图像视觉

工作原理

/add-image-vision 技能让 NanoClaw 智能体能够看到图片。当有人在已注册的 WhatsApp 聊天中发送照片时，NanoClaw 会下载图片，使用 Sharp 调整尺寸（以控制 token 成本），将其保存到群组工作区，然后以多模态内容块的形式传递给 Claude。智能体会看到图片和文字消息，并能对图片内容进行描述、分析或回应。

该技能修改了代码库的两个部分。在宿主机端，它更新 WhatsApp 通道以检测图片附件、下载图片并通过 Sharp 进行尺寸调整。在容器端，它更新智能体运行器，将处理后的图片作为视觉内容块包含在发送给 Claude 的消息中。

技能应用后，你需要重新构建容器镜像并重启服务。此后，在已注册的聊天中发送的任何图片都会自动处理，无需额外配置。

智能体能用图片做什么

Claude 的视觉能力完全适用。智能体可以：

• 描述照片中的内容
• 从截图或文档中读取文字
• 识别物体、人物表情或场景
• 比较连续发送的多张图片
• 回答关于视觉内容的问题

智能体不需要被告知”看看这张图”——它会将图片作为消息的一部分接收，并据此作出回应。

图片处理

图片在发送给 Claude 之前会进行尺寸调整，以在质量和 token 用量之间取得平衡。Sharp 库负责格式转换和缩放。原始图片会保存到群组的工作区目录中，以便智能体后续参考。

处理管道支持常见的 WhatsApp 图片格式，包括 JPEG、PNG 和 WebP。如果图片无法处理（文件损坏、格式不支持），智能体会收到一条说明有图片附件但无法读取的提示，而不是静默丢弃。

故障排查

智能体未提及图片。 检查容器日志中是否有 “Loaded image” 消息。如果没有，智能体运行器源码可能尚未同步到现有群组缓存。将更新后的源文件复制到每个群组的 agent-runner-src/ 目录并重启。

“Image - download failed.” WhatsApp 媒体下载超时或失败。这通常发生在网络不稳定时。重新发送图片一般即可解决。

“Image - processing failed.” Sharp 可能未正确安装。运行 npm ls sharp 验证其是否存在。Sharp 使用原生绑定，如果你更换了 Node.js 版本，可能需要重新执行 npm install。

使用建议

• 图像视觉目前仅支持 WhatsApp。其他通道需要各自实现图片下载逻辑。
• 发送超大图片（10+ MB）可以正常工作，但下载和处理时间更长。WhatsApp 在发送前通常会压缩照片，因此实际使用中很少遇到此问题。
• 智能体可以处理单条消息中的多张图片，每张图片作为单独的内容块传递。