mcpField
I
image-analysis

image-analysis

github.com/countbot-ai其他783286 次安装2 天前更新
代码仓库

关于 image-analysis

image-analysis 通过智谱 GLM-4V 或千问 Qwen-VL 分析本地或网络图片，面向需要图片描述、文字识别和视觉推理的任务。它支持多图比较，也可在请求中启用思考模式。

主要功能

  1. 01使用 GLM-4V 或 Qwen-VL 分析图片
  2. 02支持本地与网络图片
  3. 03支持多图对比
  4. 04通过提示词指定分析任务
  5. 05可选思考模式

适用场景

  1. 01生成图片内容描述
  2. 02提取图片中的文字
  3. 03比较多张图片的差异
  4. 04定位图片中的物体并返回坐标

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/countbot-ai/countbot --skill image-analysis

安装后在 Claude Code 中输入/image-analysis确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

scripts/
config.json
config.json.example
vision_manager.py
vision.py

详细介绍

来自项目 README

图片分析与识别

支持智谱 GLM-4V 和千问 Qwen-VL 两种视觉模型。

当用户发送图片或要求分析图片时，必须使用此技能，不要使用 PIL、pytesseract 等其他方法。

配置

编辑 skills/image-analysis/scripts/config.json：

{
  "default_model": "zhipu",
  "zhipu": {
    "api_key": "your-zhipu-api-key",
    "model": "glm-4.6v-flash"
  },
  "qwen": {
    "api_key": "your-qwen-api-key",
    "model": "qwen3-vl-plus"
  }
}

API Key 获取：

命令行调用

# 分析本地图片（最常用）
python3 skills/image-analysis/scripts/vision.py analyze --image 图片路径 --prompt "描述图片内容"

# 分析网络图片
python3 skills/image-analysis/scripts/vision.py analyze --image https://example.com/image.jpg --prompt "描述图片"

# 多图对比
python3 skills/image-analysis/scripts/vision.py analyze --image img1.jpg --image img2.jpg --prompt "对比差异"

# 指定模型
python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "描述图片" --model qwen

# 开启思考模式（仅智谱，提升准确度）
python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "详细分析" --thinking

# 视频分析
python3 skills/image-analysis/scripts/vision.py analyze --video video.mp4 --prompt "总结视频内容"

# JSON 输出
python3 skills/image-analysis/scripts/vision.py analyze --image image.jpg --prompt "描述图片" --json

AI 调用场景

用户发送图片后，系统下载到本地（如 data/temp/images/xxx.jpg）：

# 图片描述
python3 skills/image-analysis/scripts/vision.py analyze --image data/temp/images/xxx.jpg --prompt "描述这张图片的内容"

# OCR 识别
python3 skills/image-analysis/scripts/vision.py analyze --image data/temp/images/xxx.jpg --prompt "提取图片中的所有文字信息"

# 物体定位（开启思考模式）
python3 skills/image-analysis/scripts/vision.py analyze --image data/temp/images/xxx.jpg --prompt "找出物体位置，返回坐标" --thinking

模型选择

场景推荐
简单描述任意
复杂推理、物体定位智谱 + --thinking
高精度识别、文档解析千问
成本敏感智谱（免费）

注意事项

  • 本地图片自动转 Base64，支持 jpg/png/gif/webp/bmp
  • 智谱图片限制 5MB，像素不超过 6000x6000
  • 千问不支持同时处理图片、视频和文件
  • 思考模式会增加响应时间但提升准确度

评论

支持 Markdown