图片内容 AI 分析与理解

要解决什么问题

工程师在对话里贴截图、设计稿、图表或本地图片路径时，往往需要结构化理解而不只是「看一眼」：要逐字 OCR、要评审 UI、要从图里抠数据趋势。若每次手写提示词并手动选模型，模式容易混用、输出格式也不稳定。

技能如何工作

本技能在消息里自动识别常见图片扩展名（如 .png、.jpg、.webp 及 URL），抽取路径后调用 MiniMax Token Plan 提供的 MiniMax_understand_image MCP 工具，并按场景选用分析模式：

• describe：通用图像理解与详细描述
• ocr：截图、文档类图片的原文提取
• ui-review：线框图、设计稿的结构化评审与建议
• chart-data：图表、可视化中的数据点与趋势
• object-detect：物体、人物、活动等的列举与定位

流程上是：检测图片 → 选定模式并带上对应 prompt 策略 → 将结果按模式呈现（描述用可读段落，OCR 保留结构，UI 评审用结构化点评）。

适用边界与注意点

• 依赖 MiniMax Token Plan 订阅及有效的 MINIMAX_API_KEY；understand_image 不能用免费档或其它 tier 的 key 替代。
• 需事先配置 MiniMax MCP；未配置时应按官方 MCP 指南完成环境接入并重启客户端后用 /mcp 校验。
• 单图最大约 20MB（JPEG、PNG、GIF、WebP 等）；本地路径在 MCP 具备文件访问权限时可用。
• 工具由 minimax-coding-plan-mcp 包提供；本技能遵循简诗 AI 安全边界，不自动改系统、不擅自执行外部写入类操作。