SenseNova多模态图像与视觉识别底座
通过统一命令行调用商汤日日新等大模型,完成高清文生图、参考图编辑、多图视觉识别解析及文本优化。
功能与用途
该工具是 SenseNova 技能体系的底层基础设施,为上层智能体和工作流提供文生图、图像局部编辑、VLM 图像多模态识别理解与 LLM 文本润色优化能力。工具支持商汤原生协议、OpenAI 兼容协议及 Anthropic 消息协议,支持生成最高 4K 分辨率无水印图像,支持多图视觉问答,并提供统一的命令行与 JSON 输出格式。
适用场景
- 高清文生图与比例控制:通过提示词生成 2K 或 4K 无水印图像,支持自定义宽高比与随机种子。
- 多图视觉理解与内容识别:传入单张或多张本地及网络图片,通过视觉模型提取图像特征并回答问题。
- 参考图修图与背景替换:基于原图和修改提示词,调用图像编辑接口快速替换背景或调整画面要素。
- Prompt 与文本改写优化:利用底层大语言模型对长文本或图像生成提示词进行批量清洗与优化。
适用人群
- AI Agent 开发者
- 多模态工作流搭建者
- 自动化图像处理工程师
使用步骤
- 安装 requirements.txt 中所列 Python 依赖包
- 在环境变量或 .env 中配置 SN_API_KEY 与 SN_BASE_URL
- 通过 sn_agent_runner.py 传入子命令与必要参数执行任务
- 接收生成的图片文件或获取格式化 JSON/文本分析结果
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-30
- 文件数
- 29
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
|
依赖与权限
- httpx>=0.25.0
- pillow>=11.3.0
- python-dotenv>=1.0.0
- [project]
- name = "sn-image-base"
- version = "0.1.0"
- description = "Base-layer skill for the SenseNova-Skills project, providing low-level APIs."
- readme = "README.md"
- requires-python = ">=3.9"
- dependencies = []
- [build-system]
- requires = ["uv_build>=0.11.7,<0.12"]
- build-backend = "uv_build"
- [tool.uv.build-backend]
- module-root = "scripts"
- SN_IMAGE_GEN_API_KEY
- SN_API_KEY
- SN_IMAGE_GEN_BASE_URL
- SN_BASE_URL
- SN_VISION_API_KEY
- SN_CHAT_API_KEY
- SN_CHAT_BASE_URL
- SN_VISION_BASE_URL
- SN_TEXT_API_KEY
- SN_TEXT_BASE_URL