大模型视觉问答技能:在 Agent 里对图片做开放式 VQA
介绍 SkillHub 社区 Skill「Large Model Visual Question Answering Skill | 大模型视觉问答技能」(@user_bb47e3e3/visual-qa-analysis,v1.0.4)。说明其基于 CV 与 LLM 对本地或 URL 图片做开放式问答、通过 open-id 与可选 API 密钥调用云端服务,以及用 --list 查询历史记录。涵盖 skillhub 安装命令、Cursor/Claude Code/Codex 的 skills 目录、典型 python -m scripts.visual_qa_analysis 示例,并提醒 requires_api_key、禁止用本地 memory 替代云端历史等约束。
阅读全文