智谱 GLM-4V-Flash 免费视觉
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