feat: 新增 /skill kimi-eyes 触发入口,规避纯文本模型 image_url 400

利用 kimi-code 的 /skill 文本通道(rewriteMediaPlaceholders 把图片渲染成 Attached image file 路径,不产生 image part),让纯文本主模型也能粘贴看图:用户 /skill kimi-eyes + Alt-V 粘贴,模型从路径调 read_image 拿回文字描述。新增 skills/kimi-eyes/SKILL.md;README(中英)+ 网页新增「看图方式 × image_in」对比表与 /skill 配置说明。1.0.6 → 1.0.7。
This commit is contained in:
billowliu2 committed 2026-08-02 18:07:53 +08:00
1 parent 64a9807fb9
commit 43f09c83f4
6 files changed
+154 -4

No files matched your search

+36
View File
@@ -0,0 +1,36 @@
---
name: kimi-eyes
description: 纯文本主模型的看图入口。通过 /skill kimi-eyes 触发,把粘贴的图片交给 kimi-eyes 配置的外部 VLM 分析,返回文字描述。
type: prompt
whenToUse: 当用户用 /skill kimi-eyes 发送图片、且当前主模型不具备原生看图能力时
---
# Kimi Eyes — 纯文本主模型看图
## 为什么需要这个 skill
`/skill` 通道下,用户粘贴的图片以 `Attached image file: <缓存路径>` 的**纯文本**形式
进入对话,不会作为 `image_url` content part 发给主模型。因此**纯文本主模型也不会触发
`400 unknown variant image_url` 错误**。本 skill 利用这条文本通道,把图片交给 kimi-eyes
已配置的外部 VLM,拿回文字描述后作答。
## 触发条件
- **仅当**用户当前消息以 `/skill kimi-eyes` 开头,并附带图片
- 用户直接 Alt-V 粘贴图片(没有 `/skill` 前缀)时**不要**走本 skill,按 kimi-eyes 常规机制处理(@图片路径 或 截图后直接提问)
- 多模态主模型(已声明 image_in 且 provider 真支持图片)原生看图即可,不需要本 skill
## 执行步骤
1. 在用户消息里定位 `Attached image file: <路径>` 文本,提取其中的图片**绝对路径**(缓存目录下的文件)
2. 调用 kimi-eyes 的 `read_image` 工具:
- `path` = 第 1 步提取到的图片路径
- `prompt` = 用户的问题;若用户没给具体问题,使用「详细描述这张图片的内容」
3. **不要**使用 `ReadMediaFile`(它对纯文本模型无意义,且会把图片作为 part 回灌,可能再次触发 400)
4. `read_image` 返回的是外部 VLM 的**文字描述**,基于这段描述回答用户的问题
## 失败兜底
- 消息里没有 `Attached image file:` 路径 → 提示用户:「请输入 `/skill kimi-eyes` 后再粘贴图片」
- `read_image` 报「Vision API is not configured」→ 提示用户运行 `npx kimi-eyes setup` 配置视觉 API
- `read_image` 报文件不存在 → 提示用户重新粘贴图片(缓存文件可能已失效)