加载中...
主要用途使用通义千问视觉模型理解图像和视频，支持分析、描述或提取信息，包括OCR文字识别。当用户需要处理图像或视频内容时触发。
使用指南
安装前先阅读能力边界、适用场景与配置要求。
使用通义千问视觉模型理解图像和视频，支持分析、描述或提取信息，包括OCR文字识别。当用户需要处理图像或视频内容时触发。
适合需要“通义视觉理解”能力的 Agent 工作流。原始 Skill 名称为 qwencloud-vision，发布者为 qwencloud/qwencloud-ai。
在项目根目录执行：npx skills add https://github.com/qwencloud/qwencloud-ai --skill qwencloud-vision。安装后请先阅读仓库内的完整 Skill 指令，再根据当前任务、权限范围和项目规范使用。
执行前检查命令、脚本、外部连接与凭据权限；生成或修改代码后，仍需运行项目自己的测试、类型检查和人工复核。
平台只展示已完成发布审核的内容，安装前仍建议检查权限和执行命令。
基于 README、SKILL、配置和站内资料形成五维参考结论。
4.1/ 5
通义视觉理解：基于固定源码 f3fbf9c8，场景适配证据最完整，结构规范仍可补强。当前材料未命中已知高风险规则。
通义视觉理解：基于固定源码 f3fbf9c8，场景适配证据最完整，结构规范仍可补强。当前材料未命中已知高风险规则。
当前纳入材料未命中已知高风险规则；未执行的运行时行为不在本结论内。
稳定可靠依据：说明前置条件或依赖、提供故障处理信息；当前关注：依赖或命令使用固定版本。
场景适配依据：明确用途或触发场景、说明目标用户或运行环境；当前关注：主要材料要素已覆盖。
继续探索
结构规范依据：文档具有分层标题结构、声明版本或变更信息；当前关注：提供依赖或项目清单。
使用效果依据：包含顺序明确的操作步骤、包含可复用示例；当前关注：说明预期结果。
基于固定源码版本静态分析，不代表运行时绝对安全。
