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

# 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

# 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

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

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