用途：把参考图片中的物体转化为受证据约束的程序化 Three.js 重建，输出可能是可行性结论、构建计划或可运行代码，三条路径都遵循同样的六阶段流程。
主要能力：六阶段依次为检查（Inspect）、分解（Decompose）、选择表示（Select representation）、粗建（Block out）、细化适用分支（Refine applicable branches）、验证（Verify）。它会综合多视角，识别目标边界、轮廓、负空间、接触点、重复特征等身份锚点，并为每个语义部件选择解析图元、旋转体、扫掠、挤出/CSG、实例化或程序化曲面等表示方式。细化阶段按结构、形态、材质、动作、性能顺序，仅在请求与证据支持时打开相应分支。
使用方式：对本地图片，将 <skill-dir> 设为包含本 SKILL.md 的目录，然后运行 python3 "<skill-dir>/scripts/probe_reference_image.py" "<image>"。该脚本报告格式、字节数、尺寸、宽高比与元数据解析状态，默认读取有界前缀（1 MiB，--max-header-bytes 最大 64 MiB），支持 PNG IHDR、JPEG SOF、GIF、WebP、BMP、经典 TIFF 首个 IFD 等头部。
适用场景：重建可行性评估、程序化构建规划、代码级实现。需要比较相机、固定取景与投影来区分相机误差与几何误差。
限制：单视角只能确定可见证据，隐藏面、厚度、绝对尺寸、材质参数与关节运动仍属假设，须逐条标注。若目标或用途不明，需先消解歧义。该脚本的宽高为存储栅格或画布尺寸，不处理 EXIF 方向、像素纵横比或解码图像校验；BigTIFF 与 JPEG DNL 高度恢复不在其支持范围内，文件有效性、动画帧、方向与颜色须另行检查。图片不可读时身份定义特征无法可靠重建，需请求最小补充输入或降低断言。完全相似、制造尺寸或不可见机构需要缺失视角或测量。
分类：设计与创作。