shijuefenxilisted

# DeepSeek（通用）视觉助手（原 shijuefenxi / 视觉分析） 把本地/远程图片交给视觉大模型，返回结构化中文描述；也可读取网页文字并识别其图片。**半自动路由引擎**：你只需判断任务类型，脚本自动完成“选模型 → 调模型 → 失败分类降级/熔断换路 → 额度熔断 → 多模型汇总 → 任务类型校验”，结果自带**答案缓存**与**安全提示**。默认 7 家启用（魔搭 Qwen3-VL ×3 / 智谱 GLM ×3 / Agnes ×1）+ 可选 InternAI 第 8 家（默认关闭模板）。本技能与 DeepSeek 官方无关联，仅为 DeepSeek 等纯文本模型补充视觉能力。 ## 何时用 - 用户让你看某张图、分析截图、识别报错、理解手绘草稿、读图表/UI/文档照片、比较前后截图等。 - 用户给一个网页 URL，想让你“读网页 + 看里面的图”并给出综合信息。 - 只要需要从图像中获取信息，就先走本技能，**不要靠猜**。 ## 核心流程（主模型只做一件事：判断 --task） 1. 判断用户需求类型，选择 `--task`（11 类）： - `ocr` 逐字提取文字；`document` 长文档结构化；`error` 报错定位； - `math_stem` 数学/科学题；`chart` 图表解读；`detail` 高精度细节； - `ui` 界面/截图转代码；`general` 通用描述；`compare` 多图对比； - `video` 视频帧/截图；`unknown` 兜底（等同 general）。 2. 拿到图片的**本地路径**或 http(s) URL。 3. 调用脚本（脚本自动按任务路由到最合适的模型组合）： ```bash python "<本技能目录>/scripts/analyze.py" "<图片路径或URL>" --task ocr -f "<关注点>" ``` 4. 读取返回的结构化文字（关键任务已由 agnes 汇总成**一份**），据此回复用户。 ## 自动路由与多模型汇总（核心） - **厂商分组**：按 `providers[].group` 自动聚合（魔搭 / 智谱 / Agnes / internai 等），不是写死的三家；`groups.<组>.multi` 与 `providers[].multi` 双层控制是否参与多模型并发（都开才并发，仅影响 multi，单模型链不受影响）。 - **质量优先默认链**（`default_chain`，通用任务）：235b → internai(默认关，自动跳过) → glm(4.6v) → glm-thinking(4.1v) → 8b-thinking → 8b → glm4v → agnes。 - **特化覆盖**：`math_stem` / `chart` 首选 glm-thinking（GLM-4.1V-Thinking 数学/图表专项强项）。 - **失败按原因分类 + 熔断换路**：404/模型不存在→同组换模型（或 provider 的候选数组）；额度尽→跨组换厂商；429/5xx/网络→立即换下一供应商并�� Retry-After 冷却（无需干预）。 - **关键任务自动多模型**：`multi_tasks = error / math_stem / detail / compare` 按 `groups.multi=true` 的分组且 `providers[].multi