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`。