Agent Skill · 图像处理

openakita%2fskills%40image-understander（openakita%2fskills%40 图像理解者）

用于辅助图像生成、图片编辑、视觉素材处理或图像模型工作流。它适合让 Agent 根据文本生成图片、处理背景、整理视觉提示词或调用相关图像工具。使用时需要确认输入图片、版权来源、输出格式和模型限制；涉及人物、品牌、商品或公开展示素材时，应额外核对授权、真实性和内容合规边界。

openakita%2fskills%40image-understander 是图像处理类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为接触敏感数据；许可证信息还不明确，暂无第三方扫描结果，按安装量在图像处理类的 1,562 个 Skill 里排第 1,368。

总安装 399周安装 16GitHub Stars 1,680下载 129核验 2026-05-01

图像处理接触敏感数据 GitHub 仓库未标认证来源可访问许可证需确认审计未展示Codex Claude Cursor Gemini CLI

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。

GitHub

许可证: unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：openakita%2fskills%40image-understander（openakita%2fskills%40 图像理解者）
来源仓库：https://github.com/openakita/openakita
仓库路径：skills/openakita%2Fskills%40image-understander
安装命令：
npx skills add https://github.com/openakita/openakita --skill openakita/skills@image-understander
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills

npx skills add https://github.com/openakita/openakita --skill openakita/skills@image-understander

这个 Skill 是做什么的

图像处理类 Skill 处理生成、裁剪、压缩和批量转换图片的任务。

用于辅助图像生成、图片编辑和视觉素材处理，适合调用图像模型工作流。适用于根据文本生成图片、处理背景或整理视觉提示词的场景。通过 npx skills add 命令从 GitHub 仓库安装，需确认输入图片和版权来源。涉及人物、品牌或公开展示素材时应核对授权和真实性。需注意模型限制和输出格式，确保合规使用。

来源仓库内路径：skills/openakita%2Fskills%40image-understander

上手步骤

4 步

1
确认自己的宿主工具
公开资料标注支持 Codex、Claude、Cursor、Gemini CLI；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。
2
拿到安装命令
可以直接复制的命令是 npx skills add https://github.com/openakita/openakita --skill openakita/skills@i…；命令里的占位符换成自己的路径或密钥再执行。
3
安装后重启宿主
命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。
4
按最小权限试用
它需要接触敏感数据，先在测试目录或测试账号里跑，确认没问题再放到正式项目。

常见问题

6 条

openakita%2fskills%40image-understander 怎么安装？

在终端执行 npx skills add https://github.com/openakita/openakita --skill openakita/skills@image-under…。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

openakita%2fskills%40image-understander 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

openakita%2fskills%40image-understander 需要什么权限？

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

openakita%2fskills%40image-understander 是免费的吗？

公开资料没有标注明确许可证，收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

openakita%2fskills%40image-understander 用的人多吗？

公开数据是累计安装 399 次，近一周安装 16 次，下载 129 次，GitHub 1,680 星。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

openakita%2fskills%40image-understander 安全吗？

没有查到第三方扫描结果，安全性无法从公开资料判断，安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

同时适配 4 种工具，换客户端不用重新找替代品。
来源仓库有 1,680 星，维护活跃度相对可查。

先想清楚的地方

需要接触敏感数据，装到常用环境前要先评估影响面。
许可证没有明确标注，能不能商用、能不能再分发都不确定。
没有第三方扫描结果，安全性只能靠自己读源码判断。
第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

已经在用 Codex，想直接扩展它能力的人。
需要处理图像处理类任务、又不想每次都手写提示词的人。

不太适合

环境里有大量密钥、凭证，不方便给第三方 Skill 读取的人。
需要明确授权才能用到公司项目里的场景。
要求有安全扫描结论才肯安装的团队。

图像处理类 Skill 对比

6 个同类

Skill	总安装	GitHub 星	权限	许可证	扫描
ai-image-generation AI 图像生成 · Codex、Claude	4,365,552	382	调用外部服务	未明确	有提醒
openai-image-gen OpenAI 图像生成 · OpenClaw	1,906,884	32	需要联网	MIT-0	有提醒
image 图像 · OpenClaw	525,999	26	需要联网	MIT-0	通过
baoyu-cover-image 宝玉封面图 · Codex、Claude	474,240	16,779	只读	MIT	有提醒
baoyu-image-gen 宝玉图像生成器 · Codex、Claude	468,007	16,778	接触敏感数据	MIT	通过
openakita%2fskills%40image-understander openakita%2fskills%40 图像理解者 · 本页	399	1,680	接触敏感数据	未明确	未收录

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

图片理解技能 (Image Understander)

📋 概述

一个基于 OpenAI GPT-4 Vision 的图片理解工具，支持图片描述、文字识别(OCR)、物体识别和图片问答。

🚀 功能

功能	命令	说明
图片描述	`-m describe`	详细描述图片内容
文字提取	`-m ocr`	提取图片中的所有文字
物体识别	`-m objects`	识别并列出图片中的物体
图片问答	`-m qa`	针对图片回答问题

📦 安装

# 安装依赖
pip install openai pillow requests

🔧 配置

方式一：环境变量

set OPENAI_API_KEY=sk-your-api-key-here

方式二：命令行传入

python scripts/main.py -i photo.jpg -a sk-your-key

📖 使用方法

基本使用

# 描述图片
python scripts/main.py -i photo.jpg -m describe

# 提取文字（OCR）
python scripts/main.py -i screenshot.png -m ocr

# 识别物体
python scripts/main.py -i photo.jpg -m objects

# 图片问答
python scripts/main.py -i photo.jpg -m qa -q "这个图片里有什么？"

完整参数

python scripts/main.py \
  --image PATH_TO_IMAGE \
  --mode describe|ocr|objects|qa \
  --api-key YOUR_API_KEY \
  --prompt "你的问题" \
  --output OUTPUT.json \
  --verbose

📁 输出示例

{
  "mode": "describe",
  "image": "photo.jpg",
  "result": "A beautiful sunset over the ocean with orange and purple sky...",
  "objects": [],
  "text": ""
}

⚠️ 注意事项

需要 OpenAI API Key（支持 GPT-4 Vision）
支持的图片格式：PNG、JPG、GIF、BMP
图片大小建议小于 20MB

平台分布

Codex

35.26%

按下载量换算45

Claude

29.94%

按下载量换算39

Cursor

19.5%

按下载量换算25

Gemini CLI

9.16%

按下载量换算12

安全审计

暂无安全审计结果可展示。

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多图像处理 Skills（1,562）返回 Skills 目录

上一个 Skill

openai-image-vision（OpenAI 图像 vision）

zhayujie/chatgpt-on-wechat

下一个 Skill

openakita%2fskills%40image-understanding（openakita%2fskills%40 图像理解）

openakita/openakita