SuperAPI AI 工具集

look-at

设计与创作

查看项目

更新于 10-15 21:37

技能介绍

用途:当用户要求“查看、分析、描述、提取”PDF、图片、图表、截图、视频等媒体内容时使用。它把媒体文件交给子进程中的视觉模型处理,只把与目标相关的文本结果返回主会话,从而节省上下文 token。

主要能力:支持图片(jpg、png、webp、heic 等)、视频(mp4、mov、webm 等)、音频(wav、mp3、flac 等)和文档(pdf、txt、csv、md、html)。默认后端 agy 通过 Antigravity OAuth 使用 Gemini,可原生读取图片、PDF 和视频;音频自动路由到计费的 api 后端。另有 claude、codex、copilot 三个订阅制 CLI 后端可提供独立第二意见。--consensus 可并行运行多个后端并分别输出结果。--agentic(仅 api 后端)启用代码执行,用于计数、读取细节、图表数值等复杂视觉推理。

使用方式:调用脚本并传入绝对路径文件与具体目标,例如:"${CLAUDE_SKILL_DIR}/scripts/look_at.sh" --file "/path/to/file.pdf" --goal "Extract the title and date"。可用 --backend 指定后端,--consensus 做多后端共识,--agentic 启用代理模式。Bash 工具描述建议设为 "look-at: [goal]"。api 后端需设置 GOOGLE_API_KEY 或 GEMINI_API_KEY,并通过 uv run --script 启动。

适用场景:从 PDF 提取表格或章节、描述截图 UI、解释架构图、从图表取数、对图片做多模型视觉校验。

限制:源码或纯文本需精确内容时应使用 Read;需要后续编辑或保留原始格式的文件也不适用。claude、agy、codex、copilot 需各自安装并登录,agy、codex、copilot 处理 PDF 还需 pdftoppm。api 后端按量计费,不参与 --consensus。文件需用绝对路径,大文件可能超时。