大模型工具#

该 Skill 集成了 的 大模型，提供强大的多模态 AI 能力，包括图像理解、OCR 文字提取、智能文案创作等功能。

功能特性#

• 图像分析与理解：深度理解图片内容、场景、物体和情感
• OCR 文字提取：从图片中精准提取文字、表格、文档内容
• 文案创作：根据图片或需求生成营销文案、描述文本、社交媒体内容
• 多模态对话：支持图像和文本的交互式智能对话
• 文档解析：解析复杂文档、图表、截图等内容
• 智能问答：基于图片内容的智能问答系统

触发词#

当用户提到以下内容时，应触发此 Skill：

• "使用 分析图片"
• "用 分析"
• "文案创作"
• "图像理解"
• "提取图片文字"
• "分析照片内容"
• "生成营销文案"
• "多模态对话"
• "OCR 识别"

API 配置#

获取 API Key#

1. 访问 官网
2. 创建账户并登录
3. 在控制台中生成 API Key
4. 将 API Key 保存到环境变量：``

认证方式#

所有 API 请求需要在 Authorization header 中包含 API Key：

bash

Authorization: Bearer YOUR_API_KEY

可用模型#

• ****: 基础模型，8K 上下文
• ****: 扩展模型，32K 上下文
• ****: 大上下文模型，128K 上下文（推荐用于长文档处理）

核心功能#

1. 图像分析#

分析图片内容，识别物体、场景、情感等。

功能特点：

• 精准��别图片中的物体和场景
• 理解图片的情感和氛围
• 提供详细的内容描述
• 支持多张图片的批量分析

2. OCR 文字提取#

从图片中提取文字、表格、文档内容。

功能特点：

• 高精度文字识别
• 支持中英文混合识别
• 保留文档结构和格式
• 表格数据提取和结构化

3. 文案创作#

根据图片或需求生成各类文案。

功能特点：

• 产品描述文案
• 营销广告文案
• 社交媒体内容
• 品牌故事创作

4. 多模态对话#

支持图像和文本的交互式对话。

功能特点：

• 多轮对话上下文理解
• 图像+文本混合输入
• 智能问答和建议
• 个性化对话风格

使用示例#

示例 1: 分析产品图片#

python

from

client = (api_key="your_api_key")

# 分析产品图片
result = client.analyze_image(
    image_path="product.jpg",
    prompt="详细分析这张产品图片，包括产品特点、适用场景、目标用户群体等"
)
print(result)

示例 2: OCR 提取文档#

python

# 提取文档文字
result = client.extract_text(
    image_path="document.png",
    output_format="structured"  # 可选: "text", "structured", "json"
)
print(result)

示例 3: 生成营销文案#

python

# 根据产品图片生成文案
copywriting = client.generate_copywriting(
    image_path="product.jpg",
    style="inspiring",  # 可选: "professional", "casual", "creative", "inspiring"
    platform="wechat"   # 可选: "wechat", "weibo", "xiaohongshu", "douyin"
)
print(copywriting)

示例 4: 多轮对话#

python

# 开始多模态对话
conversation = client.create_conversation()

# 第一轮：发送图片
response1 = conversation.chat(
    message="请分析这张图片",
    image="screenshot.jpg"
)

# 第二轮：追问
response2 = conversation.chat(
    message="基于上面的分析，给出优化建议"
)

API 参数说明#

图像分析参数#

• image_path (string): 图片文件路径
• prompt (string): 分析提示词
• model (string, 可选): 使用的模型，默认 ""
• temperature (float, 可选): 创造性程度，0-1，默认 0.7
• max_tokens (int, 可选): 最大输出长度，默认 1024

OCR 参数#

• image_path (string): 图片文件路径
• output_format (string, 可选): 输出格式，"text"/"structured"/"json"
• language (string, 可选): 语言设置，"auto"/"zh"/"en"

文案创作参数#

• image_path (string): 图片文件路径（可选）
• prompt (string): 创作要求
• style (string): 文案风格
• platform (string): 目标平台
• length (string): 文案长度，"short"/"medium"/"long"

最佳实践#

提示词编写#

图像分析提示词：

text

"请详细分析这张图片，包括：
1. 主要内容和主题
2. 视觉元素和构图
3. 色彩搭配和风格
4. 情感氛围和传达的信息
5. 适用场景和目标受众"

OCR 提示词：

text

"请提取图片中的所有文字内容，并保持原有的结构和格式。
如果是表格，请用 Markdown 表格格式输出。"

文案创作提示词：

text

"根据这张产品图片，创作一段吸引人的营销文案。
要求：简洁有力，突出产品卖点，适合在微信朋友圈发布。
目标用户：25-35岁的都市白领。"

错误处理#

• 检查 API Key 是否有效
• 验证图片文件格式和大小
• 处理网络超时和重试逻辑
• 监控 API 配额使用情况

性能优化#

• 图片预处理：压缩和格式转换
• 批量请求合并处理
• 结果缓存机制
• 异步任务处理

定价信息#

• 免费试用: 新用户赠送免费额度
• 按量付费: 根据实际使用量计费
• 套餐包: 多种套餐包可选
• 企业定制: 企业级解决方案

具体价格请参考官网： https://platform./pricing

支持与资源#

• 官方文档: 文档
• API 参考: API Reference
• Python SDK: GitHub 仓库
• 技术支持: support@
• 开发者社区: 官方开发者论坛

常见问题#

Q: 支持哪些图片格式？ A: 支持 PNG、JPG、JPEG、WEBP 等常见格式。建议使用 PNG 或 JPG 格式以获得最佳效果。

Q: 图片大小限制？ A: 单张图片建议不超过 10MB。对于高清图片，建议先进行压缩。

Q: OCR 识别准确率如何？ A: 在中文识别方面表现优秀，准确率可达 95% 以上。手写文字识别需要图片清晰度较高。

Q: 可以同时处理多张图片吗？ A: 支持多图输入，最多可同时处理 10 张图片。

Q: 文案创作支持哪些风格？ A: 支持多种风格：专业、轻松、创意、激励等，也可以自定义风格。

Q: 如何处理敏感内容？ A: 系统会自动过滤敏感内容，请确保输入内容符合法律法规和平台规范。

注意事项#

⚠️ 安全提醒:

• 永远不要在客户端代码中暴露 API Key
• 使用环境变量或配置文件管理密钥
• 定期轮换 API Key
• 监控 API 使用情况

📋 使用限制:

• 遵守 服务条款
• 尊重知识产权和版权
• 不得用于非法用途
• 不得生成虚假或误导性内容

🔒 隐私保护:

• 图片内容不会被用于模型训练
• 传输过程采用加密
• 数据不会存储在服务器上

技术架构#

text

┌─────────────────┐
│   用户界面      │
│  (CLI/SDK/API)  │
└────────┬────────┘
         │
┌────────▼────────┐
│  │
│   核心处理层    │
└────────┬────────┘
         │
┌────────▼────────┐
│  │
│   多模态模型    │
└─────────────────┘

更新日志#

v1.0.0 (2025-03-25)#

• 初始版本发布
• 支持图像分析、OCR、文案创作
• 交互式对话功能
• Python SDK 集成

贡献指南#

欢迎提交问题和改进建议！

1. Fork 项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建 Pull Request

许可证#

MIT License