← 返回 Skill 列表

extension

分类: 其它需要 API Key

Claw Vision

分析本地图片（包括截图、收据和文档），提取结构化文本、UI 元素，提供内容摘要及置信度

能力定位

本地图片路径 → 结构化文本理解。通过 vision-tool.py 调用 Gemini 3.1 Pro Preview（NUWA Flux）。

触发场景

用户发送截图、照片、图片文件
关键词：截图、图片里有什么、识别、screenshot、describe image

调用方式

python3 ~/Documents/OpenClaw/workspace/scripts/vision-tool.py <图片绝对路径> "<提示语>"

参数

| 参数 | 必填 | 默认值 | |------|------|--------| | 图片路径 | ✅ | — | | 提示语 | ✅ | "图片里有什么？" |

支持格式

PNG / JPG / JPEG / GIF / WEBP（仅本地文件，不支持URL）

输出规范

[summary]     图片内容概述
[fields]      关键字段提取（含文字/表格时）
[ui_elements] 界面元素列表（UI截图时）
[confidence]   置信度: 高/中/低

依赖

vision-tool.py: ~/Documents/OpenClaw/workspace/scripts/vision-tool.py
API: NUWA Flux gemini-3.1-pro-preview