Một kỹ năng phân tích thị giác tinh vi sử dụng mô hình GLM-4.6V để giải thích hình ảnh, sơ đồ và video thông qua các lệnh CLI đơn giản.
Cài đặt & Tải xuống
1. ClawHub CLI
Cách nhanh nhất để cài đặt kỹ năng trực tiếp từ thư viện.
npx clawhub@latest install zai-vision
2. Cài đặt Thủ công
Sao chép thư mục kỹ năng vào một trong những vị trí sau
~/.openclaw/skills/ <project>/skills/ Ưu tiên: Không gian làm việc > Cục bộ > Gói sẵn
3. Cài đặt Prompt
Sao chép prompt này vào OpenClaw để tự động cài đặt.
Giúp tôi cài đặt zai-vision bằng Clawhub. Nếu Clawhub chưa
Bạn muốn tải xuống?
Nhận các tệp kỹ năng gốc dưới dạng lưu trữ ZIP.
zai-vision là gì?
zai-vision là một phần mở rộng đa phương thức mạnh mẽ cho Openclaw Skills được thiết kế để cung cấp cho các tác nhân AI một đôi mắt. Bằng cách tận dụng mô hình GLM-4.6V tiên tiến, kỹ năng này cho phép phân tích theo chương trình các tài sản hình ảnh từ ảnh chụp màn hình tĩnh và sơ đồ kỹ thuật đến các đoạn video ngắn. Nó được xây dựng để xử lý các tác vụ suy luận thị giác phức tạp mà các LLMs tiêu chuẩn không thể thực hiện, chẳng hạn như xác định các thành phần UI trong bản mô phỏng hoặc chẩn đoán lỗi hệ thống từ ảnh chụp màn hình.
Kỹ năng này đặc biệt có giá trị đối với các nhà phát triển xây dựng quy trình kiểm tra hoặc tài liệu tự động. Bằng cách tích hợp zai-vision vào không gian làm việc Openclaw Skills của bạn, bạn có khả năng chuyển đổi dữ liệu thị giác thô thành thông tin chi tiết có cấu trúc, tạo điều kiện ra quyết định tốt hơn cho các tác nhân tự trị và hợp lý hóa các quy trình làm việc kỹ thuật.
Trường hợp sử dụng zai-vision
- Tự động OCR và trích xuất văn bản từ các bản quét tài liệu hoặc ảnh chụp màn hình mã nguồn.
- Giải thích sơ đồ kỹ thuật để giải thích kiến trúc hệ thống hoặc lưu đồ.
- Kiểm tra UI/UX để xác định các thành phần thiết kế và cấu trúc bố cục từ các bản mô phỏng.
- Chẩn đoán lỗi thị giác bằng cách phân tích ảnh chụp màn hình của nhật ký bảng điều khiển hoặc sự cố ứng dụng.
- Hiểu cảnh video và tóm tắt hoạt động cho các đoạn phim ngắn.
Cách thức hoạt động của zai-vision
- Người dùng hoặc tác nhân cung cấp đường dẫn cục bộ đến tệp hình ảnh hoặc video cùng với lời nhắc ngôn ngữ tự nhiên.
- Hệ thống gọi một tập lệnh dựa trên Python giao tiếp với Z.AI SDK bằng một API key an toàn.
- Đối với nội dung video, kỹ năng xử lý tệp theo từng khung hình để đảm bảo bao quát toàn bộ cảnh trong giới hạn kích thước.
- Mô hình GLM-4.6V phân tích đầu vào thị giác dựa trên các tham số được chỉ định như temperature và max tokens.
- Kỹ năng trả về kết quả phân tích dưới dạng mô tả ngôn ngữ tự nhiên hoặc đối tượng JSON có cấu trúc để sử dụng trong chương trình.
Cài đặt zai-vision
Để bắt đầu với kỹ năng thị giác này, hãy cài đặt SDK và cấu hình môi trường của bạn:
pip install zai-sdk
export ZAI_API_KEY='your-api-key'
Sau đó, bạn có thể chạy phân tích trực tiếp từ CLI:
python3 /root/clawd/zai-vision/scripts/vision_analyze.py screenshot.png "Describe this UI"
Lược đồ dữ liệu & Hệ thống phân loại của zai-vision
Kỹ năng xử lý các đầu vào thị giác và tạo ra các đầu ra mô tả. Nó hỗ trợ lược đồ tham số sau để kiểm soát tinh chỉnh:
| Parameter | Type | Default | Description |
|---|---|---|---|
--model |
String | glm-4.6v | Mô hình thị giác được sử dụng để suy luận |
--max-tokens |
Integer | 2000 | Độ dài phản hồi tối đa |
--temperature |
Float | 0.5 | Kiểm soát tính ngẫu nhiên (0.0 cho thực tế) |
--json |
Boolean | false | Trả về đầu ra JSON có cấu trúc |
Tính năng Nâng cao của zai-vision
- Hỗ trợ tích hợp clawd-run cung cấp sao lưu tự động và bảo vệ quá thời gian.
- Khả năng xử lý hàng loạt để phân tích toàn bộ thư mục hình ảnh trong một vòng lặp duy nhất.
- Chế độ đầu ra JSON có cấu trúc để tích hợp trực tiếp vào các đường ống dữ liệu và các Openclaw Skills khác.
- Xử lý video từng khung hình được tối ưu hóa cho các bản demo và clip kỹ thuật dạng ngắn.
- Cấu hình cài đặt suy luận để cân bằng giữa độ chính xác thực tế và mô tả sáng tạo.
SKILL.md
Đang tải
Các kỹ năng Openclaw liên quan
Quy trình lập trình AI VibeCoding
Một khung lập trình AI hiệu suất cao, được tiêu chuẩn hóa do Google phát triển để chuyển đổi các yêu cầu thành mã nguồn đã được xác thực thông qua vòng đời nhiều bước nghiêm ngặt.
API Nhận xét Sản phẩm JD.com
Lấy các bài đánh giá và xếp hạng sản phẩm trên JD.com để nghiên cứu thị trường và phân tích cảm xúc bằng cách tích hợp Openclaw Skills này.
Kuaishou User Profile API
Một công cụ chuyên dụng để lấy hồ sơ người dùng Kuaishou chi tiết, chỉ số khán giả và siêu dữ liệu tài khoản thông qua JustOneAPI.
PyPI Package Changelog Generator
Một trình phân tích tự động tạo ra bằng chứng có cấu trúc về các thay đổi giữa các phiên bản gói PyPI để đơn giản hóa việc đánh giá rủi ro nâng cấp.
aiXplain Agent Builder
Một kỹ năng chuyên dụng để lập kế hoạch và triển khai các agent aiXplain với các cổng an toàn tích hợp và khám phá ở chế độ chỉ đọc.
LocalsBnb Lukeyun MCP
Một tích hợp MCP server mạnh mẽ cho phép các đại lý AI quản lý tình trạng phòng trống, giá cả và đơn hàng của khách sạn thông qua API chính thức của LocalsBnb (Lukeyun).
Đặc sắc*
