图片工具集

概述

包括通用文本识别、手写识别、车牌识别、身份证识别、日常物体检测、昆虫识别、植物识别、护照识别、港澳台通行证识别、银行卡识别、营业执照识别、驾驶证识别、行驶证识别、动物识别、电动自行车检测、手机检测、手势检测、火焰检测、香烟检测、人头人体检测、野生动物检测、鸟类识别、宠物情绪识别、菜品识别、安全帽人体检测、行人检测、反光衣检测、车辆检测、图像分类、目标检测、旋转目标检测、人体姿态估计和万物识别。

⚠️ 强制要求：API 密钥

此 Skill 必须配置 API 密钥才能使用。

• 首次使用时，如果 .env 中没有 XBY_APIKEY，必须使用 AskUserQuestion 工具向用户询问 API 密钥
• 拿到用户提供的密钥后，调用 scripts.config.set_api_key(api_key) 保存，然后继续处理
• 获取 API 密钥：https://xiaobenyang.com
• 禁止在缺少 API 密钥时自行搜索或编造数据

工作流程（必须遵守）

你（大模型）是路由层，负责理解用户意图、选择工具、提取参数。代码只负责调用API。

用户输入 → 你选择工具 → 提取该工具需要的参数 → 调用 scripts.tools 中的函数 → 返回结果给用户

步骤

1. 检查 API 密钥：如果 scripts.config.settings.api_key 为空，使用 AskUserQuestion 询问用户，拿到后调用 scripts.config.set_api_key(key) 保存
2. 选择工具：根据用户意图从下方工具列表中选择对应的工具函数
3. 提取参数：根据选中的工具，提取该工具需要的参数
4. 调用工具：使用关键字参数调用 scripts.tools 中的函数，例如 scripts.tools.search_schools(score='520', province='北京', category='综合')
5. 返回结果：将工具返回的 raw 数据整理后展示给用户

工具选择规则

根据用户意图选择对应的工具函数：

如果参数不完整，使用 AskUserQuestion 向用户询问缺失的参数。

工具函数说明

scripts.tools.ocr

工具描述：兼顾速度与精度的文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_for_data_base64

工具描述：兼顾速度与精度的文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_pro

工具描述：高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_pro_for_data_base64

工具描述：高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_handwriting

工具描述：输入包含手写文本的图像，自动检测文本行并识别内容。适用于手写笔记、签名、手写表单等。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_handwriting_for_data_base64

工具描述：输入包含手写文本的图像，自动检测文本行并识别内容。适用于手写笔记、签名、手写表单等。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.plate_recognition

工具描述：识别车牌号、车牌颜色、单/双层车牌、位置框。 需要输入图片文件链接。

参数定义

scripts.tools.plate_recognition_for_data_base64

工具描述：识别车牌号、车牌颜色、单/双层车牌、位置框。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_bank_card

工具描述：识别银行卡号、发卡银行和卡类型，使用 Luhn 算法校验卡号有效性。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_bank_card_for_data_base64

工具描述：识别银行卡号、发卡银行和卡类型，使用 Luhn 算法校验卡号有效性。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_biz_license

工具描述：识别营业执照的统一社会信用代码、名称、法定代表人、注册资本、成立日期、经营范围、登记机关和住所地址。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_biz_license_for_data_base64

工具描述：识别营业执照的统一社会信用代码、名称、法定代表人、注册资本、成立日期、经营范围、登记机关和住所地址。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_driver_license

工具描述：识别驾驶证主页（证号、姓名、性别、国籍、住址、出生日期、准驾车型、初次领证日期、有效期限）和副页（档案编号）。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_driver_license_for_data_base64

工具描述：识别驾驶证主页（证号、姓名、性别、国籍、住址、出生日期、准驾车型、初次领证日期、有效期限）和副页（档案编号）。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_vehicle_license

工具描述：识别机动车行驶证的号牌号码、车辆类型、所有人、住址、品牌型号、发动机号码、车辆识别代号等信息，支持自动方向检测和主副页过滤。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_vehicle_license_for_data_base64

工具描述：识别机动车行驶证的号牌号码、车辆类型、所有人、住址、品牌型号、发动机号码、车辆识别代号等信息，支持自动方向检测和主副页过滤。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_id_card

工具描述：识别身份证正面（姓名、性别、民族、出生日期、住址、身份证号）和背面（签发机关、有效期限），自动判断正反面并校验身份证号有效性。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_id_card_for_data_base64

工具描述：识别身份证正面（姓名、性别、民族、出生日期、住址、身份证号）和背面（签发机关、有效期限），自动判断正反面并校验身份证号有效性。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_pass

