vision-analyzer

name	vision-analyzer
description	Analyze image content with multi-language output and comprehensive type detection. Use when user mentions image analysis, analyze picture, photo analysis, visual inspection, 图片分析, 图像识别, 看图, 分析图片, 截图, 图表.
user-invocable	true
model	sonnet
trigger-keywords	["图片","图像","截图","照片","图标","图表","视觉","分析图片","描述图片","识别图片","图片内容","图像分析","看图说话","图片描述","image","picture","photo","screenshot","chart","graph","diagram","analyze image","describe image","what's in this image",".png",".jpg",".jpeg",".gif",".webp",".bmp"]

视觉分析技能

基于 Qwen-VL 的自动图片分析系统，为 OpenCode 提供强大的视觉能力。

核心功能

1. 自动触发图片分析：当检测到图片路径、URL或相关关键词时自动分析
2. 多语言支持：中文、英文、日文、韩文、法文、西班牙文、德文
3. 综合类型分析：对象识别、场景理解、文本提取、颜色分析、布局分析
4. 详细程度控制：简要、普通、详细、全面四种分析级别

技术特性

• 使用 DashScope 国际区的 Qwen-VL-Plus 模型
• 支持本地图片文件和网络图片URL
• 智能图片预处理和格式转换
• 结果缓存（1小时TTL）以提高性能
• 完整的错误处理和用户友好提示
• 统计信息和性能监控

自动检测规则

当以下情况出现时自动触发图片分析：

1. 文件路径检测：消息中包含.png、.jpg、.jpeg、.gif、.webp、.bmp等扩展名
2. URL检测：消息中包含http://或https://的图片链接
3. 关键词触发：用户明确请求图片分析、描述或识别
4. 上下文感知：在讨论图片相关内容时自动提供分析

使用方法

自动模式（推荐）

只需在对话中提到图片或相关关键词，系统会自动分析：

用户：帮我看看这个截图 C:\Users\曾金昌\Pictures\Screenshots\test.png
AI： [自动分析图片并提供详细描述]

手动调用

可以直接请求图片分析：

用户：请分析这张图片
用户：描述一下这个截图的内容
用户：这是什么图片？
用户：分析图片：https://example.com/image.jpg

多语言支持

系统会自动检测或根据用户请求使用相应语言：

用户：用英文分析这张图片
用户：Describe this image in English
用户：この画像を分析してください（日文）

配置说明

技能使用以下默认配置：

• API模型：qwen-vl-plus
• 基础URL：https://dashscope.aliyuncs.com/compatible-mode/v1
• 缓存目录：~/.ds_cache/view_image/
• 最大图片大小：10MB

依赖要求

确保以下Python包已安装：

pip install openai httpx pillow

示例输出

[视觉分析结果] (耗时2.3秒 | 详细程度: 详细)
------------------------------------------------------------
这张图片显示了一个软件的代码编辑界面。界面分为左右两个主要部分：

左侧是一个文件浏览器，显示目录结构，包含多个文件夹如"src"、"tests"、"docs"等。
右侧是代码编辑器，显示Python代码，内容是关于数据处理的函数定义。

界面顶部有菜单栏，包含"File"、"Edit"、"View"等选项。代码编辑区域使用深色主题，
语法高亮显示关键字、字符串和注释。底部状态栏显示行号、列号和文件编码信息。

整体布局整洁专业，是典型的IDE（集成开发环境）界面。
------------------------------------------------------------

高级功能

详细程度控制

可以通过上下文指定分析详细程度：

• 简要(brief)：简洁描述主要内容
• 普通(normal)：标准详细描述（默认）
• 详细(detailed)：包含更多细节
• 全面(comprehensive)：完整分析，包括对象、场景、文本、颜色、布局等

多语言输出

支持以下语言代码：zh(中文)、en(英文)、ja(日文)、ko(韩文)、fr(法文)、es(西班牙文)、de(德文)

问题定制

可以指定特定的分析问题：

• "这张图片里有什么文字？"
• "图片的主要颜色是什么？"
• "分析图片中的人物和场景"
• "这是什么类型的图表？"

错误处理

系统会优雅处理各种错误情况：

• 文件不存在或无法访问
• 不支持的图片格式
• 文件过大（>10MB）
• 网络连接问题
• API调用失败

所有错误都会提供友好的中文提示和解决方案建议。

性能优化

1. 缓存系统：相同图片的相同分析结果会被缓存1小时
2. 图片预处理：自动调整过大图片尺寸，优化编码格式
3. 并发支持：支持异步API调用提高响应速度
4. 统计监控：跟踪成功率、平均响应时间等指标

集成提示

本技能设计为与OpenCode无缝集成：

• 自动检测对话中的图片引用
• 与现有工具和技能协同工作
• 保持OpenCode的对话风格和用户体验
• 提供有价值的上下文增强