OpenClaw

image-understanding

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。

andyzwp0 来源安装数☆ 0 仓库 Stars

查看来源 ↗安装与使用 SKILL.md ↗

安装与使用

请根据来源仓库和你的 AI 工具说明安装此技能。先阅读技能文件和依赖要求，再添加到工作流。

SkillHub CLI

skillhub install andyzwp/image-read

打开来源仓库，查看说明和兼容环境后，按来源提供的命令或步骤安装。

将来源链接提供给你的 Agent，让它先读取说明、核对依赖，并向你说明将执行的安装步骤。

查看来源 ↗使用指南

技能说明

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

来源信息

Source: github
Repository: openclaw/skills
Path: skills/andyzwp/image-read
Version: —
Commit: a2ee2029946e0d33710676110de26d3d0caff6ed
分类来源: rules
状态: active
可见性: public

这些信息来自收录时的来源分析，可能滞后；使用前请核对最新来源文件。

来源内容

SKILL.md

# 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：
1. 访问 https://bigmodel.cn/ 注册账号
2. 获取API Key：https://bigmodel.cn/console/apikeys
3. 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：

```bash
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：

```python
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

搜索