（908期）Vision Helper — AI Image Analysis – AI 视觉分析，本地云端双模支持

AI 视觉分析，本地云端双模支持 通过 Ollama 调用本地/云端视觉模型分析图像，支持 OCR、UI 识别、截图分析，180 秒超时保障云端模型稳定运行 使用说明 Vision Helper — 图像分析技能评估 核心用法 Vision Helper 是一款基于 Ollama 的视觉模型调用工具，专为解决内置 image 工具在云端模型上的超时问题而设计。通过直接调用 Ollama API 并将超时延长至 180 秒，该技能能够稳定支持本地轻量模型与云端大模型的图像分析需求。 主要功能场景： 截图分析：浏览器/桌面截图的自动识别与 UI 元素解析 OCR 文本提取：从图片中提取文字内容 游戏/应用自动化：截图 → 分析状态 → 触发下一步操作 多语言支持：支持中英文及自定义提示词 执行方式：# 基础分析python3 <skill-dir>/scripts/analyzeimage.py <imagepath> 自定义提示词与模型 python3 <skill-dir>/scripts/analyzeimage.py <imagepath> "描述内容" kimi-k2.5:cloud 显著优点 超时优化：180 秒超时设计，完美适配云端视觉模型（通常需 40–120 秒），彻底解决内置工具超时失败问题 路径无限制：绕过内置工具的文件路径限制，可读取任意可访问目录的图像 模型灵活：支持本地隐私优先模型（gemma4:31b）与云端高质量模型（kimi-k2.6、qwen3.5 系列） 工作流集成：提供浏览器截图→分析、桌面截图→分析、游戏 UI→决策的完整自动化链路 零 API 成本：本地模型运行无需调用费用，隐私数据不出境 潜在缺点与局限性 依赖 Ollama：需预先部署 Ollama 服务及相应视觉模型，新手配置门槛较高 云端模型延迟：高质量云端模型响应时间长达 40–120 秒，实时性场景受限 硬件要求：本地 31B 参数模型对 GPU 显存和算力有较高要求 环境耦合：技能路径硬编码依赖 ~/.openclaw/workspace/skills/vision-helper/，迁移需手动调整 无视觉验证：脚本本身不校验图像内容有效性，错误输入可能导致异常输出 适合人群 自动化开发者：需要构建截图→分析→决策闭环的 RPA/游戏脚本开发者 隐私敏感用户：偏好本地运行、避免图像数据上传云端的用户 多模型对比研究者：需要灵活切换本地/云端模型进行效果评估的技术人员 UI 测试工程师：需要批量验证页面渲染结果的测试场景 常规风险 超时配置不当：未将 exec 工具超时设为 120–180 秒时，云端模型调用仍会失败 模型可用性：云端模型标签（如 :cloud）需确保 Ollama 实例已正确配置对应模型 路径注入：虽然技能声称无路径限制，但未对输入路径进行严格校验，存在路径遍历潜在风险 资源耗尽：连续调用大参数云端模型可能导致 Ollama 服务端资源占用过高 误识别风险：视觉模型对复杂 UI、低分辨率图像或小字体的识别准确率存在固有局限 原始说明 Analyze images using local or cloud vision models via Ollama to identify content, UI elements, screenshots, or extract text with OCR support.