Przejdź do treści
Biblioteka skilli
AI i agenci · Analiza

read-image

/read-image

Odczytuje treść obrazu i zwraca tekst, opis zrzutu ekranu, wartości z wykresu lub układ interfejsu, gdy główny model nie ma wizji.

Repozytorium
read-image ↗
Licencja
MIT
Ostatnia zmiana repozytorium
28.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
6
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
1
Przestarzałość

Brak sygnałów. Repozytorium zmienione 28.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Odczytuje treść obrazu i zwraca tekst, opis zrzutu ekranu, wartości z wykresu lub układ interfejsu, gdy główny model nie ma wizji.

Oryginalny opis (EN)

读取图片内容并返回文字,支持本地路径和 URL;用于看图、描述截图、OCR 提取文字、读图表数值、分析界面布局。当用户提供图片或要求识别图片内容,而主模型没有视觉能力时使用。

Jak działa

  1. 何时使用
  2. 标准流程
  3. 引导配置 API Key
  4. 排错
  5. 不要做
Sekcje z nagłówków SKILL.md, w oryginale · 105 linii, 233 słów
Podgląd SKILL.md
---
name: read-image
description: 读取图片内容并返回文字,支持本地路径和 URL;用于看图、描述截图、OCR 提取文字、读图表数值、分析界面布局。当用户提供图片或要求识别图片内容,而主模型没有视觉能力时使用。
---

# read-image

主模型没有视觉通道时,所有图片内容都必须通过 `read_image` 工具获取。不要假装看到了图。

## 何时使用

- 用户给出图片路径或链接,要求描述、总结或识别
- 需要从截图里提取文字(OCR)
- 需要读取图表里的数值
- 需要分析界面布局
- 用户说「看看这张图」「这张图里是什么」「把图里的字提取出来」

## 标准流程

### 第一步:确认配置

首次使用、或任何工具报错时,先调用:

```
read_image_doctor
```

根据结果分支:

- 显示「配置可用」→ 直接读图
- 显示没有 API Key → 进入下面的【引导配置】
- 显示接口不可达 → 提示检查网络/代理,不要继续重试

### 第二步:读图

调用 `read_image`:

| 参数 | 怎么填 |
|---|---|
| `paths` | 用户的图片路径列表,支持本地路径和 http(s) |
| `question` | 用户的具体问题;没有明确问题时用"描述这张图" |
| `mode` | 描述整体用 `describe`;提文字用 `ocr`;看界面用 `ui`;读图表用 `data` |
| `detail` | 细节密集的截图用 `high`,普通图片用 `auto` |

### 第三步:回答

把返回的文字整理成自然语言。只依据工具返回的内容回答,不要补充图中不存在的细节。

---

## 引导配置 API Key

当 `read_image_doctor` 显示未配置 Key 时,**不要一次性甩一大段说明**,按下面的节奏一步一步来:

### 1. 说明需要什么

告诉用户:

> 需要智谱的 API Key。打开 https://open.bigmodel.cn/usercenter/apikeys ,注册后创建一个,复制那串 Key。

### 2. 请求用户粘贴

> 把 Key 粘贴到这里,我会写入本机的配置文件,不会上传到别处。

### 3. 写入配置

收到 Key 后调用:

```
read_image_setup(api_key="用户提供的Key")
```

可选参数:`model` 指定默认模型,`base_url` 指定其他 OpenAI 兼容网关。

### 4. 验证

调用 `read_image_doctor` 确认:

- 成功 → 告诉用户「配置完成」,并用一张图片实际读一次
- 失败 → 根据错误提示处理(见下表)

### 配置过程中的规矩

- **不要在回复里回显完整 Key**,只显示前 6 位 + 后 4 位
- 用户不想粘贴 Key 时,给两个替代方案:
  1. 自己创建 `~/.claude/read-image.json`,内容为 `{"api_key": "..."}`
  2. 设置环境变量 `ZHIPU_API_KEY`
- Key 无效(401)时提示重新申请,不要反复重试同一个 Key
- 不要把 Key 写进代码、日志或 git 仓库

---

## 排错

| 现象 | 处理 |
|---|---|
| `找不到图片文件` | 让用户确认路径;注意 Windows 反斜杠 |
| `401 Unauthorized` | Key 错误,重新引导配置 |
| `429` | 限流或额度用完,提示稍后再试或充值 |
| 模型不可用 | 服务会自动降级;可用 `read_image_doctor` 看可用模型 |
| 请求超时 | 检查网络或代理;可设 `READ_IMAGE_TIMEOUT` |
| 工具本身不存在 | 插件没连上:让用户执行 `/mcp` 检查 `vision` 是否为 connected,必要时重启 Claude Code |

## 不要做

- 不要在没有调用工具的情况下描述图片内容
- 不要在回复中泄露完整 API Key
- 不要跳过 `read_image_doctor` 直接猜测配置状态
Pliki w paczce (6)
  • .gitignore 1 KB
  • .mcp.json 1 KB
  • LICENSE 1 KB
  • README.md 4 KB
  • SKILL.md 3 KB
  • requirements.txt 1 KB

Wersje

W bazie nie ma innych skilli o nazwie read-image.

Migawka bazy z 13.11.2026 · wersja paczki 02863288c556 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 98vision
    Daje agentowi tekstowemu wzrok: opisuje, odczytuje tekst i analizuje zrzuty ekranu, zdjęcia, diagramy i wykresy przez narzędzie analizy obrazu.
  • 98linkfox-multimodal-recognize-image
    Analizuje zdjęcia z adresów URL: opisuje treść, odczytuje tekst OCR i odpowiada na pytania o obraz.
  • 100analyze-images
    Odczytuje tekst na obrazach i opisuje zdjęcia, zrzuty ekranu oraz rendery, tworzy alt text i ocenia kompozycję przez serwer MCP.
  • 100image-analysis
    Analizuje obraz (zrzut ekranu, diagram, makietę UI lub wykres) za pomocą wizji Claude'a.
  • 100screen-ocr
    Czyta zrzut ekranu lub zdjęcie podane przez użytkownika: wyciąga tekst, tabele w Markdown, kod i wzory LaTeX oraz wyjaśnia błędy. Przydaje się przy odczycie obrazów z komunikatami.
  • 98local-ocr
    Wyciąga tekst z wielu skanów i zdjęć dokumentów lokalnie: zamienia strony na obrazy i rozpoznaje tekst, wzory oraz tabele.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.