视觉模块与 Vision Capture：让 AIRI 看见你的屏幕

视觉模块让 AIRI 理解图像输入——屏幕画面或摄像头内容。这是机体模块里「开发中」色彩最重的一个，官方文档对它写得也最细，值得照着走。

配置分两层

第一层：服务商与模型（纯配置，随时可做）

1. 「设置 → 服务来源 → 视觉」选择服务商。视觉与聊天共用凭据——同一家的视觉页字段与其聊天版本一致，所以先在聊天服务商里配好这一家，视觉页直接复用。
2. 「设置 → 机体模块 → 视觉」选择明确支持图像输入的模型。纯文本模型做不了视觉任务，这是官方反复强调的点。
3. 需要时可设置 Capture interval（捕获间隔）。

第二层：Vision Capture（桌面端工具，想分析屏幕才需要）

前往「系统 → 开发者 → Vision Capture」：授予屏幕录制权限 → 选择要捕获的窗口或显示器 → 点「Start ticker」→ 要把识别结果送进对话再开「Publish to character」。

注意官方的定位说明：Vision Capture 目前是桌面端调试/开发工作流，离开该页面捕获循环就会停止。也就是说「她一直看着你屏幕」这件事现阶段还不是常驻形态。

校验方法

官方建议用一张不含敏感信息的测试画面触发一次分析，AIRI 能描述画面即为配置成功。

隐私清单（配置前先读）

官方文档在视觉页放了明确的警告：视觉分析会把画面发送给所选服务商——

• 不要捕获包含密钥、密码、个人信息的画面；
• 云端凭据也不要出现在被捕获的画面里；
• 本地方案可选：Ollama 与 LM Studio 支持本地视觉模型，画面不出本机，代价是对显卡有要求。

接下来

• 想让她查最新信息而非看屏幕：网络搜索模块。
• 视觉模型怎么挑：给 AIRI 选大脑。