话附件后发送。
   • 用户本轮或最近一轮只上传了一张图 → 省略其它参数,工具会用当前会话里最新的图片附件。
   • 要指定某张已上传的图 → 传 attachment_id。
5. 如果要指定某个视觉模型,传 model_name;该保存模型必须带 vision 能力标签。未指定时工具会从带 vision 标签的保存模型里选择一个。
6. 使用工具返回的图片理解结果继续主任务。不要把 vision_analyze 的内部调用当作可 resume 或可在界面里切换的会话。

Tool Shape

{
  "prompt": "Describe the screenshot and identify the visible error.",
  "image_path": "optional/path/to/screenshot.png",
  "attachment_id": "optional-image-attachment-id",
  "model_name": "optional-saved-model-name"
}

Guidance

• 当前模型不能看图时,如果消息里带了图片附件,主模型会收到一段说明而不是图片本身,提示用 vision_analyze 分析。按这个提示走即可。
• 如果 vision_analyze 返回 NO_VISION_MODEL(没有可用视觉模型),提示用户到模型设置里给一个保存模型勾选 视觉 能力,不要反复重试。
• 如果返回 NO_IMAGE_ATTACHMENT(没有图片附件),请用户上传图片,或提供明确的 attachment_id / image_path。
• 只有图片文件才能传给 vision_analyze:image_path 指向不存在的路径、目录、超大文件或非图片文件(包括 PDF、SVG 等非栅格图)会被清晰拒绝。不要把普通文档 / 二进制文件当成视觉输入。
• 对多图任务,分别调用工具读取每张图,再在主会话中综合结果。