name: bytedance-visual-recognition
description: >
ByteDance Visual Recognition — 调用豆包 Doubao-Seed 多模态模型识别图片/视频。
支持图片转文字、视频转文字、图片转代码、视频转代码，全自动模型降级。
参与火山协作奖励计划免费使用顶级多模态模型。
智能调度模型，每模型每日180W tokens，超限自动降级。
summary: "ByteDance Visual Recognition — 调用豆包 Doubao-Seed 识别图片/视频，支持转文字、转代码，参与火山协作奖励计划免费使用"
tags:
vision: "3.0.0"
image-recognition: "3.0.0"
video-recognition: "3.0.0"
image-to-code: "3.0.0"
video-to-code: "3.0.0"
doubao: "3.0.0"
volcengine: "3.0.0"
bytedance: "3.0.0"
trigger_patterns:

• "识别图片"
• "识别视频"
• "图片识别"
• "视频识别"
• "图片转文字"
• "视频转文字"
• "图片转代码"
• "视频转代码"
• "看图说话"
• "图片内容"
• "视频内容"
• "图片里有什么"
• "视频里有什么"
• "分析图片"
• "分析视频"
• "提取图片文字"
• "提取视频文字"
• "图片OCR"
• "UI转代码"
• "设计稿转代码"
• "截图转代码"
• "录屏转代码"
• "视觉识别"
• "recognize image"
• "recognize video"
• "image to text"
• "video to text"
• "image to code"
• "video to code"
• "vision"

metadata:
openclaw:
requires:
bins:

• python

env:

• ARKAPIKEY
• DOUBAOVISION20P_ID
• DOUBAOVISION20C_ID
• DOUBAOVISION20L_ID
• DOUBAOVISION16V_ID
• DOUBAOVISION18_ID
• DOUBAOVISION10C_ID

primaryEnv: ARKAPIKEY
envVars:

• name: ARKAPIKEY

required: true
description: 火山方舟 API Key，在 console.volcengine.com/ark → API Key 管理 创建

• name: DOUBAOVISION20P_ID

required: true
description: Doubao-Seed-2.0-Pro 接入点 ID，在 console.volcengine.com/ark → 在线推理 获取

• name: DOUBAOVISION20C_ID

required: true
description: Doubao-Seed-2.0-Code 接入点 ID

• name: DOUBAOVISION20L_ID

required: true
description: Doubao-Seed-2.0-Lite 接入点 ID

• name: DOUBAOVISION16V_ID

required: true
description: Doubao-Seed-1.6-Vision 接入点 ID

• name: DOUBAOVISION18_ID

required: true
description: Doubao-Seed-1.8 接入点 ID

• name: DOUBAOVISION10C_ID

required: true
description: Doubao-Seed-Code 接入点 ID

• name: VOLCENGINEACCESSKEY

required: false
description: 火山 IAM Access Key，在 console.volcengine.com/iam 创建，用于自动同步用量

• name: VOLCENGINESECRETKEY

required: false
description: 火山 IAM Secret Key，与 ACCESS_KEY 配套
emoji: "🔍"
homepage: https://www.volcengine.com/docs/82379/1569618

ByteDance Visual Recognition — 豆包 Doubao-Seed 图片视频识别

调用火山方舟 Doubao-Seed API 文档 识别图片/视频，自动选择模型并限制用量。参与火山协作奖励计划免费使用顶级多模态模型。

⚠️ 配置只需一次！ 如果 .env 文件已存在且包含 ARK_API_KEY 和 6 个模型 ID，说明已配置过，直接跳到"调用方式"执行命令，不要重新配置。

🚀 首次配置

1. 获取 API Key

1. 打开 https://console.volcengine.com/ark 注册/登录
2. 左侧菜单 → API Key 管理 → 创建 API Key → 复制保存

