| name | glm4v-analyze-image |
| description | 智谱AI的视觉语言模型，用于图像分析、内容识别和视觉问答 |
| tool_name | glm4v_analyze_image |
| category | vision |
| priority | 7 |
| tags | ["image-analysis","vision","recognition","visual-qa","multimodal"] |
| version | 1 |
GLM-4V图像分析工具指南
核心能力
- 图像内容识别和描述
- 视觉问答和推理
- 图像细节分析
- 多模态理解和生成
调用规范
{
"tool_name": "glm4v_analyze_image",
"parameters": {
"model": "glm-4v-flash",
"image_url": "图片URL",
"prompt": "分析提示语"
}
}
以下是调用 glm4v_analyze_image 工具的正确和错误示例。请务必遵循正确格式。
✅ 正确示例
{"model": "glm-4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}
❌ 错误示例 (请避免以下常见错误)
-
缺少引号或逗号:
{"model": "glm-4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}
(缺少 })
-
参数名错误:
{"img_url": "https://path/to/image.jpg"}
(应为 "image_url" 而非 "img_url")
-
模型名称错误:
{"model": "glm4v-flash", "image_url": "https://path/to/image.jpg", "prompt": "Describe this image."}
(应为 "glm-4v-flash")
关键指令
- 模型选择: 使用
glm-4v-flash 模型
- 图片格式: 支持常见图片格式（JPEG, PNG, WebP等）
- 提示语设计: 清晰具体的分析指令
- URL有效性: 确保图片URL可公开访问
使用场景
图像描述
{
"tool_name": "glm4v_analyze_image",
"parameters": {
"model": "glm-4v-flash",
"image_url": "https://example.com/image.jpg",
"prompt": "详细描述这张图片的内容"
}
}
视觉问答
{
"tool_name": "glm4v_analyze_image",
"parameters": {
"model": "glm-4v-flash",
"image_url": "https://example.com/image.jpg",
"prompt": "图片中有多少人？他们在做什么？"
}
}
细节分析
{
"tool_name": "glm4v_analyze_image",
"parameters": {
"model": "glm-4v-flash",
"image_url": "https://example.com/image.jpg",
"prompt": "分析图片中的文字内容和技术细节"
}
}
最佳实践
提示语设计
- 具体明确: "描述图片中人物的动作和表情"
- 任务导向: "识别图片中的所有物体并分类"
- 细节要求: "注意颜色、形状、空间关系等细节"
错误处理
- 检查图片URL是否有效
- 确认图片格式支持
- 处理网络超时情况
能力范围
- ✅ 物体识别和分类
- ✅ 场景理解和描述
- ✅ 文字识别（OCR）
- ✅ 情感和氛围分析
- ✅ 技术细节提取
限制说明
- ❌ 不能处理敏感或不当内容
- ❌ 图片大小和分辨率有限制
- ❌ 实时视频流不支持
- ❌ 3D模型分析不支持
性能优化
- 使用合适的图片尺寸
- 提供具体的分析需求
- 分步骤进行复杂分析
- 结合其他工具进行验证
