42atom/local-vision-lmstudio

local-vision-lmstudio skill

能力

本 skill 是 LM Studio 本地详细视觉说明书。

• 适合读截图文字、表格、UI 细节、报错信息
• 不把 LM Studio 协议细节继续写进 msgcode runtime

何时使用

在以下场景读取并使用本 skill：

• 当前模型不能原生看图
• 本地 LM Studio 已开启 API server
• 需要本地视觉模型做详细识图
• 需要读图片里的具体文字、表格、错误信息

调用合同

这项能力的真实实现就在当前 runtime skill 目录里。

• repo 真相源：
  • src/skills/runtime/local-vision-lmstudio/scripts/analyze_image.py
• 运行时同步后路径：
  • ~/.config/msgcode/skills/local-vision-lmstudio/scripts/analyze_image.py

优先使用本 skill 自带 wrapper：

• bash ~/.config/msgcode/skills/local-vision-lmstudio/main.sh ...

如需直接调用，也只调用本 skill 自带脚本本身。

参数合同：

• --print-models
• [--model <model-key>] <image-abs-path> "<task prompt>"
• 可选：--out <abs-path>

核心规则

• 图片路径必须使用绝对路径。
• 提示词要直接表达任务目标，例如“把表格文字尽量忠实提出来，保持结构”。
• 如果需要结构化结果，可以用 --out <abs-path> 落盘，再用 read_file 读取。
• 如果脚本或模型失败，先向用户说明限制，再决定是否重试。
• 不要假设 LM Studio 一定稳定；失败不应伪装成成功摘要。
• 不要再去用户目录里的其他 skill 仓库找实现。
• 不要自己发明新的 main.sh 子命令或额外 wrapper 层。

参考调用

bash ~/.config/msgcode/skills/local-vision-lmstudio/main.sh --print-models
bash ~/.config/msgcode/skills/local-vision-lmstudio/main.sh /abs/path/to/image.png "把图里的表格文字尽量忠实提出来，保持原有结构"
python3 ~/.config/msgcode/skills/local-vision-lmstudio/scripts/analyze_image.py --model <model-key> /abs/path/to/image.png "描述图片"
python3 ~/.config/msgcode/skills/local-vision-lmstudio/scripts/analyze_image.py /abs/path/to/image.png "提取全部文字" --out /abs/path/to/output.txt

常见错误

• ❌ 用相对路径或猜测图片路径
• ❌ 只说“帮我看看”，不说明要抽字、抄表格还是总结 UI
• ❌ 继续依赖用户目录里的历史 skill 副本
• ❌ 把系统 [图片摘要] 当成详细视觉结果

排障

推荐顺序：

1. --print-models
2. 确认目标图片绝对路径存在
3. 用一条明确提示词执行详细读图
4. 如需保存长结果，带 --out
5. 失败时向用户说明是 LM Studio / 模型 / 图片质量哪一层出问题