Vision Support — 非多模态模型的图片识别桥接

铁律：本技能配置的所有模型仅用于图片内容识别，绝不参与主逻辑推理。 这些模型不会代替主模型做任何决策、分析或编码，它们只负责"看"图片然后把看到的内容用文字描述出来。

什么时候使用此技能

• 用户在对话中附带了图片，但当前模型不支持图片理解
• 用户提到截图/图片/界面/设计："看看这个截图"、"界面有问题"、"这个设计稿"
• 用户描述了一个视觉问题但说不清楚："网页显示不对"、"布局乱了"
• agent 在工作中遇到图片文件（PNG/JPG/WebP 等）
• 通过指令 /vision 或 /skill:vision-support 手动触发

首次使用 — 一键初始化

node SKILL_DIR/scripts/vision.mjs init