工具描述：识别港澳通行证、台湾通行证的通行证号码、姓名、性别、出生日期、有效期、签发地点等信息，支持MRZ机读码解析。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_pass_for_data_base64

工具描述：识别港澳通行证、台湾通行证的通行证号码、姓名、性别、出生日期、有效期、签发地点等信息，支持MRZ机读码解析。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ocr_passport

工具描述：识别护照号码、中文姓名、英文姓名、性别、国籍、出生日期、签发日期、有效期至、签发地点等信息，支持MRZ机读码解析。 需要输入图片文件链接。

参数定义

scripts.tools.ocr_passport_for_data_base64

工具描述：识别护照号码、中文姓名、英文姓名、性别、国籍、出生日期、签发日期、有效期至、签发地点等信息，支持MRZ机读码解析。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.daily_object_detection

工具描述：输入一张图像，对其中的人/宠物/车/火焰/纸箱进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.daily_object_detection_for_data_base64

工具描述：输入一张图像，对其中的人/宠物/车/火焰/纸箱进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.insect_recognition

工具描述：识别昆虫或其他节肢动物名称（或所属目, 科, 属, 种）。 需要输入图片文件链接。

参数定义

scripts.tools.insect_recognition_for_data_base64

工具描述：识别昆虫或其他节肢动物名称（或所属目, 科, 属, 种）。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.plant_recognition

工具描述：识别植物名称（或所属科, 属, 种或亚种）。 需要输入图片文件链接。

参数定义

scripts.tools.plant_recognition_for_data_base64

工具描述：识别植物名称（或所属科, 属, 种或亚种）。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.animal_recognition

工具描述：对含有动物的图像进行标签识别，无需任何额外输入，输出动物的类别标签。 需要输入图片文件链接。

参数定义

scripts.tools.animal_recognition_for_data_base64

工具描述：对含有动物的图像进行标签识别，无需任何额外输入，输出动物的类别标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.cellphone_detection

工具描述：输入一张图像，对其中的手机进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.cellphone_detection_for_data_base64

工具描述：输入一张图像，对其中的手机进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.ebike_detection

工具描述：输入一张图像，对其中的电动自行车进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.ebike_detection_for_data_base64

工具描述：输入一张图像，对其中的电动自行车进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.fire_detection

工具描述：检测各类通用场景中出现的火焰，最佳使用场景：安防摄像头、交通摄像头视角。 需要输入图片文件链接。

参数定义

scripts.tools.fire_detection_for_data_base64

工具描述：检测各类通用场景中出现的火焰，最佳使用场景：安防摄像头、交通摄像头视角。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.general_recognition

工具描述：对包含主体物体的图像进行标签识别，输出主体物体的类别标签，目前已经覆盖了5万多类的物体类别。 需要输入图片文件链接。

参数定义

scripts.tools.general_recognition_for_data_base64

工具描述：对包含主体物体的图像进行标签识别，输出主体物体的类别标签，目前已经覆盖了5万多类的物体类别。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.gesture_detection

工具描述：输入一张图像，对其中的手势进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.gesture_detection_for_data_base64

工具描述：输入一张图像，对其中的手势进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.head_person_detection

工具描述：输入一张图像，对其中的人头人体进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.head_person_detection_for_data_base64

工具描述：输入一张图像，对其中的人头人体进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.smoking_detection

工具描述：输入一张图像，对其中的香烟目标进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.smoking_detection_for_data_base64

工具描述：输入一张图像，对其中的香烟目标进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.wild_animals_detection

工具描述：输入一张图像，输出图像中所有识别到的野生动物的检测框、置信度及标签。 需要输入图片文件链接。

参数定义

scripts.tools.wild_animals_detection_for_data_base64

工具描述：输入一张图像，输出图像中所有识别到的野生动物的检测框、置信度及标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.bird_detection

工具描述：检测并识别图片中的鸟类。 需要输入图片文件链接。

参数定义

scripts.tools.bird_detection_for_data_base64

工具描述：检测并识别图片中的鸟类。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.pet_emotion_recognition

工具描述：识别宠物面部表情，输出 4 类情绪: Angry / Happy / Relaxed / Sad。 需要输入图片文件链接。

参数定义

scripts.tools.pet_emotion_recognition_for_data_base64

工具描述：识别宠物面部表情，输出 4 类情绪: Angry / Happy / Relaxed / Sad。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.dish_recognition

工具描述：菜品识别，输出可能的菜品名称及概率。 需要输入图片文件链接。

参数定义

scripts.tools.dish_recognition_for_data_base64

工具描述：菜品识别，输出可能的菜品名称及概率。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.helmet_head_person_detection

