小笨羊图片工具集

解决什么问题

在工程流程里，图片信息往往散落在 OCR 文本、证件字段、目标框和分类标签中。开发者如果只是把图片交给多模态模型，容易出现字段不稳定、无法调用结构化视觉接口、敏感证件缺少校验规则等问题。小笨羊图片工具集 把这些能力封装成可被 Agent 调用的 Python 工具函数，让大模型负责理解意图和路由，代码负责调用后端 API。

如何工作

核心能力分为四类：

• 通用 OCR：scripts.tools.ocr、scripts.tools.ocr_pro，支持图片链接或 Base64，适合文档、截图、广告牌等文本识别。
• 证件与业务 OCR：身份证、护照、港澳通行证、银行卡、营业执照、驾驶证、行驶证等，返回结构化字段，并支持如身份证号、银行卡号的校验。
• 检测与识别：行人、车辆、火焰、手机、电动自行车、安全帽、反光衣、手势、鸟类、昆虫、植物、菜品、宠物情绪等，输出检测框、置信度或类别标签。
• 视觉模型任务：ImageNet 分类、COCO 目标检测、旋转目标检测、人体姿态估计、实例分割等，适合需要边界框、掩膜或关键点的场景。

关键步骤是：检查 XBY_APIKEY，按用户意图选择 scripts.tools.* 函数，提取必填参数，如 dataUrl 或 dataBase64，调用后整理原始 JSON 再展示。参数不完整时应询问用户，而不是猜测。

适用边界

这个技能依赖外部 API，不是本地离线工具；调用前要确保密钥可用，并注意敏感图片的权限与合规。它对“可识别、可框选、可分类”的视觉任务覆盖较广，但不适合需要复杂推理、跨图比对或私有领域训练的请求。识别结果仍可能受图片质量、遮挡、分辨率影响，生产环境应结合人工复核。