hmo
04db423416
- 70 skills with code and documentation - Add .gitignore (ignore __pycache__, output/, temp/, venv/) - Clean up test intermediates and caches
25 lines
1.2 KiB
Markdown
25 lines
1.2 KiB
Markdown
# 视觉识别技能更新规则（2026-04-20）
|
|
## 问题总结
|
|
1. OpenCode的`@ai-sdk/openai-compatible`兼容层不支持给火山方舟自定义模型传图片，加任何配置字段都无法让系统直接传图，会拦截报错`does not support image input`
|
|
2. 但火山方舟doubao-seed-2.0-pro/code本身原生支持多模态，直接调用API可以正常识别图片
|
|
|
|
## 解决方案
|
|
1. 新增`vision_direct.py`脚本，直接调用火山方舟API实现图片识别，不需要依赖OpenCode的原生多模态支持
|
|
2. 统一临时文件目录：所有临时输出都放到`D:\F\NewI\opencode\daily-workspace\temp`，禁止乱放其他位置
|
|
3. 自动触发规则：当用户输入包含以下内容时自动调用图片识别：
|
|
- 包含图片后缀：`.jpg`/`.jpeg`/`.png`/`.gif`/`.webp`/`.bmp`
|
|
- 包含视觉关键词："图片"、"截图"、"照片"、"图"、"识别"、"分析这张"
|
|
|
|
## 使用方式
|
|
### 自动触发
|
|
用户发图片路径或者提到图片，自动调用识别，不需要用户额外操作
|
|
|
|
### 手动调用
|
|
```bash
|
|
python scripts/vision_direct.py <图片路径/URL> [提示词]
|
|
```
|
|
|
|
## 已知限制
|
|
1. 识别耗时20-60秒，图片太大建议压缩到1024px以内
|
|
2. 支持所有常见图片格式，最大20MB
|