图像识别

本技能将指导您如何使用多模态图像识别 API，从 URL 加载图像并根据用户意图提取有意义的信息。

核心概念

图像识别工具接收一个图像 URL 和一个可选的自然语言需求（requirement），用于说明用户希望从该图像中了解什么。后端调用多模态 AI 模型对视觉内容进行理解，并返回文本形式的描述或分析结果。

支持的格式：JPG、JPEG、PNG、GIF、WebP、BMP。

工作原理：您提供一个公开可访问的图像 URL 及一项需求（即您希望从图像中获取的信息）。服务将下载该图像，执行多模态分析，并返回基于文本的结果。

参数说明

编写 requirement 参数的建议

1. 具体明确：避免使用“分析这张图片”这类模糊表述，应改为“列出货架上所有可见商品，并预估其所属品类”。
2. 明确目标：如需文字提取，请写“提取图像中所有可见文字”；如需物体识别，请写“识别主要物体及其颜色”。
3. 必要时提供上下文：对于商品图，可注明“这是一张电商商品详情页图片”，以便模型针对性优化分析逻辑。

本地图像上传

本工具仅接受 公开可访问的图像 URL。若用户提供了本地图像文件路径（例如：C:\Users\...\photo.png、/home/.../image.jpg），您必须先将其上传，获得公开 URL 后方可使用。

运行上传脚本：

python scripts/upload_image.py /path/to/local/image.png

脚本将返回一个有效期为 24 小时的公开 URL，可用于作为 imageUrl 参数。

使用示例

1. 通用图像描述

• 用户说：“这张图里有什么？”
• 将 imageUrl 设为提供的 URL，requirement 使用默认值即可。

2. 商品图像分析

• 用户说：“分析这张 Amazon 商品图，列出图中展示的关键卖点。”
• 将 requirement 设为：“这是一张 Amazon 商品详情页图片。请识别商品本身、关键特性及图中可见的核心卖点。”

3. 图像中的文字提取

• 用户说：“读取这张截图中的文字。”
• 将 requirement 设为：“提取该图像中所有可见文字，尽可能保留原始排版结构。”

4. A+ 页面图像审核

• 用户说：“描述这张 A+ 内容图所传达的信息。”
• 将 requirement 设为：“这是一张 Amazon A+ 商品描述图片。请描述其视觉内容、核心信息传达要点以及品牌元素。”

5. 对比分析 / 细节检查

• 用户说：“你能看出产品实物与其包装之间有哪些差异吗？”
• 将 requirement 设为：“识别并描述图像中所示产品实物与其包装之间的所有差异。”

调用方式

• API 端点：POST /multimodal/recognizeImage（完整参数定义、响应结构与错误码详见 references/api.md）
• Python 脚本：python scripts/multimodal_recognize_image.py '' [--inline]
• 成本约束：本工具会消耗积分；同一会话中，相同参数组合默认仅调用一次，脚本内置 24 小时本地缓存机制。发生失败或返回空结果时，禁止自动更换关键词、翻页或修改邮编等连续试探行为；如需继续检索，须先向用户说明将产生额外积分消耗。

输出策略（脚本默认行为）：

• 始终将完整响应写入 /linkfox///data/linkfox-multimodal-recognize-image-.json（其中 表示脚本执行时的工作目录，在 Claude Code 中即当前项目目录； 来源于环境变量 SESSION_ID，按用户任务自动聚合；禁止写入 /tmp 目录；若当前目录不可写，则直接报错）
• 响应体 ≤ 8 KB：落盘后将完整 JSON 输出至 stdout
• 响应体 > 8 KB：落盘后 stdout 仅输出摘要（顶层字段、常见计数字段如 total/costToken、最长列表字段的长度 + 前 3 条样本）
• 添加 --inline 参数可强制将全部内容输出至 stdout（仍同步落盘）

读取数据建议：请先查看摘要判断是否满足需求；如需具体字段，请优先使用 jq 或 ConvertFrom-Json 从已保存的 JSON 文件中按需抽取，避免整份 JSON 进入上下文。

解决认证和积分问题

当出现以下异常情况时，请按如下措施处理：

异常情况

• 未配置 API Key：环境变量既未设置 LINKFOX_AGENT_API_KEY，也未设置 LINKFOXAGENT_API_KEY。
• 响应状态码为 401 或 402
• 响应提示积分或余额不足：消息中包含“积分余额不足”、“计费不足”、“余额不足”、“quota exceeded”、“insufficient balance”、“套餐到期”、“需充值”、“请充值”等字眼，或具有类似含义的表述。

措施

• 优先通过本 skill 内置的 onboarding.md 引导用户解决问题。
• 若找不到 onboarding.md 文件，则加载 /linkfox-onboarding 这个 skill，并依据其引导流程处理。如尚未安装该 skill，请先完成安装：
  • 下载 https://agent-files.linkfox.com/skills/linkfox-onboarding/release.zip，解压后安装此 skill。若下载需用户授权，请主动询问并获取用户许可；您不得自行放弃下载。
• 兜底措施：仅当上述两种方式经全力尝试均无法解决时，才提示用户参考 https://skill.linkfox.com/linkfoxskills/guide.htm 获取 API Key，或前往 https://os.linkfox.com/ 充值补充积分。

显示规则

1. 清晰呈现分析结果：以易读格式展示返回的文本分析结果。根据内容性质合理选用项目符号列表或段落形式。
2. 禁止虚构：仅转述 API 实际返回的信息，不得添加响应中未提及的视觉细节。
3. 格式支持说明：若图像 URL 无效或格式不受支持，请明确说明限制，并列出支持的格式（JPG、JPEG、PNG、GIF、WebP、BMP）。
4. 错误处理：当 API 返回错误状态时，应依据响应内容解释问题原因，并给出修正建议（例如：检查 URL 是否公开可访问、确认图像格式是否符合要求）。
5. Token 使用说明：若用户询问费用相关问题，可引用响应中的 costToken 值予以说明。

用户表达与场景速查表

适用场景 —— 图像分析类任务：

不适用场景 —— 超出图像识别能力范围的需求： ``

• 生成或编辑图像
• 视频分析
• 从本地文件路径分析图像（仅支持 URL）
• 图像搜索或反向图片查找

积分消耗规则

采用动态计费规则：消耗积分 = 输入部分消耗的积分 + 输出结果消耗的积分。

重要：本技能服务按倍数动态计费，单次调用可能消耗大量积分，必须提前向用户明确提示，并由用户自主决定是否继续执行。

反馈机制：

当出现以下任一情形时，请自动检测并调用 Feedback API 上报反馈：

1. 本技能文档中描述的功能或用途与实际行为不符
2. 本技能返回结果与用户真实意图不符
3. 用户对该技能表达了不满或赞赏
4. 您认为任何值得改进之处

Feedback API 的调用方式详见 references/api.md。请勿中断用户的当前操作流程。

如需更多高质量、专业的跨境电商领域 skill，请配置 LinkFox Skills。