通用图像理解。适用于其他专用工具不匹配的场景。

Args: image: 图片输入,支持本地路径 / HTTP(S) URL / data:image base64 URI。 question: 想了解的内容或问题。

对截图进行 OCR,提取其中的文本。适用于代码、终端输出、文档、普通文本等。

Args: image: 图片输入(路径 / URL / base64 URI)。 question: 可选,特定提取要求,如"只提取报错堆栈"。

分析错误/异常截图,定位问题并给出可操作的修复建议。

Args: image: 错误截图(路径 / URL / base64 URI)。 context: 可选,补充背景,如相关代码、操作步骤、环境信息等。

解读技术图表,如架构图、流程图、UML、ER 图、系统设计图等。

Args: image: 图表图片(路径 / URL / base64 URI)。 question: 可选,想了解的具体方面。

读取数据可视化图表(柱状/折线/饼图、仪表盘等),提取洞察与趋势。

Args: image: 图表图片(路径 / URL / base64 URI)。 question: 可选,关注的指标或问题。

将 UI 截图转换为指定产物:代码、提示词、规格说明或描述。

Args: image: UI 截图(路径 / URL / base64 URI)。 target_type: 目标产物类型,可选:code(前端代码)、prompt(复刻用提示词)、 specification(规格说明)、description(文字描述)。 question: 可选,额外要求,如"用 React + Tailwind""响应式"。

比较两张 UI 截图,标记视觉或实现上的差异。

Args: image1: 第一张截图(路径 / URL / base64 URI)。 image2: 第二张截图(路径 / URL / base64 URI)。 question: 可选,关注的具体差异点。