使用多模态大模型理解图片内容，生成业务含义描述。支持多种模型：(1) MiniMax VLM (2) OpenAI GPT-4V (3) Claude Vision。用于理解截图、图表、文档照片等，生成精准的文字描述。
codeskills install minimax-image-understanding该技能详情正在完善中。
查看原文获取完整内容可配置的选项
| 参数 | 说明 | 默认值 |
|---|---|---|
4V | (3) Claude Vision。用于理解截图、图表、文档照片等，生成精准的文字描述。 | 无 |
基于分类和标签推荐
使用 Google Gemini OCR 从 PDF 中提取文本。适用于 PDF 文本提取、扫描文档 OCR 及图像型 PDF 处理。
通过OpenAI Images API生成多样化的创意插画，包括书籍插图、编辑艺术、儿童绘本、概念插画及艺术场景。适用于为故事、文章、演示或艺术项目创作视觉内容（如"绘制童话场景"、"创作科技编辑艺术"、"设计儿童绘本"、"生成故事概念图"）。
使用 Gemini 2.5 Flash、PaddleOCR（本地）或 RapidOCR（本地）识别 PDF 与图片文字。
将任意主题、长文、报告、纪要或说明文本稳定转换成中文视觉生图提示词， 然后调用 DashScope Qwen 图像模型直接出图。适用于“把这段内容做成信息图”、 “做成故事漫画长图”、“长文转图”、“生成中文生图 prompt”、“根据文档出图” 等场景；默认采用白色磁吸会议板手写风格，也支持切换到其他内置模板。