图片识别

1. 基本信息

工具名称	图片识别
工具编码	4F2df8.image_qa_stream
功能描述	对传入图片进行识别与理解，结合用户 query 生成回答
适用场景	图片识别、图片理解、图片问答等场景
返回方式	流式。工具执行期间，回答内容流式分片返回给Agent。

2. 请求参数

字段	类型	是否必填	含义	示例值
imageUrl	string	必填	图片URL，需要公网可访问	https://xxx.example.com/photo/xxx.jpg
query	string	必填	用户输入问题	请根据这张图片，用自然流畅的口语介绍这件文物。控制在 100 字以内。

3. 响应参数

文本流

4. 使用示例

一个基于拍照+图片识别工具实现的文物识别SKILL：

---
name: relic-recognition
description: 文物识别技能。通过 AI 眼镜拍照识别文物，给出文物名称、年代、材质、纹饰特征、历史文化背景及有趣故事等信息。当用户提到"拍照识别文物""这是什么文物""这是什么瓷器/青铜器/玉器""识别一下这件文物""帮我看看这是什么古董""这件文物是什么年代的"时使用。
---

# 文物识别

通过 AI 眼镜拍照获取文物图片，自动识别文物种类并给出年代、材质与历史文化信息。

## 工作流程

### 第一步：拍照获取文物图片

调用 ^^tQ8fCF.capture_photo^^

拍照成功后返回结构示例：

```json
{
  "url": "https://xxx.example.com/photo/xxx.jpg",
  "format": "jpeg",
  "mimeType": "image/jpeg",
  "requestId": "xxx",
  "resultType": "url"
}
```

其中 `url` 字段为图片的可访问地址；

### 第二步：识别文物

将上一步拍到的图片连同提问一起传入 ^^4F2df8.image_qa_stream^^，进行文物识别问答。

调用参数：

- imageUrl（必填）：取第一步 ^^tQ8fCF.capture_photo^^ 返回的 url
- query（必填）：文物识别专用提问，并结合用户原始诉求做适当优化。基础模板如下：

> 请根据这张图片，用自然流畅的口语介绍这件文物。说说它大概是什么、什么年代的、用什么材质做的、上面有什么纹饰或特征，再讲讲它背后的历史文化故事和有趣的地方。如果看不清或拿不准的地方就直说，不要瞎编。控制在 300 字以内。若图中不是文物或无法确定，请直接说明。

^^4F2df8.image_qa_stream^^ 会以流式方式直接返回文物识别结果。流式结果完成后直接上屏 + 播报，无需额外过渡话术，也不要再改写。

其中tQ8fCF.capture_photo是平台提供的眼镜拍照工具的唯一编码，文档：眼镜拍照

示例中 ^^{工具编码}^^ 是 SKILL 引用工具的内置语法，可在SKILL.md中通过@快速选取工具。

5. 限制

调用限额：每日用量有使用上限，用完额度后可钉钉群内联系客服调整限额。
图片来源：图片链接必须公网可访问。