AIRI 怎么配置屏幕视觉分析Vision Capture 屏幕录制授权与识别结果发布到角色【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi想让 AIRI 看懂屏幕内容并把识别结果作为上下文提供给角色对话需要在 AIRI 桌面端完成两件事先为视觉模块配置一个支持图像输入的模型再进入「系统 → 开发者 → Vision Capture」完成屏幕录制授权、选择要捕获的窗口或显示器然后开启「Publish to character」。完成配置后用一张不含敏感信息的测试画面触发一次视觉分析AIRI 能返回画面描述就说明链路已经通了。以下操作均基于桌面端网页端虽有开发相关页面但可用的功能和运行环境不同。一、先配置视觉服务商与模型视觉模块会把捕获的画面发送给支持图像输入的模型。AIRI 不维护一套独立的视觉 API 凭据它为每个聊天服务商提供对应的视觉配置项并复用该服务商的字段。所以对应服务商的聊天配置要先完成视觉页再使用相同凭据。打开设置 → 服务商 → 视觉选择一个已配置过或准备配置的聊天服务商按该服务商卡片填写凭据。字段与其聊天服务商版本一致例如 API Key、Base URL、Azure 资源信息或 Amazon Bedrock Region。打开设置 → 视觉选择刚配置的服务商从模型列表中选择支持图片或视觉输入的模型启用需要的视觉功能并按页面提示选择画面来源或捕获方式。如需要可以设置 Capture interval捕获间隔用来调整捕获的时间间隔。视觉入口可用不代表每个模型都能读图仍须在模型列表中选择明确支持图像输入的模型纯文本模型无法完成视觉任务。可选使用本地视觉模型Ollama 与 LM Studio 可作为本地视觉服务商。先在本地运行一个支持图像输入的模型并确认其服务地址可被 AIRI 访问随后在视觉服务商页填写或保留相应 Base URL并从模型列表选择该视觉模型。二、Vision Capture完成屏幕录制授权并启动捕获Vision Capture 会捕获屏幕帧并显示提交给视觉处理流程的输出载荷用于验证视觉输入是否成功取得、帧数据是否正确、下游视觉功能是否获得预期内容。它不是一个持久开启的全局开关仅配置视觉服务商和模型时不需要打开此页。使用屏幕视觉时依次完成以下步骤确认已在「设置 → 服务商 → 视觉」中选好视觉服务商和支持图像输入的模型打开「设置 → 系统 → 开发者 → Vision Capture」完成系统的屏幕录制授权。首次使用时系统会要求授权屏幕录制权限选择要捕获的窗口或显示器点击「Start ticker」开始捕获和分析仅在希望将识别结果加入 AIRI 对话上下文时开启「Publish to character」测试完成后点击「Stop ticker」。离开此页面也会停止捕获循环。注意离开页面会停止捕获循环因此需要角色持续获得屏幕上下文时应保持该页面打开且 ticker 处于运行状态。三、权限提示一直不消失时怎么办若 Vision Capture 页面一直停在权限提示先在操作系统中完成授权完全退出并重新启动 AIRI再重新打开此工具。macOS 上的具体做法可参考文档中 Screen Capture 一节的说明若系统列表中没有列出 AIRI可在「系统设置 → 隐私与安全性 → 屏幕与系统音频录制」中手动添加或启用 AIRI然后重启应用再测试。Windows 和 Linux 的可用设备与权限提示会随系统、桌面环境和浏览器Electron 版本而变化。四、验证配置是否成功按文档给出的校验流程使用一张不含敏感信息的测试画面触发一次视觉分析当 AIRI 返回画面描述或相应上下文时说明服务商、模型与画面输入已配置成功。如果目的是让角色接收屏幕上下文可以在 Vision Capture 页同时确认页面显示的帧数据与提交给视觉处理流程的输出载荷核对下游视觉功能获得的是预期内容识别结果只有在开启「Publish to character」后才会进入 AIRI 对话上下文。五、常见问题与限制现象优先检查服务商无法保存与聊天版本相同的凭据字段是否完整例如 API Key、Azure 资源名称或 Bedrock Region模型无法分析图片该模型是否明确支持图像输入切换到服务商提供的视觉模型本地模型不可达本地服务是否运行、Base URL、端口、CORS 与局域网访问设置请求被拒绝或额度不足服务商账户权限、模型可用地区、额度和网络连接两条与当前流程直接相关的边界视觉分析会把画面发送给所选服务商。不要捕获包含 API Key、密码、个人信息或未经授权内容的画面不要把包含个人桌面、通知或其他应用内容的捕获结果上传到公开位置。Vision Capture 属于桌面端开发者工具中的调试验证工具测试结束后应关闭不再使用的捕获流。相关文档配置视觉桌面端开发者工具【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考