用途：see 在现有主模型视觉能力不足时，补足图片、截图、视频及明确提供的媒体 URL 的分析能力，结果以 Markdown 输出。用户明确要求 see，或主模型无法完成视觉分析时使用；不拦截普通文本与任意 URL。
主要能力：先检查已有附件、可读媒体路径和宿主视觉能力，原生视觉足够则直接完成；需要外部服务时告知将发送哪些媒体给哪个服务。支持单图、视频、多图并行，以及多图联合判断（--together）。脚本自动完成识别、选择供应商、失败时切换供应商；图片无云端时降级本地视觉，视频自动压缩后输入模型，不自行抽帧。
使用方式：将 Skill 目录解析为绝对路径后调用 scripts/see.sh。单图 scripts/see.sh image.png；视频 scripts/see.sh video.mp4；多图 scripts/see.sh a.png b.png c.png；联合比较 scripts/see.sh --together before.png after.png --task "比较界面变化"。成功后读取 stdout 中 output_path=<path> 指向的 Markdown。首次使用或反馈未调用时运行 python3 scripts/onboard.py --status；仅在用户明确要求修改全局规则时用 onboard.py --install-agents，它是可选的宿主适配，不是前置步骤。可选参数：--together、--provider、--model、--task、--jobs、--ocr-backend。
供应商与配置：支持 zenmux、bailian、openrouter、tokendance、local。图片默认 Qwen3.7 Plus；视频在 ZenMux/OpenRouter 默认 Gemini 3.1 Flash-Lite，其余平台默认 Qwen3.7 Plus，可用 SEE_VIDEO_MODEL 覆盖。兼容 ZENMUX_API_KEY、DASHSCOPE_API_KEY、OPENROUTER_API_KEY、TOKENDANCE_API_KEY。配置读取顺序为环境变量 → .env.local → 用户私有配置；Windows 位于 %APPDATA%\see\config.env，macOS/Linux 位于 ~/.config/see/config.env。
本地降级：macOS 用系统 Vision OCR，有 Swift 时增加场景/人物/人脸/条码/图形结构，再降级 Tesseract；Windows 用 Windows OCR → Tesseract；Linux 用 Tesseract。
限制：视频需要任一云端 Key；云端分析会把媒体发给所选供应商，可能计费；本地 OCR 不等于完整多模态语义理解。不要把 Key 发到聊天、命令参数或日志，配置文件不得复制进 Skill 或项目仓库。安装 Skill 不会更换当前主模型。原生视觉足够时直接完成；外部服务与 OCR 均不可用时如实说明。主 Agent 只传路径并读取 output_path，不自行调用 ffmpeg、抽帧或上传。