前言¶
很多 Agent 的底座是纯文本 LLM，它看不到图片。遇到报错截图、架构图、扫描件或 UI 截图时，常见做法是先把图片转成文字描述，或者干脆绕过这类输入。Agnes 图片识别（@user_d550b199/ack26814）做的就是这件事：把图片交给 Agnes AI 的多模态模型解析，输出结构化 Markdown 文本，再喂给下游纯文本 Agent。
这是什么¶
一句话定位：一个把图片视觉内容转换为结构化 Markdown 的 Skill。
发布者为社区用户 user_d550b199，托管在 SkillHub，坐标 @user_d550b199/ack26814，分类 ai-agent，当前版本 1.0.1。它解决的核心问题是：纯文本 LLM Agent 缺少图片理解能力，而外接多模态模型通常需要自建调用链路、处理 Key 管理和网络问题。
核心功能¶
- 图片解析：通过 Agnes AI 多模态模型 agnes-2.5-flash 解析图片，将视觉内容转为结构化 Markdown 文本，该模型当前限免。
- 输入形式：支持本地图片、URL 图片，以及多图对比。
- 识别类型：支持 OCR 文字提取、图表解读、界面截图分析。
- 工具适配：面向 CLI、管道、自研 Python Agent 等使用方式提供接口（–stdin、–json、–quiet、系统提示词）。
- Key 管理：API Key 三级保护，可通过环境变量、配置文件或命令行传入。
- 站点策略：默认访问中国站 api.agnes-ai.cn，同时支持国际站，失败时自动回退。
- 依赖：零第三方依赖。
安装与启用¶
官方地址：https://api.skillhub.cn/user_d550b199/ack26814
SkillHub 页面：https://www.skillhub.cn/skills/user_d550b199/ack26814
从抓取的资料看，该 Skill 带有 requires_api_key=true 标签，使用前需要先准备好 Agnes AI 的 API Key，再按 SkillHub 页面的引导安装启用。需要说明：资料中未给出具体的安装命令或各编辑器的差异说明，安装前建议直接查看官方页面确认步骤，不要凭推测操作。
典型用法¶
资料中给出的能力描述是功能层面的，没有附带可复现的命令示例，因此这里只列出已核实的调用约束，具体参数以官方文档为准：
- 输入侧：本地图片文件、图片 URL，或多张图一起传入做对比。
- 输出侧：解析结果以结构化 Markdown 文本返回。
- 交互模式：支持从标准输入读图（–stdin）、以 JSON 输出（–json）、静默模式（–quiet），以及通过系统提示词定制识别行为。
- Key 传入：环境变量、配置文件、命令行三者选一即可。
适用场景与注意¶
适合谁：底座是纯文本 LLM、又需要处理截图、扫描件、图表或 UI 图片的 Agent 开发者；想在本地 CLI 或自研 Python Agent 里快速接入图片理解能力、且不想引入第三方依赖的人。
注意事项：
- 依赖限免模型 agnes-2.5-flash，限免结束后成本和可用性需自行确认。
- 默认走中国站 api.agnes-ai.cn，网络环境不同时回退国际站的延迟和成功率需要实测。
- SkillHub 页面显示安装量为 0、下载 1214，属于新发布、低采用量的社区 Skill，使用前建议先小样本验证识别质量。
- OCR、图表、界面截图三类识别的准确性没有公开基准数据，需按自己的图片类型实测。
结尾¶
Agnes 图片识别的价值在于一条轻量链路：图片进，结构化 Markdown 出，中间的多模态调用、Key 保护和站点回退都由 Skill 处理，适配 CLI、管道和自研 Agent。想试的话从官方地址入手，先拿几张真实业务图片验证效果再接入正式流程。
官方地址：https://api.skillhub.cn/user_d550b199/ack26814
