Vision Support — 非多模态模型的图片识别桥接 铁律：本技能配置的所有模型仅用于图片内容识别，绝不参与主逻辑推理。 这些模型不会代替主模型做任何决策、分析或编码，它们只负责"看"图片然后把看到的内容用文字描述出来。 什么时候使用此技能 - 用户在对话中附带了图片 ，但当前模型不支持图片理解 - 用户提到截图/图片/界面/设计 ："看看这个截图"、"界面有问题"、"这个设计稿" - 用户描述了一个视觉问题但说不清楚 ："网页显示不对"、"布局乱了" - agent 在工作中遇到图片文件 （PNG/JPG/WebP 等） - 通过指令 或 手动触发 首次使用 — 一键初始化 交互式引导，只需三步： 1. 选 Provider — 从预置的主流平台列表中选择 2. 填密钥 — 输入 API Key（或环境变量名） 3. 选模型 — 自动从 API 拉取可用模型列表供选择（如拉取失败则显示推荐列表） 支持的平台覆盖国内外主流： | 分类 | 平台 | |------|------| | 国际 | OpenAI、Google Gemini、Anthropic Claude、DeepSeek、Groq、Mistral、xAI (Grok)、OpenRouter、Fireworks AI | | 国内 | 通义千问 (Qwen VL)、智谱 GLM (GLM-4V)、Moonsh…