Tiexue Vision

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\。