Agent Skills
返回列表
智谱 GLM-4V-Flash 免费视觉

智谱 GLM-4V-Flash 免费视觉

设计多媒体 更新于 2026.08.29

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 @user_56a27457/glm-vision。

技能介绍

要解决什么问题

当你需要看图说话——从截图里读出 UI 文案、从海报里摘要素、或对着一张网络图追问细节——却不方便开付费 Vision API,或不想在项目里先堆一层 SDK 依赖时,直连智谱开放平台的 glm-4v-flash 是零成本选项。该模型走 OpenAI 兼容的 chat/completions 视觉消息格式,本地图需以 data:image/...;base64,... 放进 image_url.url,这点和不少教程默认的「只传 URL」不一致,容易踩坑。

技能如何工作

技能封装了两套等价、零第三方依赖的入口:scripts/analyze_image.py(标准库 urllib)与 scripts/analyze_image.mjs(Node 内置模块)。二者参数一致,按本机已有的 Python 或 Node 择一即可。

  • --image(必填):本地路径或 http(s) 图片 URL
  • --prompt:自定义问题;默认会向模型索要中文的详细描述
  • API Key:--api-key,或环境变量 ZHIPU_4V_FLASH_API_KEY / ZHIPU_API_KEY / GLM_API_KEY
  • --max-tokens:输出长度,默认 1024

典型流程:拿到路径或 URL 与用户问题 → 调用对应脚本 → 将返回的 chat completion 正文呈现给用户。也可按 SKILL 中的接口说明手写 POST https://open.bigmodel.cn/api/paas/v4/chat/completions,Authorization: Bearer {id}.{secret}。

适用边界与注意点

  • Key 必须来自 bigmodel.cn(形如 xxxx.yyyy),不要用国际站 z.ai 的 ZAI_API_KEY,端点不同。
  • 本地支持 png、jpg/jpeg、gif、webp、bmp;建议单图 10MB 以内。
  • glm-4v-flash 不可用时,同端点可换 glm-4v-plus、glm-4v(付费)。
  • 中英文 prompt 均可;需要更长分析时适当调大 --max-tokens。

使用场景

  • 客服收到用户发来的报错截图,需要快速读出弹窗里的错误码和按钮文案再对症回复
  • 审查稿件时需要根据一张海报 JPG 逐条核对上面的活动日期、规则和免责说明是否写全
  • 运维同学拿到监控告警里的外链图表 URL,想用自然语言问「这张曲线在哪个时间点开始陡升」
  • 本地化同学把应用界面 PNG 交给模型,让它描述可见控件和文案以便写翻译说明

适合人员

  • 需要在工单里反复解读用户截图、又不想订阅高价 Vision API 的一线技术支持
  • 负责线下物料合规校验、经常对着 JPG/PNG 核对文案的活动运营
  • 在 CI 或本机脚本里做图像抽检、希望避免额外 pip/npm 依赖的运维工程师
  • 写技术文档时要对架构图或流程截图做结构化说明的后端/全栈开发者