职业分类
软件开发工程师
描述
默认假设宿主主模型不能看图/读视频/听音频。用户消息含图片/截图/照片/视频/音频（含剪贴板粘贴、路径），或要求视觉理解、生图/改图、生视频/改视频/延长（含 image_to_video / reference_to_video）、TTS/STT 时，必须使用本技能。有磁盘路径用 --image；粘贴图/无路径用 vision.py --from-clipboard（需用户重新复制图片到系统剪贴板）或请用户保存路径。不要先尝试主模型识图。生图支持 skill config.json 与…
更新