用途：在 iOS 应用中实现设备端计算机视觉能力，包括文字识别（OCR）、人脸与关键点检测、条码识别、文档扫描、图像分割、目标跟踪等。资料针对 iOS 26+ 与 Swift 6.3 的场景给出模式，并标注向后兼容条件。
主要能力：请求层分现代 API（iOS 18+，遵循 ImageProcessingRequest 协议，使用 async/await 与类型化返回值）和旧版 API（VNImageRequestHandler 加回调）。覆盖 RecognizeTextRequest 文字识别（可设识别级别、语言、语言纠正、自定义词）、DetectFaceRectanglesRequest 与 DetectFaceLandmarksRequest 人脸与人脸关键点、DetectBarcodesRequest 条码（含 QR、EAN13、Code128、PDF417 等）、iOS 26+ 的 RecognizeDocumentsRequest 结构化文档读取（段落、表格、列表、内嵌条码）、GeneratePersonSegmentationRequest 与 GeneratePersonInstanceMaskRequest 人物分割与实例分割、TrackObjectRequest 等有状态跟踪请求，以及 ClassifyImageRequest、显著性、矩形、水平线、人体姿态、手部姿态、动物姿态、人脸拍摄质量等请求。还可通过 CoreMLRequest 运行自定义 Core ML 模型并自动做图像预处理。VisionKit 的 DataScannerViewController 提供全屏实时文字与条码扫描。
使用方式：现代请求的典型模式为创建请求结构体、调用 perform(on:) 并处理类型化结果，例如 request.perform(on: cgImage)；旧版则用 VNImageRequestHandler 的 perform([request])。分割掩膜可配合 Core Image 的 CIFilter.blendWithMask() 合成。DataScannerViewController 需先用 isSupported 与 isAvailable 判断可用性，再设置 dataTypes、质量级别并调用 startScanning()，在 SwiftUI 中通过 UIViewControllerRepresentable 包装；使用时需在 Info.plist 声明 NSCameraUsageDescription。
限制与常见错误：Vision 使用归一化坐标且原点在左下角，展示前需转换到 UIKit 坐标；图像分析消耗 CPU/GPU，不应在主线程执行；实时视频宜用 .fast 识别级别，静态图像用 .accurate；应按需指定条码类型，并依据置信度过滤结果；视频跟踪应使用 VNSequenceRequestHandler 保持时序上下文而非逐帧新建 handler；DataScannerViewController 需要 A12 及以上芯片与相机权限。具体细节参见资料中的 references/vision-requests.md 与 references/visionkit-scanner.md。