技能介绍

要解决什么问题

在安防巡检、园区治理或交通取证场景里，你往往需要从一张静态照片里快速确认有没有电动自行车，以及它们大致落在画面的哪个区域。人工逐张翻看既慢，也不容易把结果结构化给下游系统（告警、统计、画框回放）。

本技能把「读图 → 调检测 API → 整理 JSON」这条链路封装成可对话的调用：你提供图片，模型负责选工具、补参数，并把 API 的原始检测结果整理后返回。

技能如何工作

大模型在对话里充当路由层：理解你是要「链接图」还是「Base64 图」，再从 scripts.tools 里选对应函数并用关键字参数调用。

| 输入方式 | 工具函数 |
|---------|----------|
| 图片 URL | scripts.tools.ebike_detection（必填 dataUrl） |
| Base64 | scripts.tools.ebike_detection_for_data_base64（必填 dataBase64） |

典型流程：

检查 scripts.config.settings.api_key；若为空，通过 AskUserQuestion 向用户索取密钥，并调用 scripts.config.set_api_key 写入配置。
根据意图选择上表中的工具，参数不全时同样用 AskUserQuestion 补齐。
调用工具后读取返回的 dict：以 result["raw"] 中的 API 原始 JSON 为主整理展示；同时可参考 success 与 message 判断状态。

检测语义与 SKILL 一致：对图像中的电动自行车做目标检测，输出各目标的检测框、置信度、标签。

适用边界与注意点

必须配置 API 密钥：环境变量 / .env 中的 XBY_APIKEY；密钥可在 xiaobenyang.com 获取。缺少密钥时不得自行搜索或编造检测框。
本技能面向单张图像的检测任务；是否支持的视频流、批量目录扫描取决于上游 API 能力，SKILL 未描述的部分不要假设。
返回字段以 API 的 raw 为准；若要在业务里做告警阈值或坐标系转换，需要你在应用层自行解析与校验。