VLM (Vision Chat) 技能

使 AI 能够理解并响应结合了图像和文本提示的内容。

核心功能

• 图像分析: 识别图片中的物体和场景。
• 多图对比: 同时分析多张图片。

CLI 示例

z-ai vision --prompt "图中有什么？" --image "./photo.jpg"