将 UI 截图转换为代码、提示词、设计规范或自然语言描述。

仅在用户需要以下操作时使用：

• 从 UI 设计生成前端代码（output_type='code'）

• 创建用于 UI 复刻的 AI 提示词（output_type='prompt'）

• 提取设计规范文档（output_type='spec'）

• 获取 UI 的自然语言描述（output_type='description'）

不要用于：需提取的文字/代码、错误信息、技术图表、数据可视化。

使用 OCR 从截图中提取和识别文字。专门用于代码、终端输出、文档和通用文本提取。

仅在用户需要以下操作时使用：

• 从截图提取代码（保持正确缩进与格式）

• 提取终端输出和日志

• 提取文档和文本内容

不要用于：UI 转 code、错误诊断、图表分析。

解析错误弹窗、堆栈跟踪和日志截图，给出定位与修复建议。

仅在用户需要以下操作时使用：

• 分析错误消息和堆栈跟踪

• 定位根本原因

• 提供可操作的修复方案

不要用于：提取代码、UI 分析、图表解读。

分析技术图表并生成结构化解读，覆盖架构图、流程图、UML、ER 图、序列图等。

仅在用户需要以下操作时使用：

• 分析架构图

• 理解流程图与 UML 图

• 解释 ER 图与序列图

• 识别设计模式

不要用于：UI 截图、错误消息、数据可视化图表。

阅读仪表盘、统计图表，提炼趋势、异常与业务要点。

仅在用户需要以下操作时使用：

• 从图表提取洞察

• 识别趋势与模式

• 检测异常值

• 提供业务影响分析

不要用于：技术架构图、UI 截图、错误诊断。

对比两张 UI 截图，识别视觉差异和实现偏差。专门用于 UI 质量保证和设计到实现的验证。

仅在用户需要以下操作时使用：

• 比较预期 UI 与实际实现

• 识别视觉差异

• 提供详细差异报告

• 按严重程度排列问题优先级

需要两张图：预期/参考图 与 实际/当前图。

通用图像理解能力，适配未被专项工具覆盖的视觉内容。

仅在用户需要以下操作时使用：

• 当专项工具（UI/OCR/错误/图表/数据可视化/视频）都不适用时

• 灵活理解任何视觉内容

• 全面的图像描述和分析

这是兜底工具，优先使用更专业的工具。

使用 AI 视觉模型分析视频内容。

仅在用户需要以下操作时使用：

• 理解视频中发生了什么

• 提取关键时刻或动作

• 分析视频内容、场景或序列

• 识别视频中的对象、人物或活动

支持本地文件与远程 URL，最大 8MB，支持 MP4/MOV/M4V 等格式。