手势检测

手势检测是计算机视觉中的一项基础任务，但在工程落地时往往面临接口不一致、参数提取复杂等问题。该技能通过封装统一的调用入口，帮助开发者快速完成手势目标检测，而无需关注底层 API 的细节。它面向需要图像理解能力的场景，例如交互式应用、内容审核或辅助工具开发。

核心能力

技能提供两个主要工具：

• scripts.tools.gesture_detection：输入图片 URL，输出检测框、置信度和标签。
• scripts.tools.gesture_detection_for_data_base64：接受 Base64 编码的图像数据，适合本地文件或流式输入。

两者均返回包含 raw、success、message 的结构化结果，便于后续解析与展示。

工作方式

大模型负责理解用户意图、提取参数并路由到合适的工具函数；实际的手势检测逻辑由外部 API 完成。调用流程如下：

• 检查 API 密钥是否已配置（scripts.config.settings.api_key）。
• 若为空，通过 AskUserQuestion 询问用户，并使用 scripts.config.set_api_key(key) 保存。
• 根据输入类型选择对应的工具函数，并提取必要参数。
• 使用关键字参数调用工具，例如 scripts.tools.gesture_detection(dataUrl='...')。
• 将返回的原始数据整理后呈现给用户。

使用边界

该技能依赖 Xiaobenyang 提供的 API 服务，因此必须配置有效的 API 密钥才能运行。缺少密钥时，技能不会自行搜索或编造数据，而是明确提示用户补充。此外，工具仅针对静态图像中的手势进行检测，不涉及视频流处理或实时追踪。对于复杂背景下的多手势重叠场景，检测结果可能受限，建议在光照充足、手势清晰的条件下使用。