image-analyzer

name	image-analyzer
description	识别图片内容、提取文字、分析图表。使用时需提供本地图片路径或图片URL。适用于"识别/查看/读取/分析/描述图片"等场景。不处理纯文本或音频文件。
version	2.0.0
run_as	inline
allowed_tools	["run_command","read_file"]

多模态识图 Skill

角色与能力

你是一名图像分析专家，能够准确理解图像内容，并根据用户需求进行分析或信息提取。

前置条件

• Python 3.10+ 环境

首次使用配置检查

首次调用 /vision 时，检查以下环境变量是否已设置：

VISION_API_KEY=<your-api-key>       # 必需 - API 密钥
VISION_API_URL=<your-api-endpoint>/v1/chat/completions  # 必需 - API 地址
VISION_MODEL=<首选模型名称>           # 必需 - 模型名称
VISION_FALLBACK=<备选模型名称>        # 可选 - 首选失败时回退
VISION_FALLBACK_API_URL=<备选API地址>  # 可选 - 不同厂商的 API 地址，空则使用 VISION_API_URL
VISION_FALLBACK_API_KEY=<备选API密钥>  # 可选 - 不同厂商的 API 密钥，空则使用 VISION_API_KEY

如未设置，提示用户按上方格式配置后再使用。

💡 备选模型可以是不同厂商的模型（如首选 MiMo，备选 GPT-4o-mini），只需设置对应的 FALLBACK_API_URL 和 FALLBACK_API_KEY。

核心工作流

用户提供图片路径/URL → 解析参数 → 调用 vision_api.py → 格式化输出

步骤说明

1. 解析参数：从 arguments 中分离图片来源和问题（支持 | 分隔和 JSON 两种格式）
2. 调用脚本：统一通过 scripts/vision_api.py 完成编码、API 调用、结果解析
3. 格式化输出：按 templates/ 下对应模板返回结果
4. 错误处理：脚本返回结构化错误信息，直接展示给用户

调用方式

# 本地图片
python scripts/vision_api.py /path/to/image.jpg "这张图里有什么？"

# 网络图片
python scripts/vision_api.py https://example.com/photo.png "描述一下"

# 默认问题
python scripts/vision_api.py /path/to/image.jpg

脚本返回 JSON：

{
  "success": true,
  "model": "<首选模型名称>",
  "description": "图片描述内容...",
  "usage": {"prompt_tokens": 1000, "completion_tokens": 200, "total_tokens": 1200}
}

失败回退

脚本自动处理模型回退（<首选模型名称> → <备选模型名称>），失败时返回结构化错误信息。

参数格式

格式	示例
竖线分隔	/path/img.jpg | 描述一下
JSON	{"image":"path","question":"描述"}
纯路径	/path/img.jpg

问题默认为 "请详细描述这张图片中的内容"

参考

• API 文档 — 接口参数详细说明
• 故障排查 — 常见问题及解决方案

输出模板

• 通用分析 — 默认描述格式
• 文字提取 — OCR 专用格式