- name
- image-understanding
- description
- 使用智谱AI的GLM-4V-Flash免费多模态API理解图片内容。当用户需要理解图片内容、描述图片、识别图中物体时使用此skill。
Image Understanding Skill
这个skill用于理解图片内容，使用智谱AI的GLM-4V-Flash免费多模态API。
何时使用
当用户需要理解图片内容时使用此skill，例如：
- "这张图里是什么"
- "描述一下这个图片"
- "这张细胞图显示了什么"
- "分析这张图片的内容"
前置要求
用户需要：
- 访问 https://bigmodel.cn/ 注册账号
- 获取API Key：https://bigmodel.cn/console/apikeys
- 将API Key以环境变量方式提供：
ZHIPU_API_KEY
使用方法
方式一：使用内置脚本
skill提供了 scripts/analyze_image.py 脚本，可以直接调用：
python scripts/analyze_image.py <图片路径> "<问题>"参数：
<图片路径>: 图片文件路径（建议使用jpg格式）<问题>: 要问的问题，如"这张图片里有什么"
方式二：手动调用API
如果没有脚本，可以直接用Python调用智谱API：
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="你的API Key")
response = client.chat.completions.create(
model="glm-4v",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "这张图片里有什么？请详细描述。"},
{"type": "image_url", "image_url": {"url": "图片URL或base64"}}
]
}
]
)
print(response.choices[0].message.content)输出格式
返回图片内容的详细描述，包括：
- 图像中的主要物体/人物
- 场景/背景
- 颜色、布局等视觉特征
- 文字（如果有）
- 可能的含义或推断
注意事项
- GLM-4V-Flash完全免费，但有调用频率限制
- 支持图片URL或Base64编码
- 最佳支持图片尺寸：1024x1024以内
- 建议使用JPG格式，PNG格式可能存在兼容性问题