该技能用于在 Apple Vision 框架上实现各类计算机视觉功能。
用途：当需要实现任意计算机视觉特性时使用，包括主体分割与抠图、手部/人体姿态检测、文字识别（OCR）、条码/二维码检测、文档扫描、实时扫描，以及 iOS 26+ 的结构化文档提取。
主要能力：提供按任务划分的参考文档，包括 skills/vision-framework.md（实现指南）、skills/vision-ref.md（API 参考）、skills/vision-diag.md（故障诊断）。覆盖 VisionKit 主体分割、排除手部的主体隔离、21/19 关键点姿态检测、快速与精确文字识别模式、按符号选择的条码检测、DataScannerViewController 实时扫描、CoreImage HDR 合成；ref 文档还涉及点击分割（OS27）、watchOS Vision（watchOS27）、Foundation Models 的 Vision 工具、Visual Intelligence 集成与敏感内容分类。
使用方式：按任务查阅对应文件。实现功能、姿态、分割、OCR、条码、文档、实时扫描查看 vision-framework.md；API 参考、Visual Intelligence、点击分割、watchOS、FM 工具查看 vision-ref.md；检测失败、置信度、坐标转换、性能、UI 卡顿、文本/条码识别问题查看 vision-diag.md。人脸聚类为跨库人物应改用 axiom-media 的 media-intelligence.md，Vision 仅负责单图人脸检测。
限制：文中强调 Vision 存在坐标转换（左下与左上原点）、置信度阈值与性能陷阱，旧设备主线程处理会阻塞 UI；具体价格、平台版本之外的支持范围与效果数据资料暂未提供。