用途：Vision 是 Claude Code 的视觉处理技能，利用 Claude 的多模态能力对图像进行分析、处理和洞察提取，适用于 OCR、图像分类、图表解读、图像对比和视觉问答等场景。
主要能力：
- OCR：从截图、扫描件、收据、手写笔记中提取文字并尽量保留排版结构。
- 图像分类：识别主体、场景、风格与情绪，输出分类标签及置信度。
- 图表分析：识别图表类型，提取数据点、趋势、异常与坐标轴/图例信息。
- 图像对比：比较多张图或设计稿，列出异同并给出对照表。
- 图像描述：生成详细描述，可用于替代文本。
- 视觉问答：针对图像内容回答具体问题。
- UI/UX 分析：识别界面组件、布局与设计模式，评估可访问性。
- 文档与表单处理：提取字段和值，整理为结构化数据。
使用方式：先用 Read 工具读取图像文件，说明具体任务，再由技能分析并按 markdown 输出结果。支持 PNG、JPG、JPEG、GIF、WebP 和单页 PDF。批量处理可逐张列出结果并汇总结论。技能附带 Python 辅助脚本，用于格式转换、元数据提取、批处理和图像预处理，命令为 python .claude/skills/vision/scripts/image_processor.py --operation [convert|metadata|batch] --input [path]。
适用场景：截图取文、文档数字化、收据/发票处理、图表洞察、设计稿对比、界面评审、无障碍描述等。
限制：分辨率低或模糊图像会降低准确性；主要面向位图，矢量图可能需先转换；需注意隐私与敏感信息；高度专业的复杂图表可能需要额外背景知识；无法访问图像之外的实时数据或外部资源。该技能采用 Apache-2.0 许可，版本 1.0.0，兼容支持视觉能力的 Claude Code。