volc-vision

# volc-vision 火山引擎 ARK API 图像理解服务。 ## 适用场景 - 用户发送图片并询问关于图片的问题 - 需要理解、分析、描述图片时 - 用户说“看看这张图”“描述一下”“这图是什么”“图里有什么”“帮我分析图片内容” - 需要对本地图片路径、图片 URL 或 base64 图片做视觉问答 ## 输入参数 | 参数 | 必填 | 说明 | |------|------|------| | image | 是 | 图片路径、URL 或 base64 | | prompt | 否 | 要问的问题，默认 `描述这张图片` | ## 使用方式 ```bash # 命令行调用 node skills/volc-vision/index.js <图片路径> "<问题>" # 示例 node skills/volc-vision/index.js /path/to/image.jpg "描述这张图片" node skills/volc-vision/index.js https://example.com/image.jpg "这图里有什么" ``` ## 模型优先级（按强弱排序） Vision 系列优先，其他模型按能力依次降序： 1. `doubao-seed-1-6-vision-250815` 🌟 首选 2. `doubao-1-5-vision-pro-32k-250115` 🌟 3. `doubao-seed-2-0-pro-260215` 4. `doubao-seed-1-8-251228` 5. `doubao-seed-2-0-lite-260215` 6. `doubao-seed-2-0-mini-260215` **自动切换**：如果不指定模型，会按列表顺序依次尝试可用模型，直到成功。 ## 环境变量 ```bash # 必需：ARK API Key export ARK_API_KEY="your_api_key" # 可选：指定模型 export VISION_MODEL="doubao-seed-1-6-vision-250815" ``` ## 指定模型 ```bash ARK_API_KEY=your_api_key VISION_MODEL=doubao-seed-1-6-vision-250815 node skills/volc-vision/index.js <图片> "<问题>" ``` ## 返回 - 图片描述 - 视觉问答结果 - 图像分析文本结果 ## 调用示例 ```text 用户：看看这张图 -> agent 调用: node skills/volc-vision/index.js /root/.openclaw/media/inbound/xxx.jpg "描述这张图片" -> 返回描述结果 ``` ## 注意事项 - 使用前必须设置 `ARK_API_KEY` - 如果用户只是要生成图片而不是理解图片，不要误用本技能 - 若已有明确视觉问题，优先把问题放进 `prompt`，不要只做泛泛描述