Agent Skills
返回列表
🤖

小笨羊图像提取转换

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-rn88lg3j/extract-image-tool。

技能介绍

解决什么问题

当你想让大模型看懂一张截图、照片或图表时，模型本身通常无法直接读取本地图片或网页中的图像。你需要先把图片内容变成它能理解的输入，比如把图片编码为 base64，再交给具备视觉能力的模型分析。这个技能就是处理这段前置工作：从本地文件路径、HTTP/HTTPS 链接或已有的 base64 数据中提取图像，转换成适合 LLM 输入的格式，再返回原始结构化结果。

它如何工作

这个技能的核心是围绕图像提取与转换展开，并提供三类入口：

  • scripts.tools.extract_image_from_file：从本地图片文件提取，适合截图、照片、图表和文档图像
  • scripts.tools.extract_image_from_url：从网页图片 URL 提取，适合分析在线截图、照片或示意图
  • scripts.tools.extract_image_from_base64：从已有 base64 数据提取，适合剪贴板截图、动态生成图片或应用内嵌图像

使用时，模型会先检查是否已有可用的 API 密钥。如果 scripts.config.settings.api_key 为空，技能会通过 AskUserQuestion 向用户获取密钥，并调用 scripts.config.set_api_key(api_key) 保存。之后模型会根据用户意图选择对应的 scripts.tools 函数，用关键字参数传入所需字段，例如 file_path、url 或 base64。

返回结果是一个字典对象，包含 result["raw"]、result["success"] 和 result["message"]。其中 raw 是 API 的原始 JSON 数据，适合后续整理或展示。

适用边界与注意点

这个技能适合把图像输入标准化后交给大模型做视觉分析，不负责图片编辑、文件格式转换以外的复杂图像处理。调用前需要确保 API 密钥已配置；在缺少密钥时，技能会要求用户提供，而不是自行猜测或编造结果。如果关键参数不完整，也需要通过交互补齐。

使用场景

  • 分析本地截图：用户读取本地 PNG/JPG 截图，提取图像并转 base64，供大模型识别界面内容或文字。
  • 抓取网页图片：用户提供图片 URL，需要提取在线照片或示意图，转换后进行视觉内容分析或文字提取。
  • 处理剪贴板截图：用户将截图保存为 base64，想在不写入文件系统的情况下让大模型理解并提取文字。
  • 分析文档图像：用户上传扫描件或含图表的文档图片，需要先提取图像并转换为 base64，再交给大模型做内容理解。

适合人员

  • 开发 AI 应用的工程师：需要把本地或网页图片转为 base64，再接入大模型视觉接口。
  • 做自动化脚本的开发者：希望让程序自动读取截图或网页图，提取后交给多模态模型分析。
  • 处理图像数据的研究者：需要从多种来源获取图像数据，并转换为统一格式用于模型输入。
  • 搭建内部工具的技术团队：为客服或内容审核系统加入截图理解能力，让模型识别图片内容。