image-analysis

1# 图片分析与识别
2
3支持智谱 GLM-4V 和千问 Qwen-VL 两种视觉模型。
4
5当主模型无法直接查看图片、需要独立视觉模型复核，或需要专门的 OCR 时使用此技能。多模态主模型已经能直接看到附件时，不要重复调用。
6
7## 配置
8
9编辑 `skills/image-analysis/scripts/config.json`：
10
11```json
12{
13  "default_model": "zhipu",
14  "zhipu": {
15    "api_key": "your-zhipu-api-key",
16    "model": "glm-4.6v-flash"
17  },
18  "qwen": {
19    "api_key": "your-qwen-api-key",
20    "model": "qwen3-vl-plus"
21  }
22}
23```
24
25API Key 获取：
26- 智谱（免费）：https://open.bigmodel.cn/
27- 千问：https://help.aliyun.com/zh/model-studio/get-api-key
28
29## 命令行调用
30
31```bash
32# 分析本地图片（最常用）
33python3 skills/image-analysis/scripts/vision.py analyze --image 图片路径 --prompt "描述图片内容"
34
35# 分析网络图片
36python3 skills/image-analysis/scripts/vision.py analyze --image https://example.com/image.jpg --prompt "描述图片"
37
38# 多图对比
39python3 skills/image-analysis/scripts/vision.py analyze --image img1.jpg --image img2.jpg --prompt "对比差异"
40
41# 指定模型
42python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "描述图片" --model qwen
43
44# 开启思考模式（仅智谱，提升准确度）
45python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "详细分析" --thinking
46
47# 视频分析
48python3 skills/image-analysis/scripts/vision.py analyze --video video.mp4 --prompt "总结视频内容"
49
50# JSON 输出
51python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "描述图片" --json
52```
53
54## AI 调用场景
55
56用户发送图片后，系统下载到本地（如 `data/temp/images/xxx.jpg`）：
57
58```bash
59# 图片描述
60…