vision 是一个多提供商视觉分析工具，向指定视觉模型发送提示词和图片路径，返回文字描述，可用于理解截图、UI 布局、示意图等图像内容。若当前会话的模型本身已具备原生图像理解能力，则无需调用本工具。
主要能力：支持 doubao（默认模型 doubao-seed-2-0-pro-260215）、qwen（默认 qwen-vl-max，可选 qwen-vl-plus、qvq-max）、deepseek（默认 deepseek-v4-flash-vision-exp，仅该模型接受图片）、openai（默认 gpt-4o，兼容任何 OpenAI 协议端点）、anthropic（默认 claude-sonnet-5，需安装 anthropic 包）。也支持自定义提供商，通过 {NAME}_API_KEY、{NAME}_BASE_URL、{NAME}_MODEL 必填变量及可选 {NAME}_PROTOCOL（openai 或 anthropic）动态解析，无需改代码。
使用方式：命令行执行 python vision.py [--provider <name>] <image_path> <prompt>。省略 --provider 时按 --provider 参数 > VISION_PROVIDER 环境变量 > 首个可用 API 密钥的顺序解析。可用 python vision.py --check-routing 检查当前会话路由状态，native 则无需调用，external 则正常使用。
配置项：VISION_PROVIDER、VISION_MODEL、{PROVIDER}_MODEL、{PROVIDER}_BASE_URL、{PROVIDER}_PROTOCOL、VISION_TEMPERATURE（默认 0）、VISION_MAX_TOKENS（默认 4096）。自定义提供商必须显式指定，不会参与自动探测。
限制与说明：自动探测仅扫描内置提供商的 API 密钥；自定义提供商缺少 BASE_URL 或 MODEL 时会明确提示需设置的变量；anthropic 提供商需额外安装 anthropic 包，其他提供商可延迟导入而无需安装。具体收费、价格、平台覆盖与效果资料暂未提供。