vision - 图片全能识别
简介
本技能能够在 聊天、文档、以及本地文件夹 中对图片进行 文字、物体、场景 三类识别。文字识别支持中英文，若检测到英文会自动翻译为中文后写回。识别结果直接写回原始文档/聊天，或在本地生成同名 .txt。
使用方式
- 聊天/文档：在 Feishu 消息或文档中发送图片，系统会自动调用本技能并把识别结果写回。
- 本地文件夹：运行
openclaw skill vision /path/to/image.jpg，结果会生成image.txt。 - 命令行：
openclaw vision recognize /path/to/img.png
参数
| 参数 | 必须 | 说明 |
|---|---|---|
\image\ | ✅ | 图片文件本地路径或 URL |
\source\ | ❌ | \feishu-msg\ / \feishu-doc\ / \local\（默认自动判断） |
配置
见 config.json，可自行修改模型路径、翻译 API Key 等。
注意
- 本技能完全本地运行，除翻译外不依赖外部云服务。
- 推荐在 macOS M 系列上使用
brew install tesseract，并将tesseract可执行文件加入 \$PATH\。