2. 创建模型接入点

在同一个控制台，左侧菜单 → 在线推理 → 创建推理接入点，选以下 6 个模型：

| 环境变量名 | 模型 | 说明 |
|-----------|------|------|
| DOUBAO_VISION_20P_ID | Doubao-Seed-2.0-Pro | 主力模型，所有模式优先 |
| DOUBAO_VISION_20C_ID | Doubao-Seed-2.0-Code | 代码模式优先 |
| DOUBAO_VISION_20L_ID | Doubao-Seed-2.0-Lite | 轻量备选 |
| DOUBAO_VISION_16V_ID | Doubao-Seed-1.6-Vision | 视觉专用 |
| DOUBAO_VISION_18_ID | Doubao-Seed-1.8 | 通用备选 |
| DOUBAO_VISION_10C_ID | Doubao-Seed-Code | 代码专用 |

每个接入点创建后会得到一个 ep-xxxxx 格式的 ID，复制保存。

3. 配置 .env 文件

在 Skill 目录下创建 .env 文件，填入你的 Key 和接入点 ID：

ARK_API_KEY=你的API Key
DOUBAO_VISION_20P_ID=ep-xxxxx
DOUBAO_VISION_20C_ID=ep-xxxxx
DOUBAO_VISION_20L_ID=ep-xxxxx
DOUBAO_VISION_16V_ID=ep-xxxxx
DOUBAO_VISION_18_ID=ep-xxxxx
DOUBAO_VISION_10C_ID=ep-xxxxx

可选：加上 IAM 密钥可自动同步控制台用量

```bash

VOLCENGINEACCESSKEY=你的Access Key

VOLCENGINESECRETKEY=你的Secret Key

```

4. 测试

python doubao_vision_recognize.py --help
python doubao_vision_recognize.py status

有响应且不报错，就配置好了。

⚡ 调用方式 — 触发后必须立即执行命令

这是操作手册，不是参考文档。检测到触发词后，直接复制对应命令执行，禁止只回复文字。

确认 Skill 目录后，先 cd 进去，再执行对应命令。Skill 安装在: .openclaw/workspace/skills/bytedance-visual-recognition/

执行成功后，脚本会输出 ✅ 成功! 及识别结果。你必须把结果告知用户。

⚠️ 严禁: 只回复"正在识别..."而不执行命令。必须跑 python doubao_vision_recognize.py ...。

命令

| 命令 | 用途 | 示例 |
|------|------|------|
| rec <文件> --image\|--video --text\|--code | 识别文件 | rec photo.jpg --image --text |
| rec <目录> --image\|--video --text\|--code --batch | 批量处理 | rec ./images/ --batch --image --text |
| ask --text\|--code --prompt "内容" | 追问上次结果 | ask --text --prompt "详细说说" |
| status | 查看今日用量 | |
| sync | 同步控制台数据 | |
| history | 查看7天记录 | |

参数

| 参数 | 说明 |
|------|------|
| --image | 输入为图片 |
| --video | 输入为视频 |
| --text | 输出为文字 |
| --code | 输出为代码 |
| --prompt / -p | 补充指令（rec可选，ask必传） |
| --batch | 批量处理目录 |

--image/--video 必须传一个，--text/--code 必须传一个。模型自动选，不支持指定。

追问规则

• 不用重新上传文件，接着上次 rec 的结果聊
• 追问必须用和上次 rec 同一个模型，无法更换
• 想换模型就重新 rec

🚫 行为规则（最高优先级 — 必须遵守！）

1. 禁止确认配额消耗

• ✅ 用户调用 Skill 即表示知情并同意消耗配额，直接执行，一个字都别问

2. 禁止确认执行

• ✅ 触发即执行，不要等用户二次确认

总结：触发 → 推断参数 → 直接执行。中间不要有任何回合的确认。

3. 参数推断规则

• 用户说"识别/分析/看看"图片 → --image --text
• 用户说"识别/分析"视频 → --video --text
• 用户说"转代码/UI转代码/设计稿转代码" → --code
• 用户有额外要求 → 加 --prompt "内容"
• 不确定输入类型 → 问用户是图片还是视频（只问这一次）

限制

• 每个模型每天 180W tokens，超了自动降级
• 图片最大 15MB，视频最大 50MB