بنقرة واحدة
modelscope
魔搭ModelScope AI能力平台,支持文生图、模型搜索、模型推理。用户说"魔搭"、"modelscope"、"生成图片"、"文生图"时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
القائمة
魔搭ModelScope AI能力平台,支持文生图、模型搜索、模型推理。用户说"魔搭"、"modelscope"、"生成图片"、"文生图"时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Word文档处理:创建、编辑、读取.docx文件。用户提到"Word"、"文档"、".docx"、"报告"、"信函"时使用。
使用腾讯云 API 密钥调用腾讯云各种服务,包括翻译、CVM、COS等。
图片识别与图文理解,基于 PaddleOCR-VL 模型,支持识别图片中的文字、场景、物体等信息。支持109种语言,可输出JSON或Markdown格式。
You MUST use this for gathering contexts before any work. This is a Knowledge management for AI agents. Use `brv` to store and retrieve project patterns, decisions, and architectural rules in .brv/context-tree. Uses a configured LLM provider (default: ByteRover, no API key needed) for query and curate operations.
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linking related objects, enforcing constraints, planning multi-step actions as graph transformations, or when skills need to share state. Trigger on "remember", "what do I know about", "link X to Y", "show dependencies", entity CRUD, or cross-skill data access.
Transform AI agents from task-followers into proactive partners that anticipate needs and continuously improve. Now with WAL Protocol, Working Buffer, Autonomous Crons, and battle-tested patterns. Part of the Hal Stack 🦞
| name | modelscope |
| description | 魔搭ModelScope AI能力平台,支持文生图、模型搜索、模型推理。用户说"魔搭"、"modelscope"、"生成图片"、"文生图"时使用。 |
| triggers | ["魔搭","modelscope","文生图","AI画图","生成图片"] |
| mcp | {"command":"uvx","args":["modelscope-mcp-server"],"env":{"MODELSCOPE_API_TOKEN":"${MODELSCOPE_API_TOKEN}"}} |
魔搭官方MCP服务,整合模型搜索、图像生成、模型推理等AI能力。
| 功能 | 说明 |
|---|---|
| 图像生成 | 文生图、图生图 |
| 模型搜索 | 搜索模型、数据集、应用 |
| 模型推理 | 调用各种AI模型 |
| 资源详情 | 获取资源详细信息 |
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| prompt | string | ✅ | 文本描述(中英文均可) |
| model | string | ❌ | 模型名称,默认qwen-image |
| size | string | ❌ | 图像尺寸,如1024x1024 |
| style | string | ❌ | 艺术风格 |
| quality | string | ❌ | 图像质量 |
示例:
{
"prompt": "一只可爱的橘猫在草地上玩耍,阳光明媚,高清摄影风格",
"size": "1024x1024",
"style": "realistic"
}
返回: Base64编码的图像数据
# 好的提示词结构
prompt = f"{主体},{环境},{风格},{质量要求}"
# 示例
"一座未来城市,高楼林立,霓虹灯闪烁,科幻电影风格,超高清"
| 风格 | 说明 |
|---|---|
| realistic | 写实风格 |
| cartoon | 卡通风格 |
| artistic | 艺术风格 |
| watercolor | 水彩风格 |
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| query | string | ✅ | 搜索关键词 |
| filter | object | ❌ | 过滤条件 |
| limit | int | ❌ | 返回数量 |
示例:
{
"query": "图像分类",
"filter": {"task": "image-classification"},
"limit": 10
}
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| model_id | string | ✅ | 模型ID |
| input | object | ✅ | 输入数据 |
| parameters | object | ❌ | 推理参数 |
示例:
{
"model_id": "damo/nlp_structbert_sentence-similarity_chinese-base",
"input": {
"text1": "今天天气不错",
"text2": "今天是个好天气"
}
}
参数:
model_id: 模型ID返回:
{
"mcpServers": {
"modelscope": {
"command": "uvx",
"args": ["modelscope-mcp-server"],
"env": {"MODELSCOPE_API_TOKEN": "your-token"}
}
}
}
用户:帮我画一只中国风水墨画的熊猫
操作:generate_image(prompt="水墨画风格的可爱熊猫,中国传统艺术")
用户:找一些图像分类模型
操作:search_models(query="图像分类")
用户:分析这两句话的相似度
操作:run_inference(model_id="...", input={...})
ModelScope统一技能 v1.0 | 图像生成·模型搜索·推理