识图 —— 截图即识，AI 读出图里的字与意

看到一段无法复制的文字（截图、报错弹窗、扫描件、图片里的表格），不必手敲，
也不必离开当前窗口：唤起 → 框选 → 点一个按钮 → 复制结果。


【先选意图，再回答】

截图后不会立刻发请求，而是先让你点选要做什么。同一张图可以换个问法再问
一次，不必重新截图。

这是什么 …… 一句话说出主体（物体 / 界面 / 场景 / 图表类型）
解释图片 …… 三点式：是什么 · 关键信息 · 可能用途
提取图片内容 …… 逐字提取，保留顺序与换行，表格还原为 Markdown
翻译图片内容 …… 原文 / 译文对照；原文是中文时自动改译英文
自定义要求 …… 就地写一句自己的要求，比如「把图里的表格转成 CSV」


【看得清才敢说】

内置识别纪律：看不清的文字、数字直接标注「该位置文字模糊无法识别」，
禁止编造文件名、路径、金额、账号等数据。

识别结果通常会被直接复制去使用——编造出来的数值比留白危险得多。


【结果直接能用】

识别结果按 Markdown 渲染：标题、列表、表格、代码块、引用都会正确排版，
不再是裸露的井号和星号。需要核对模型原始输出时，可一键切到「原文」视图。


【支持多家接口】

豆包（火山方舟）、通义千问（DashScope）、OpenAI 兼容接口，以及本地 Ollama。

填好 API Key 后会自动拉取该账号的可用模型，点下拉按钮选择即可，不必手敲
模型名；也允许直接填写接入点 ID（ep-xxxx）。


【出问题能看懂】

未填 Key、模型选错、地址写错、额度用尽、网络不通——每种情况都给出具体原因
与修法，而不是甩一串原始报错。

「测试连接」会真发一张图给模型，把「接口通了」和「模型会看图」区分开——
后者是配置视觉模型时最常见的坑。


【四种取图方式】

· 框选屏幕任意区域截图
· 选择本地图片文件
· 复制图片后直接输入关键词
· 把图片文件拖进 uTools


【隐私与离线】

· API Key 保存在 uTools 本地数据库，只发往你自己配置的那个接口，
插件不做任何遥测或上报
· 插件完全离线自足：不引远程字体、不引 CDN 脚本，界面里零个网络资源
引用，断网也能正常打开