agent-visionlisted

# Agent Vision ## 何时使用 - 用户给出图片路径并要求“看一下 / 描述 / 分析 / 识别 / OCR”； - 用户粘贴了截图但主模型收到的是不支持格式或无法读取的图片； - 需要从截图提取报错、UI 元素、图表数据或文字。 ## 工作流程 1. 确认图片路径真实存在，支持 png / jpg / jpeg / webp / gif / bmp。 2. 若用户配置目录 `~/.agent-vision/`（Windows 为 `%USERPROFILE%\.agent-vision\`）已配置 `.env`，直接运行： ```bash agent-vision see <图片路径> -q "<用户的具体问题>" ``` 3. 若未安装或未配置，先运行 `agent-vision setup`；未安装时可用仓库根目录的兼容入口： ```bash python vision_bridge.py see <图片路径> -q "<问题>" ``` 4. 把脚本输出作为事实依据，用中文向用户转述；后续追问基于识别文本继续处理。 5. 如果本地代理正在运行（`agent-vision start` 或 `proxy` 模式），粘贴图片会自动转成文字描述，不需要手动执行脚本；此时不要在回复里声称“直接看到图片”。 6. 检查状态时运行 `agent-vision status`；需要回滚自动修改的 Agent 配置时运行 `agent-vision rollback codex` 或 `agent-vision rollback opencode`。 ## 注意事项 - 图片只会发送到配置的视觉服务商（默认智谱）。敏感截图先与用户确认。 - 主模型不支持粘贴图片时，可用 `agent-vision see --latest` 从 Codex 会话文件恢复最近粘贴的图片；该命令只提���图片字节用于识别，不读取或发送对话文本。 - 识别结果来自第三方视觉模型，可能存在细节偏差；重要数字、密钥类内容要提示用户核对。 - 不要把 `.env` 提交到 Git 或分享给他人。