- title
- SKILL
- date
- 2026-03-29
- name
- claw-vision
- description
- Analyze images via Gemini 3.1 Pro Preview (NUWA Flux). Understand screenshots, receipts, UI, documents, and photos. Trigger: user sends any image file or says "看一下这张图/截图里是什么".
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