GLM Vision - 图片分析技能
概述
使用智谱 GLM-4.6V 多模态模型分析图片内容。支持：
- 图片内容描述和理解
- 图片中的文字提取（OCR）
- 图片元素识别和分析
- 多图对比分析
- 视频内容理解
使用场景
当用户发送图片并提出以下类型问题时触发：
- "这张图片里有什么？"
- "请描述这张图片"
- "分析这个截图"
- "这是什么？"
- "图片里的文字是什么？"
- "比较这两张图片"
API 配置
环境变量
需要设置 ZHIPU_API_KEY 环境变量：
export ZHIPU_API_KEY="your-api-key-here"
或者在 ~/.claude/settings.json 中配置：
{
"env": {
"ZHIPU_API_KEY": "your-api-key-here"
}
}
模型选择
| 模型 | 用途 | 价格 |
|---|
glm-4.6v-flash | 免费版，日常使用 | 免费 |
glm-4.6v | 旗舰版，复杂推理 | 付费 |
glm-4.6v-flashx | 轻量高速版 | 付费 |
默认使用 glm-4.6v-flash 免费模型。
调用方式
方式一：使用辅助脚本（推荐）
python3 ~/.claude/skills/glm-vision/scripts/analyze_image.py \
--image "/path/to/image.jpg" \
--prompt "请描述这张图片" \
[--model "glm-4.6v-flash"]
参数说明：
--image / -i: 图片路径（支持 URL 或本地文件）--prompt / -p: 分析提示词--model / -m: 模型名称（可选，默认免费版）--detail / -d: 启用详细思考模式
方式二：直接 API 调用
import base64
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("ZHIPU_API_KEY"),
base_url="https://open.bigmodel.cn/api/paas/v4"
)
# 读取本地图片
with open("image.jpg", "rb") as f:
img_base64 = base64.b64encode(f.read()).decode("utf-8")
response = client.chat.completions.create(
model="glm-4.6v-flash",
messages=[{
"role": "user",
"content": [
{"type": "image_url", "image_url": {"url": img_base64}},
{"type": "text", "text": "请描述这张图片"}
]
}]
)
print(response.choices[0].message.content)
方式三：URL 图片
response = client.chat.completions.create(
model="glm-4.6v-flash",
messages=[{
"role": "user",
"content": [
{"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}},
{"type": "text", "text": "分析这张图片"}
]
}]
)
工作流程
- 接收图片: 用户发送图片，保存到临时目录
- 构建请求: 将图片转为 base64 或使用 URL
- 调用 API: 发送到 GLM-4.6V 模型
- 返回结果: 解析并展示分析结果
支持的图片格式
- JPEG / JPG
- PNG
- GIF（静态）
- WebP
- BMP
示例用法
基础图片描述
python3 ~/.claude/skills/glm-vision/scripts/analyze_image.py \
-i "/tmp/screenshot.png" \
-p "描述这张截图的内容"
详细分析
python3 ~/.claude/skills/glm-vision/scripts/analyze_image.py \
-i "/tmp/photo.jpg" \
-p "分析这张图片的构图、色彩和主题" \
--detail
OCR 文字提取
python3 ~/.claude/skills/glm-vision/scripts/analyze_image.py \
-i "/tmp/document.png" \
-p "提取图片中的所有文字，保持原有格式"
URL 图片分析
python3 ~/.claude/skills/glm-vision/scripts/analyze_image.py \
-i "https://example.com/image.jpg" \
-p "这张图片展示的是什么？"
注意事项
- API Key 安全: 不要在代码中硬编码 API Key
- 图片大小: 建议图片小于 10MB，过大的图片会增加延迟
- 网络连接: 需要稳定的网络访问智谱 API
- 并发限制: 免费用户并发数为 5
参考资源
references/api-reference.md - 完整 API 参考文档scripts/analyze_image.py - 图片分析辅助脚本