图像标题

数据 社区

技能解读

当前原文的自动摘译,尚未人工审校。

概述

分析图像文件(.png、.jpg、.jpeg、.gif、.webp、.bmp)、从中提取数据或理解图像文件。核心工作流程: 运行scripts/caption.py,获取图像的文本描述 将描述解析为结构化数据(DataFrame等) 分析、可视化或导出

scripts/caption.py — 图像标题

该脚本通过视觉模型将图像转换为文本描述。通过 SN_API_KEY 配置(至少需要),或使用 SN_VISION_API_KEY / SN_VISION_BASE_URL / SN_VISION_MODEL 进行细粒度控制。有关完整的后备链,请参阅项目环境变量规范。

选项

选项·描述--prompt, -p·自定义提示(覆盖自动检测)--model, -m·视觉模型(默认:sensenova-6.7-flash-lite)--json·输出结构化JSON而不是纯文本--batch·处理目录中的所有图像

它自动做什么

类型检测:从文件名(图表/表格/UI/图/一般)检测图像类型,并选择最佳提示压缩:发送前压缩>5MB或>2048px的图像缓存:相同图像+相同提示→即时缓存结果,无API成本错误处理:失败时重试,永久失败时返回错误消息

即时策略

不同的图像类型需要不同的提示。脚本会自动检测,但指定 --prompt 会提供更好的结果。图片类型·何时·推荐--提示数据图表·柱状图/折线图/饼图·"提取图表标题、坐标轴、每个数据点数值、图例。Markdown 表格输出。"表格截图·表格截图·"提取表格所有内容,Markdown 表格格式,保持行列结构,数值不四舍五入。"UI截图·界面截图·"以前端开发者视角描述:布局、组件、文字、颜色。"

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
数据
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@OpenSenseNova · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
需要 · Vendor-specific
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
  • 读取环境变量
网络行为
允许外网请求
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 sn-da-image-caption.preview
{
  "file": "/mnt/data/image.png",
  "type": "chart",
  "description": "这是一张柱状图...",
  "usage": {"prompt_tokens": 1100, "completion_tokens": 400},
  "cached": false
}

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。