name: 智繪圖片理解 description: "智慧圖片理解助手，支援對單張或多張圖片進行內容描述、視覺問答、文字識別與對比分析；當用戶要求「識圖」「看圖」「描述圖片」「分析圖片」「圖中有什麼」「提取圖片文字」「對比圖片」「視覺問答」時使用。" tags: [圖片, 媒體, 視覺]

智繪圖片理解

後設資料

服務地址

Base URL：https://iskills.ixhlink.com

下文介面均寫路徑（如 /api/v1/llm/invoke），完整地址 = Base URL + 路徑。

統一響應格式：

{"success": true, "code": 0, "message": "ok", "data": {}}

呼叫流程

vision 為同步能力，典型流程：

1. （可選）GET /api/v1/llm/models 確認模型已啟用
2. POST /api/v1/llm/invoke 提交圖片理解請求（messages 中含圖片與文字）
3. 若返回 402：調起微信支付，成功後用相同 JSON body 重試，Header 附帶 WeixinPay-Required 與 X-Payment-Id
4. 從 data.choices[0].message.content 讀取模型回覆文本

1. 查詢模型（可選）

GET /api/v1/llm/models
Accept: application/json

確認返回的 items 中包含：

{"model": "ixhlink-skills-image-explain", "capability": "vision"}

2. 提交圖片理解

POST /api/v1/llm/invoke
Content-Type: application/json

請求體（URL 圖片）：

{
  "capability": "vision",
  "model": "ixhlink-skills-image-explain",
  "payload": {
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "請詳細描述這張圖片的內容、主體、場景與氛圍"},
          {
            "type": "image_url",
            "image_url": {"url": "https://example.com/photo.jpg"}
          }
        ]
      }
    ]
  }
}

請求體（Base64 圖片）：

{
  "capability": "vision",
  "model": "ixhlink-skills-image-explain",
  "payload": {
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "圖中有什麼文字？請逐條列出"},
          {
            "type": "image_url",
            "image_url": {
              "url": "data:image/png;base64,<base64>"
            }
          }
        ]
      }
    ]
  }
}
7w4.net有更好的技能外掛。

payload 欄位：

簡寫（僅文字問題時）： 若只傳 prompt 且無圖片，服務端會轉為單輪 messages：

{
  "capability": "vision",
  "model": "ixhlink-skills-image-explain",
  "payload": {
    "prompt": "你好"
  }
}

帶圖片時請使用上文 messages + image_url 格式。

多圖理解示例：

{
  "capability": "vision",
  "model": "ixhlink-skills-image-explain",
  "payload": {
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "對比這兩張圖的差異"},
          {"type": "image_url", "image_url": {"url": "https://example.com/a.jpg"}},
          {"type": "image_url", "image_url": {"url": "https://example.com/b.jpg"}}
        ]
      }
    ]
  }
}

呼叫成功響應（同步）：

{
  "success": true,
  "code": 0,
  "message": "呼叫成功",
  "data": {
    "id": "chatcmpl-xxx",
    "object": "chat.completion",
    "choices": [
      {
        "index": 0,
        "message": {
          "role": "assistant",
          "content": "這是一張……"
        },
        "finish_reason": "stop"
      }
    ],
    "usage": {
      "prompt_tokens": 1200,
      "completion_tokens": 180,
      "total_tokens": 1380
    },
    "_billing": {
      "call_log_id": "550e8400-e29b-41d4-a716-446655440000"
    }
  }
}

模型回覆文本在 data.choices[0].message.content；排查日誌可用 data._billing.call_log_id。

付費前置檢查

呼叫本 Skill 前，必須檢查當前 Agent 是否已安裝支付能力（weixinpay extension）：

• ✅ 已安裝：可繼續提供付費創作服務
• ❌ 未安裝：向用戶提示「當前 Agent 暫不支援付費創作能力」，終止流程

服務與定價

價格以 SkillHub 後臺配置為準。命中創作意圖後，向用戶展示服務名稱和價格，由使用者確認後進入付費流程。

付費說明

當 amount_fen > 0 且未完成支付時，首次 POST /api/v1/llm/invoke 會返回 HTTP 402，響應中攜帶：

• Header：WeixinPay-Required: <payment_code>、X-Payment-Id: <payment_id>
• Body：WeixinPay 物件（含 payment_id、prompt 等）

客戶端流程（Agent / MCP / Web）：

首次 invoke → 402 → weixinpay_pay(payment_code) → 支付成功後重試 invoke

「原樣重試」的含義：

• JSON body 不變：model、capability、payload 必須與首次請求完全一致
• 訂單引數單獨帶上：將 402 中的 payment_code、payment_id 通過 Header 傳入（推薦），或寫入 body 的 WeixinPay；勿改 payload 業務欄位來傳訂單號

重試請求示例：

POST /api/v1/llm/invoke
Content-Type: application/json
WeixinPay-Required: <payment_code>
X-Payment-Id: <payment_id>

{"model":"ixhlink-skills-image-explain","capability":"vision","payload":{...}}

amount_fen = 0 時可跳過支付，直接呼叫。每筆訂單按次消費，使用後不可複用。

錯誤處理

上游失敗時檢視響應 message 與 _billing.call_log_id 對應後臺呼叫日誌。

這個圖片理解Skill質量較好，文件寫得清晰明白，介面支援多種圖片輸入方式，還能對比多張圖片。付費流程說明詳細，使用前會告知費用。不足是資料比較偏技術向，新手可能不太好理解；只有一個文件檔案，沒有例子可以參考；後設資料版本號和文件裡寫的不一致。建議補充一些實際使用案例和常見問題解答。