zai-vision

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）