用途：对图片、视频、文件进行视觉分析，适用于 OCR、物体识别、场景理解、多图对比与视频内容总结。用户发送图片或要求分析图片时必须使用本技能，不使用 PIL、pytesseract 等其他方法。
主要能力：内置智谱 GLM-4V（默认 glm-4.6v-flash）与千问 Qwen-VL（默认 qwen3-vl-plus）两种视觉模型，支持本地图片、网络图片、多图对比、视频分析及 JSON 输出。本地图片自动转 Base64，支持 jpg/png/gif/webp/bmp。
使用方式：编辑 skills/image-analysis/scripts/config.json 配置 default_model 及各模型 api_key、model；智谱 API Key 可在 https://open.bigmodel.cn/ 获取（免费），千问见 https://help.aliyun.com/zh/model-studio/get-api-key。常用命令：python3 skills/image-analysis/scripts/vision.py analyze --image 图片路径 --prompt "描述图片内容"；网络图片将路径换为 URL；多图对比重复 --image 参数；用 --model qwen 指定模型；--thinking 开启思考模式（仅智谱）；--video video.mp4 分析视频；--json 输出 JSON。
模型选择建议：简单描述任意模型均可；复杂推理、物体定位推荐智谱并加 --thinking；高精度识别、文档解析推荐千问；成本敏感可选智谱（免费）。
限制：智谱图片限制 5MB、像素不超过 6000x6000；千问不支持同时处理图片、视频和文件；思考模式会增加响应时间但提升准确度。其他细节资料未提供。