图片分析与识别
支持智谱 GLM-4V 和千问 Qwen-VL 两种视觉模型。
当用户发送图片或要求分析图片时，必须使用此技能，不要使用 PIL、pytesseract 等其他方法。
配置
编辑 skills/image-analysis/scripts/config.json ：
{ "default_model": "zhipu", "zhipu": { "api_key": "your-zhipu-api-key", "model": "glm-4.6v-flash" }, "qwen": { "api_key": "your-qwen-api-key", "model": "qwen3-vl-plus" } }
API Key 获取：
命令行调用
分析本地图片（最常用）
python3 skills/image-analysis/scripts/vision.py analyze --image 图片路径 --prompt "描述图片内容"
分析网络图片
python3 skills/image-analysis/scripts/vision.py analyze --image https://example.com/image.jpg --prompt "描述图片"
多图对比
python3 skills/image-analysis/scripts/vision.py analyze --image img1.jpg --image img2.jpg --prompt "对比差异"
指定模型
python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "描述图片" --model qwen
开启思考模式（仅智谱，提升准确度）
python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "详细分析" --thinking
视频分析
python3 skills/image-analysis/scripts/vision.py analyze --video video.mp4 --prompt "总结视频内容"
JSON 输出
python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "描述图片" --json
AI 调用场景
用户发送图片后，系统下载到本地（如 data/temp/images/xxx.jpg ）：
图片描述
python3 skills/image-analysis/scripts/vision.py analyze --image data/temp/images/xxx.jpg --prompt "描述这张图片的内容"
OCR 识别
python3 skills/image-analysis/scripts/vision.py analyze --image data/temp/images/xxx.jpg --prompt "提取图片中的所有文字信息"
物体定位（开启思考模式）
python3 skills/image-analysis/scripts/vision.py analyze --image data/temp/images/xxx.jpg --prompt "找出物体位置，返回坐标" --thinking
模型选择
场景 推荐
简单描述 任意
复杂推理、物体定位 智谱 + --thinking
高精度识别、文档解析 千问
成本敏感 智谱（免费）
注意事项
-
本地图片自动转 Base64，支持 jpg/png/gif/webp/bmp
-
智谱图片限制 5MB，像素不超过 6000x6000
-
千问不支持同时处理图片、视频和文件
-
思考模式会增加响应时间但提升准确度