用途：该技能用于对图片 URL 进行多模态识别与分析，按用户意图返回文本结果，涵盖通用图片描述、商品视觉分析、OCR 文字提取、电商 A+ 页面内容解读、截图说明、物体识别等场景。
主要能力：接收一个公开可访问的图片 URL 与可选的自然语言 requirement 参数，后端多模态模型解析视觉内容并返回文本。支持格式为 JPG、JPEG、PNG、GIF、WebP、BMP。requirement 缺省时为“Describe the content of this image”，两个参数均限 1000 字符。
使用方式：API 端点为 POST /multimodal/recognizeImage；也可运行 python scripts/multimodal_recognize_image.py '<JSON 参数>' [--inline]。若为本地图片，需先上传取得公开 URL：python scripts/upload_image.py /path/to/local/image.png，该 URL 有效期 24 小时。
输出与成本：脚本始终把完整响应写入工作目录下的 linkfox/<YYYY-MM-DD>/<session>/data/ 路径，响应 ≤8KB 时打印完整 JSON，>8KB 时只打印摘要，加 --inline 强制全量打印；带 24h 本地缓存，同一会话同一参数默认只调用一次。按动态规则计费（输入+输出算力），可能一次性消耗大量算力，需提醒用户并由用户决定是否继续；失败或空结果不得自动换词连续试探。
认证与限制：需配置环境变量 LINKFOX_AGENT_API_KEY 或 LINKFOXAGENT_API_KEY，否则按 onboarding 文档处理；401/402 或余额不足提示需按指引解决。仅支持公网 URL，不支持本地路径直接分析；不支持生成或编辑图片、视频分析、以图搜图。结果仅转述 API 实际返回内容，不得编造视觉细节。
适用场景：跨境电商商品图与 A+ 页面审阅、截图文字提取、图片内容理解等需要视觉识别的任务。