用途：这是 qwencloud/qwencloud-ai 下的视觉理解技能，用于分析、描述图片和视频，提取其中信息，并做 OCR 文字识别与视觉推理。触发场景包括用户想分析或描述图像/视频、从画面中抽取信息、识别图中文字等。
主要能力：scripts/analyze.py 支持单图理解、多图对比、视频理解、思考模式与高分辨率；scripts/reason.py 做基于 QVQ 的视觉链式推理（始终流式）；scripts/ocr.py 从文档、发票、表格中提取文字；scripts/vision_lib.py 提供 base64、上传、流式等共享能力。请求 JSON 中输入字段四选一："image"（单图）、"images"（多图数组）、"video"（视频文件）、"video_frames"（帧数组）；视频不能用 "image" 字段。
使用方式：需 Python 3.9+（仅标准库），并配置 API 密钥，按 QWENCLOUD_API_KEY、QWEN_API_KEY、DASHSCOPE_API_KEY 顺序查找，脚本会自动加载当前目录与项目根目录的 .env。密钥检查只能报告“set/not set”等状态，禁止输出明文或展示 .env 内容；未配置时应引导用户创建含占位符的 .env。执行示例：python3 <this-skill-dir>/scripts/analyze.py --request '{"prompt":"What is in this image?","image":"<url>"}' --output output/qwencloud-vision/result.json --print-response；视频可用 --upload-files；结构化抽取可用 --schema。脚本需用绝对路径运行，不切换目录，前台执行，先跑 --help 查看参数。
模型选择：用户显式指定的模型必须原样使用，不得替换或添加未请求参数；仅当用户未指定时才参考当前视觉模型目录。模型目录为时点快照，应以官方列表为准，可用 qwencloud-model-selector 或 CLI 获取实时数据。Token Plan（sk-sp-）密钥仅支持具备视觉能力的多模态模型，且不要用 curl，须用自带脚本；Coding Plan 密钥不能直接调用 API。
输入与限制：图片支持 BMP/JPEG/PNG/TIFF/WEBP/HEIC，最短边 ≥10px，宽高比 ≤200:1；视频支持 MP4/AVI/MKV/MOV/FLV/WMV，fps 范围 [0.1,10] 默认 2.0；具体时长与大小限制以模型目录为准。API 接受 HTTP/HTTPS URL、Base64 data URI、oss:// URL，本地路径由脚本自动转换；本地文件 ≥7MB 须加 --upload-files，走临时存储（48 小时 TTL，100 QPS，不适合生产）。
错误处理：401 为密钥无效或缺失，400 为请求格式错误，429 限流退避重试，5xx 服务端错误重试。输出默认写到当前工作目录下 output/qwencloud-vision/，禁止写入技能安装目录。用量与计费可通过 qwencloud-usage 技能或控制台查看，不得编造相关链接。若 CDN 获取失败可使用本地回退资料。