用途：指导在 Apple 平台上实现计算机视觉功能，包括主体分割（subject lifting）、手部与人体姿态检测、人物检测、文字识别（OCR）、条码/二维码检测、文档扫描，以及组合多个 Vision API 解决复杂问题。
主要能力与选型：主体分割可用 VisionKit 的 ImageAnalysisInteraction（iOS/iPadOS）或 ImageAnalysisOverlayView（macOS）获得系统级交互；需要自定义管线、HDR 或大图时用 VNGenerateForegroundInstanceMaskRequest。人物分割用 VNGeneratePersonSegmentationRequest（整体掩码）或 VNGeneratePersonInstanceMaskRequest（每人独立掩码，最多 4 人）。手部姿态用 VNDetectHumanHandPoseRequest（21 个关键点），人体姿态用 VNDetectHumanBodyPoseRequest（2D）或 VNDetectHumanBodyPose3DRequest（3D）。文字识别用 VNRecognizeTextRequest，实时相机场景可用 DataScannerViewController；条码用 VNDetectBarcodesRequest；文档扫描用 VNDocumentCameraViewController 或 VNDetectDocumentSegmentationRequest，结构化文档用 RecognizeDocumentsRequest（iOS 26+）。
使用方式：Vision 请求不应在主线程执行，示例使用 DispatchQueue 后台队列；视频帧应使用 VNSequenceRequestHandler 以保持帧间状态，单图用 VNImageRequestHandler。资料给出多个组合模式，例如用主体掩码加手部关键点排除手持物体、用 CoreImage 的 CIBlendWithMask 保留 HDR 合成、按点击点选择实例、用拇指与食指距离判断捏合手势、用 60 帧姿态数据配合 CreateML 做动作分类。
限制：需注意各 API 的最低系统版本（如实例掩码 iOS 17+、VisionKit 主体提取 iOS 16+、3D 姿态 iOS 17+、RecognizeDocumentsRequest iOS 26+）；应检查置信度、转换坐标系（左下原点与 UIKit 左上原点不同）、避免逐帧全量处理、只启用需要的条码类型。资料未提供收费、价格或平台之外的信息。