---
name: Image Analysis
slug: image-analysis
category: AI Engineering
description: Image Analysis analyzes local or remote images, video, and files for OCR, object recognition, and scene understanding. Use it when a user sends an image or asks for visual analysis.
github: "https://github.com/countbot-ai/CountBot/tree/main/workspace/skills/image-analysis"
language: Python
stars: 767
forks: 100
install: "npx degit https://github.com/countbot-ai/CountBot/tree/main/workspace/skills/image-analysis ~/.claude/skills/image-analysis"
installs_to: ~/.claude/skills/image-analysis
source_path: workspace/skills/image-analysis/SKILL.md
collection_size: 14
category_size: 2451
collection_url: "https://dirskills.com/collections/countbot-ai/CountBot"
added: 2026-08-23T05:19:17.375Z
last_synced: 2026-08-23T05:19:17.375Z
canonical_url: "https://dirskills.com/skills/image-analysis"
---

# Image Analysis

Image Analysis analyzes local or remote images, video, and files for OCR, object recognition, and scene understanding. Use it when a user sends an image or asks for visual analysis.

**Install:**

```bash
npx degit https://github.com/countbot-ai/CountBot/tree/main/workspace/skills/image-analysis ~/.claude/skills/image-analysis
```

## 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`：

```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：
- 智谱（免费）：https://open.bigmodel.cn/
- 千问：https://help.aliyun.com/zh/model-studio/get-api-key

## 命令行调用

```bash
# 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`）：

```bash
# 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