DS Vision Skill
这个 skill 负责把视觉输入转换成文本或结构化 JSON。它不替代主模型，只负责识别任务、选择工具、执行视觉/OCR/文档解析，并把结果交给主模型继续推理。
首选入口
优先使用统一路由脚本：
scripts/vision-router.ps1 -Path <file> -Prompt "<user request>" -Intent auto -Json
常用参数：
-Intent auto|reason|ocr|document：默认auto。图片默认走视觉理解免费竞速池；纯 OCR 请显式使用-Intent ocr。-Complex：图表、数学、复杂 UI、代码截图、多步骤视觉推理时启用。-AccurateOcr：票据、扫描件、低清晰度文字识别时启用百度高精度 OCR。-NoCache：强制重新调用视觉模型。
只有在需要调试单个通道时，才直接调用底层脚本。
路由规则
- PDF、论文、报告、长文档、多页扫描件：使用
scripts/mineru-extract.ps1 -FilePath <file> -Mode flash -Json。如果配置了MINERU_TOKEN且 flash 失败，再尝试-Mode extract。 - 图片且需要理解/推理：使用
scripts/vision-router.ps1并发调用已配置的免费云视觉通道：agnes-2.5-flash、agnes-2.0-flash、glm、glm-thinking；谁先成功返回就采用谁的结果。如果全部失败，再降级到custom-1、custom-2、custom-3和local。 - 图片默认进入视觉理解免费竞速池；需要纯文字识别时显式使用
-Intent ocr，优先scripts/baidu-ocr.ps1 -ImagePath <file> -Json；未配置或失败时用scripts/windows-ocr.ps1 -ImagePath <file> -Json。 - 无法判断时：使用
vision-router.ps1 -Intent auto -Complex -Json。
降级链
- 视觉理解：
race(agnes-2.5-flash, agnes-2.0-flash, glm, glm-thinking) -> custom-1 -> custom-2 -> custom-3 -> local。 - 文档解析：
mineru flash -> mineru extract。 - OCR：
baidu-ocr -> windows-ocr -> vision reasoning。 - 同一通道遇到 401、403、429、网络错误或空结果时，不要反复重试；直接切换下一通道。
输出规范
所有脚本在 -Json 模式下输出：
{
"task_type": "image_reasoning | document_parsing | ocr",
"tool_used": "actual tool or model",
"confidence": "high | medium | low",
"result": "recognized or parsed content",
"metadata": {}
}
主模型继续推理时，优先使用 result 字段。向用户报告时可简要说明 tool_used 和必要的降级过程。
预检
执行前可运行：
scripts/preflight.ps1
scripts/preflight.ps1 -Json
-Json 用于自动化读取通道、工具和本地运行时状态。
隐私
云端通道会把文件内容发送给对应服务商。用户明确关注隐私、合同、证件、医疗、财务等敏感内容时，优先使用 Windows OCR、本地模型或先征求确认。
维护约定
- PowerShell 脚本源码保持 ASCII-only，中文通过参数传入。
- 面向用户的 Markdown 文档使用 UTF-8。
- 新增通道时优先接入
vision-router.ps1，再补充 README 和references/channels.md。
