多模态图像识别
多模态AI图片识别与分析工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：多模态图像识别。 它的用途是：多模态AI图片识别与分析工具 完整的 Skill 内容见：https://321skill.com/skills/multimodal-image-analysis-9/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'分析这张商品图片，提取其中的文字并描述产品外观'，AI会调用多模态模型识别图片中的文字（如品牌名、成分表）并生成详细描述。再问：'图片中的模特穿的衣服是什么颜色和款式？'，AI会基于视觉问答能力给出具体回答。
介绍
本技能基于多模态AI模型，能够精准识别、分析并描述图片内容。用户上传图片或提供URL后，可自动提取图像中的物体、场景、文字（OCR）等信息，并支持视觉问答（VQA），即针对图片提问并获得自然语言回答。适用于需要快速理解图像内容、从图片中提取结构化数据或进行视觉推理的场景。
使用方法简单：直接向AI发送图片（支持文件上传或URL链接），并给出指令，如“描述这张图片”、“提取图中文字”或“图中有什么品牌LOGO？”。AI会调用多模态模型进行推理，返回详细的分析结果。支持批量处理多张图片，也支持逐张精细分析。
适合内容创作者（快速获取图片素材描述）、学术研究者（分析实验图像或图表）、营销专员（分析竞品宣传图、海报元素）、电商运营（识别商品详情图中的文字和属性）等需要频繁处理图像的用户。无需任何编程知识，口语化指令即可完成复杂图像分析任务。
使用建议：对于高分辨率图片，建议先压缩至合理大小以提升处理速度；涉及隐私或敏感信息时，请确保图片内容合规。本技能基于通用多模态模型，在特定领域（如医学影像、卫星图）的识别精度可能受限，建议结合领域专用模型使用。
常见问题
支持哪些图片格式？
支持常见格式如JPEG、PNG、WebP、BMP，单张图片大小建议不超过10MB。
可以识别图片中的手写文字吗？
支持印刷体和手写体OCR，但手写体识别准确率受字体清晰度影响，建议使用高分辨率图片。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/multimodal-image-analysis-9/raw/index.md 读取 多模态图像识别 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/multimodal-image-analysis-9/raw/index.md（查看排版版本）