用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/openJiuwen-ai/agent-store --skill extractor-img-bbox-locate-202607命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
异常检测预警。基于规则引擎对网点运营数据执行异常检测，输出 CRITICAL/WARN/INFO 三级预警。触发词：异常检测、风险预警、今日预警、告警、有没有异常。当用户提到异常检测相关查询时触发。
网点数据查询。通过 NL2SQL 将自然语言转换为 SQL 语句，查询网点交易、客流、营销数据。支持大额交易、交易汇总、失败交易、对公客户等查询。触发词：今天大额交易、交易情况、客流量、营销转化率、失败交易、对公客户、交易汇总。当用户提到网点运营数据查询时触发。
网点全景概览。组合调用前三个 Skill 生成日终运营报告。触发词：网点概况、今日运营、日终报告、全景概览、整体情况。当用户提到网点全景查询时触发。
基于 SOC 职业分类
正在显示 SKILL.md
| name | extractor-img-bbox-locate-202607 |
| description | 凭证图像字段边界框定位技能，精确定位指定字段区域的bbox坐标，千分制格式[x1,y1,x2,y2]。触发词：bbox定位、字段定位、坐标识别、区域定位 |
| version | 1.0.0 |
扮演凭证图像字段定位专家。通过 VL 视觉语言模型在凭证/文档图像中精确定位指定字段区域的边界框，输出千分制绝对坐标格式的 bbox，为下游要素提取提供定位依据。
银行凭证智能提取
当用户提及或需要进行以下场景时触发：
在开始工作前，确认以下条件满足：
在凭证图像中精确定位指定字段区域的边界框，输出千分制绝对坐标格式的 bbox（单字段/批量/多页支持），为要素提取提供精确定位。
| 属性 | 值 | | 任务类型 | 凭证字段定位 | | 风险等级 | 低（定位精度影响下游提取质量） | | 数据依赖 | 字段名-值映射 + 原始图片 + VL 视觉模型 | | 决策类型 | 坐标定位（非判断型） |
| 要求项 | 状态 | | 监管合规 | 不涉及个人金融信息输出 | | 免责声明 | bbox定位结果仅供参考，精度可能存在偏差 | | 审计日志 | 记录调用链、入参摘要、模型版本、时间戳 | | 引用来源 | 坐标系统文档 |
| 参数名 | 类型 | 必填 | 说明 | | fields | Dict[str, str] | 是 | 字段名到字段值的映射 | | images | List[str] | 是 | Base64 图片列表 |
| 参数名 | 类型 | 必填 | 说明 | | field_name | str | 是 | 字段名称 | | field_value | str | 是 | 字段值 | | images | List[str] | 是 | Base64 图片列表 |
模型配置：vl_config 可选传递。不传时服务端自动注入；传递时使用调用方指定的配置。
| 输出名 | 类型 | 说明 | | success | bool | 是否成功 | | bboxes | Dict[str, List[int]] | 逐字段bbox坐标 | | error | str | 错误信息 | | processing_time_ms | float | 处理耗时 |
批量定位坐标格式：[page_index, x1, y1, x2, y2]，page_index 为 0-based 页码。
# Role
你是凭证图像字段定位专家
# Tool Routing 规则（按 priority）
1. VL 视觉模型 → 字段内容定位（优先）
2. 文本启发 → 字段值关键字定位（辅助）
# Selection 策略
- 单字段定位: locate-field（精确定位单个字段）
- 批量定位: locate-all-fields（并行定位多个字段）
# Fallback
VL 模型调用失败 → 返回定位失败，标注数据缺口
| 节点 | 模块 | 任务 | 状态 | 检查点 | | N1-输入校验 | 输入模块 | 校验fields和images非空 | 必须 | fields非空 | | N2-VL定位 | VL模型模块 | 调用VL模型定位字段区域 | 核心 | 返回bbox坐标 | | N3-坐标验证 | 后处理模块 | 验证bbox坐标合理性 | 辅助 | 坐标在0-1000范围内 | | N4-输出组装 | 输出模块 | 组装标准输出格式 | 必须 | JSON格式合规 |
所有 bbox 使用千分制绝对坐标（0-1000）。像素坐标换算：pixel_x = bbox_x / 1000 * image_width。
详细说明见 坐标系统文档。
{
"success": true,
"bboxes": {"收款人": [0,120,350,480,390], "金额": [1,500,600,800,640]},
"error": null,
"processing_time_ms": 3200.0
}
| 依赖系统 | 作用 | 必需 | | VL 视觉语言模型 | 字段区域定位 | 是 | | Python 3.8+ | 运行环境 | 是 |
| 模块名 | 类型 | 优先级 | 降级策略 | | VL视觉模型 | MCP tool | P0 | 返回定位失败，标注数据缺口 | | HTTP REST API | HTTP | P1 | MCP不可用时通过HTTP调用 |
VL 模型调用失败: 返回定位失败，标注数据缺口 字段在图片中不存在: 该字段 bbox 为空，标注"字段未找到" 多页凭证定位失败: 单页定位成功时仍返回部分结果
会话级缓存：同一图片的字段定位结果缓存至会话结束，TTL = 会话生命周期
| 指标 | 目标 | | 定位准确率 | ≥ 90%（bbox与人工标注重叠率） | | 单字段定位延迟 | ≤ 5s | | 批量定位延迟 | ≤ 20s（10字段） |
记录工具调用链、入参（字段数/图片数）、出参摘要（定位字段数）、数据源（模型名称）、时间戳、模型版本、处理耗时
本 bbox 定位结果由 AI Agent 自动生成，仅供参考，精度可能存在偏差。
满足以下任一条件时，结束技能执行：
输入：
{ "fields": {"收款人": "张三", "金额": "10000.00"}, "images": ["base64_page1"] }
输出：
{ "success": true, "bboxes": {"收款人": [0,120,350,480,390], "金额": [0,500,600,800,640]}, "error": null, "processing_time_ms": 3200.0 }
import asyncio
from scripts.field_locator import FieldLocator
async def main():
locator = FieldLocator(
api_key="your-api-key",
base_url="${your-base-url}",
model="${your-model-name}"
)
result = await locator.locate_all_fields(
images=["base64_page1"],
fields={"收款人": "张三", "金额": "10000.00"}
)
asyncio.run(main())