工具描述：输入一张图像，对其中的人体、头部和安全帽进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.helmet_head_person_detection_for_data_base64

工具描述：输入一张图像，对其中的人体、头部和安全帽进行检测，输出图片中所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.detect_pedestrian

工具描述：输入一张图像，检测图像中的行人，输出所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.detect_pedestrian_for_data_base64

工具描述：输入一张图像，检测图像中的行人，输出所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.detect_reflective_vest

工具描述：输入一张图像，检测人员是否穿戴反光衣，输出图片中所有目标的检测框、置信度和标签（safe/unsafe）。 需要输入图片文件链接。

参数定义

scripts.tools.detect_reflective_vest_for_data_base64

工具描述：输入一张图像，检测人员是否穿戴反光衣，输出图片中所有目标的检测框、置信度和标签（safe/unsafe）。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.detect_vehicle

工具描述：输入一张图像，检测图像中的车辆类型（car/truck/bus/motorbike/tricycle/carplate），输出所有目标的检测框、置信度和标签。 需要输入图片文件链接。

参数定义

scripts.tools.detect_vehicle_for_data_base64

工具描述：输入一张图像，检测图像中的车辆类型（car/truck/bus/motorbike/tricycle/carplate），输出所有目标的检测框、置信度和标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.yolo26_classify

工具描述：对图像进行ImageNet 1000类分类，返回Top-5类别和置信度。 需要输入图片文件链接。

参数定义

scripts.tools.yolo26_classify_for_data_base64

工具描述：对图像进行ImageNet 1000类分类，返回Top-5类别和置信度。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.yolo26_detect

工具描述：检测图像中的80类COCO目标（人、车、动物、日常物品等），输出边界框、置信度和类别标签。 需要输入图片文件链接。

参数定义

scripts.tools.yolo26_detect_for_data_base64

工具描述：检测图像中的80类COCO目标（人、车、动物、日常物品等），输出边界框、置信度和类别标签。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.yolo26_obb_detect

工具描述：检测图像中的旋转目标，输出旋转边界框、角度、置信度和类别标签。支持15个目标类别：plane， ship，storage tank，baseball diamond，tennis court，basketball court，ground track field， harbor， bridge，large vehicle，small vehicle， helicopter， roundabout，soccer ball field，swimming pool。 需要输入图片文件链接。

参数定义

scripts.tools.yolo26_obb_detect_for_data_base64

工具描述：检测图像中的旋转目标，输出旋转边界框、角度、置信度和类别标签。支持15个目标类别：plane， ship，storage tank，baseball diamond，tennis court，basketball court，ground track field， harbor， bridge，large vehicle，small vehicle， helicopter， roundabout，soccer ball field，swimming pool。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.yolo26_pose_estimate

工具描述：检测图像中的人物，输出边界框和关键点坐标。每人有 17 个关键点，每个点代表人体不同的部位，依次为鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕、左髋、右髋、左膝、右膝、左脚踝、右脚踝。 需要输入图片文件链接。

参数定义

scripts.tools.yolo26_pose_estimate_for_data_base64

工具描述：检测图像中的人物，输出边界框和关键点坐标。每人有 17 个关键点，每个点代表人体不同的部位，依次为鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕、左髋、右髋、左膝、右膝、左脚踝、右脚踝。 需要输入图片文件的BASE64编码。

参数定义

scripts.tools.yolo26_segment

工具描述：实例分割比目标检测更进一步，不但要识别图像中的单个对象，还要将其从图像的其余部分中分割出来。对图像中的80类COCO目标进行实例分割，输出边界框、掩膜、置信度和类别标签。 需要输入图片文件链接。

参数定义

scripts.tools.yolo26_segment_for_data_base64

工具描述：实例分割比目标检测更进一步，不但要识别图像中的单个对象，还要将其从图像的其余部分中分割出来。对图像中的80类COCO目标进行实例分割，输出边界框、掩膜、置信度和类别标签。 需要输入图片文件的BASE64编码。

参数定义

返回值处理

工具函数返回 dict 对象：

• result["raw"] – API 原始返回数据（JSON），直接将此数据整理后展示给用户
• result["success"] – 是否成功（True/False）
• result["message"] – 状态消息

项目结构

./
├── scripts/
│   ├── __init__.py
│   ├── config.py       # 配置管理 + set_api_key()
│   ├── call_api.py      # API 客户端 + call_api()
│   └── tools.py         # 工具函数（直接调用）
├── requirements.txt
└── SKILL.md

注意事项

1. API 密钥是必需的，无密钥时必须通过 AskUserQuestion 询问用户
2. 禁止在缺少 API 密钥时自行搜索或编造数据