image-analyzer

name	image-analyzer
description	当用户需要分析、描述、理解或读取图片内容时使用此 skill。

图片分析 Skill

使用硅基流动的免费模型 DeepSeek-OCR 分析图片内容、OCR 识别文字。

触发条件

• 用户发送图片并询问内容
• 用户提供图片路径要求分析
• 用户要求 OCR 识别图片中的文字
• 用户要求描述图片

使用步骤

1. 检查环境变量 SILICONFLOW_API_KEY，未设置则提示用户配置
2. 获取图片文件，检查是否存在、格式是否支持
3. 将图片转换为 base64 并调用 API
4. 用自然语言将结果转述给用户

执行要求（必须遵守）

• 禁止输出 API Key：用 [ -z "$SILICONFLOW_API_KEY" ] 判断，不要 echo
• 禁止输出 base64：转换结果直接传入命令，不要打印
• 禁止打印命令：curl 等命令静默执行，不显示命令内容
• 禁止输出原始响应：不显示 API 返回的 JSON，只转述结果
• 一步完成：BASE64=$(base64 file) && curl -d "...$BASE64..."，避免中间文件

API 信息

• Endpoint: https://api.siliconflow.cn/v1/chat/completions
• Model: deepseek-ai/DeepSeek-OCR
• Authorization: Bearer {SILICONFLOW_API_KEY}

调用示例（macOS/Linux）

[ -z "$SILICONFLOW_API_KEY" ] && { echo "未设置 API Key"; exit 1; }
BASE64=$(base64 -i "$IMAGE_PATH" | tr -d '\n') && \
curl -s "https://api.siliconflow.cn/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $SILICONFLOW_API_KEY" \
  -d '{"model":"deepseek-ai/DeepSeek-OCR","messages":[{"role":"user","content":[{"type":"image_url","image_url":{"url":"data:image/png;base64,'"$BASE64"'","detail":"high"}},{"type":"text","text":"<image>\n详细描述这张图片的内容。如果有文字，请进行 OCR 识别。"}]}],"max_tokens":4000}'

动态提示词

根据用户需求选择对应的提示词：

用户需求	提示词
仅识别文字	<image>\n仅提取图片中的所有文字，无需描述场景
仅描述图片	<image>\n详细描述图片的场景、物体、颜色、布局，无需提取文字
全量分析（默认）	<image>\n详细描述这张图片的内容。如果有文字，请进行 OCR 识别。

错误码处理

错误码	含义	处理建议
401	API Key 无效	提示用户前往 https://cloud.siliconflow.cn/account/ak 核对密钥
429	请求限流	提示"请求过于频繁，请稍后重试"
500	服务端错误	提示"服务临时异常，请稍后重试"
400	请求格式错误	检查 base64 编码是否正确、格式是否支持

注意事项

• 支持格式：JPG、JPEG、PNG、GIF、WebP、BMP、TIFF、PDF
• 多页 PDF 仅处理第一页
• 建议请求超时设置为 60 秒
• DeepSeek-OCR 主要用于文字识别，图片描述能力有限，复杂场景描述建议换用其他视觉模型
• 获取 API Key: https://cloud.siliconflow.cn/account/ak
• 官方文档: https://docs.siliconflow.cn/cn/userguide/capabilities/multimodal-vision