image-analysis

name image-analysis description 图片分析与识别，可分析本地图片、网络图片、视频、文件。适用于 OCR、物体识别、场景理解等。当用户发送图片或要求分析图片时必须使用此技能。 homepage https://github.com/countbot-ai/CountBot 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： 智谱（免费）： https://open.bigmodel.cn/ 千问： https://help.aliyun.com/zh/model-studio/get-api-key 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