用途：VLM_Expert（Vision Chat）技能用于为 AI 增加基于视觉的对话能力，使其能够理解并响应同时包含图像和文本提示的内容，适用于图像分析、视觉内容描述与多模态交互场景。
主要能力：一是图像分析，可识别图片中的物体和场景；二是多图对比，可同时分析多张图片；三是结合文本提示对图像内容进行响应。
使用方式：资料提供了一个 CLI 示例，命令为：z-ai vision --prompt "图中有什么？" --image "./photo.jpg"。通过 --prompt 传入文本提示，通过 --image 指定图片路径。
适用场景：需要让 AI 看图并回答问题的任务，例如识别图片中的物体与场景、对多张图片进行对比分析等。
限制：资料未提供该技能的安装方式、依赖环境、支持的图片格式、模型来源、收费情况、调用配额或性能表现等信息，这些内容暂未提供。