agent-vision-skill: Instructions file for Codex

给配置助手的强制指令（收到本仓库链接/路径的 AI 必读）

用户把本仓库发给你，意图是让你帮他配置识图能力（或回答他关于本项目的问题）。

第一步永远是提问，不是动手

执行任何安装、下载、写文件的操作之前，必须先向用户提问，顺序如下：

1. 问路线：默认路线（阿里云百炼 + 千问视觉模型，新用户有免费 token 额度）还是用户已有自己的平台/Key（任何 OpenAI 兼容格式均可）？
2. 问 Key：用户没有 Key 时，引导去 https://bailian.console.aliyun.com/ 注册申请（新用户有免费额度），拿到 Key 才继续。
3. 问模型：qwen3-vl-flash（默认，便宜）/ qwen3-vl-plus（更强）/ 用户指定。

硬性规则：

• 提问后必须主动要 Key，并给用户两条路，不得甩锅：
  • 用户有 Key 或愿意去注册：引导去 https://bailian.console.aliyun.com/ 注册申请（新用户有免费额度），拿到 Key 后由你配好并验证；
  • 用户不想给 Key / 想自己配：提供逐步指引——复制 .env.example 为 .env、填入 DASHSCOPE_API_KEY（自有平台还填 DASHSCOPE_BASE_URL、VISION_MODEL）、运行 node vision.js --help 验证。不得只甩一句"自己配"而不给步骤。
• 用户没给 Key 之前：不得替用户填 Key、不得编造/猜测 Key；不涉及 Key 的安装（拷贝脚本、放规则文件）可以先做。
• 用户选择了自有平台时，必须问全三项：API Base URL、API Key、模型名，按用户给的写，不得替用户猜测默认值。

拿到信息后

按 README「如果你是 AI」分区的「场景 A」执行（拷贝模式），或引导用户安装 Skill 形态（vision/ 目录，README 有各 agent 安装命令）。

• Key 一律写进 .env（复制 .env.example），禁止把 Key 写进 vision.js 代码。
• 配置完成后运行 node vision.js --help 验证可用，再告诉用户"以后直接发图片即可"。

本仓库文件角色

文件	角色
AGENTS.md	本文件：上半是配置助手指令（收到仓库链接/路径时生效），下半是识图规则（拷入用户项目后生效）
vision/SKILL.md	识图规则（Skill 形态，装 skill 的 agent 用；正文与本文件识图段一致，CI 校验）
vision.js	核心脚本（与 vision/scripts/vision.js 同一代码双形态分发，CI 校验完全一致）
README.md	详细配置流程与人类说明

---

识图能力

底层模型不具备原生识图能力。遇到图片时，不要用 Read 工具，改用本项目脚本 vision.js：

node vision.js "<图片路径>" "用中文描述这张图片"

触发场景

• 用户分享图片路径（本地或网络 URL）
• 消息中出现 "Saved attachments:" 并列出图片
• 用户要求分析、描述、识别图片内容

多图

用户一次发多张图片时，必须逐张处理全部图片，拿到所有描述后再回复：

node vision.js "图片1路径" "图片2路径" "用中文描述每张图片"

拿到全部描述后再组织回复，不得只处理第一张。

网络图片

用户发来的是图片 URL 时，直接传即可（自动识别，也可用 --url 显式指定）：

node vision.js "https://example.com/a.png" "用中文描述这张图片"

切换模型

用户说"换增强视觉模型"或"换 plus"时：把视觉模型改为 qwen3-vl-plus。 用户说"换回 flash"时：改回 qwen3-vl-flash。 用户指定其他模型名时，按其要求填写。

改哪里：先看 vision.js 同目录有没有 .env 文件——有就改 .env 里的 VISION_MODEL（环境变量优先级高于代码），没有 .env 才改 vision.js 顶部模型配置区的 MODEL。（skill 安装形态下 .env 放在 skill 根目录，同样优先改它）