用途：在用户要求“验证视觉输出”“检查渲染效果”“检查幻灯片”等场景下，对渲染结果做闭环校验，直到视觉正确而非仅源码正确。
主要能力：建立 render-vision-fix 循环。流程为：修改源码、渲染 PNG/PDF、对含 Fletcher/CeTZ 图的 PDF 页面用 pdftotext 预筛水平文本粘连、用视觉模型做意图与缺陷双重检查，再根据评分决定完成或继续修正。缺陷清单含 10 类：文本被裁剪/溢出、元素重叠、箭头穿元素、箭头指向错误、标签悬空、标签间距不足、间距不均、字号过小、并列子图布局不一致、边标签与节点文字融合。
使用方式：渲染命令如 Typst 用 tinymist compile input.typ /tmp/visual-verify.png --pages N --ppi 144，Python 用 uv run python3 script.py，截图用 screencapture -x /tmp/visual-verify.png。预筛命令：pdftotext -f <page> -l <page> -layout output.pdf -。视觉调用使用 look_at.sh，单后端或 --consensus（Gemini+GPT-5.4）；Gemini 不可用时用子代理 Read PNG 打分，不得用 pdftotext 替代视觉检查。评分记录在 SCORES.md，阈值默认 9.5。可用 work-hold.sh 设置以退出码为判定的门控。
适用场景：幻灯片、Typst 文档、含示意图的 PDF、Python 生成图与截图等视觉产物验证。
限制：视觉评分为模型输出，存在噪声；pdftotext 仅能发现水平相邻文本融合，不能检测垂直重叠或空间错位；Gemini 倾向低估重叠缺陷，需以更严格评分为准；最多迭代 5 次后需升级给用户；主对话直接读图会消耗大量上下文。资料未提供具体收费、价格与完整安装步骤。