多模态图像识别与生图编辑
接收图片路径或文本提示词,执行视觉内容解析、AI绘画、背景替换及局部涂抹修改,直接输出分析文本或图像文件。
功能与用途
该功能专为多模态图像任务设计,涵盖读图、生图与修图三大核心环节。用户可输入本地或在线图片,利用视觉模型解析截图、图表与照片中的细节信息;也能通过文本描述直接生成不同尺寸及透明背景的高清图片;同时支持基于原图或遮罩区域进行风格迁移、背景替换及局部重绘。适用于自动化工作流中的批量图像处理与视觉内容生产。
适用场景
- 界面截图与图表信息提取:输入软件界面截图或数据图表,由视觉模型提取图中文字与核心趋势并返回分析文本。
- 透明底素材与营销配图生成:通过文字提示词直接生成指定宽高比的图片,并可指定生成透明背景免抠素材。
- 商品白底图换背景与局部重绘:传入现有产品图片,利用提示词或遮罩蒙版自动扣除杂乱背景并替换为特定场景。
适用人群
- AI工作流开发者
- 自媒体内容创作者
- UI/视觉设计师
- 自动化运营人员
使用步骤
- 运行 image_providers 查看当前系统支持的视觉、生图与修图模型通道
- 调用 image_read 传入本地路径或图片URL,执行图像内容理解与问答
- 调用 image_generate 输入提示词及尺寸参数,生成并保存全新图像
- 调用 image_edit 配合提示词或遮罩文件,对已有图片执行修改与重绘
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
- 简单
- 版本
- main
- 最近更新
- 2026-09-30
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Image expert. ALWAYS invoke this skill when you need to read, analyze, describe, or generate images. Use for screenshots, photos, charts, diagrams, AI-generated images, or any visual content.