moonshot skills

使用 () 大模型进行图像分析、OCR提取、文案创作和多模态对话的智能工具

Security Scan

The package claims to be a Moonshot multimodal image/OCR/copywriting tool but contains many placeholder/missing names, blank environment variable keys, and inconsistent endpoints — it appears nonfunctional and incoherent and should be audited before use.

Purpose & Capability

The skill's stated purpose (image analysis, OCR, copywriting, multimodal chat) is coherent with the included client and CLI code. However many important identifiers are missing or left as placeholders (blank model names, blank env var names, class/function names replaced by empty identifiers). The README/SKILL.md refer to a 'platform' or 'moonshot' API, but config and code use incomplete URLs like "https://api." or "https://platform./". This mismatch makes the claimed capability inconsistent with the actual runnable code.

Instruction Scope

SKILL.md instructs obtaining an API key and saving it to an environment variable, but the env var name is blank throughout the docs and code (os.getenv("") patterns). The runtime instructions and examples assume a working remote API and an API key; they do not request unrelated system data, but the missing config placeholders give the agent broad discretion (it will try to read environment variables, .env files, and send base64-encoded image data to whatever base_url is configured). The instructions are thus incomplete and grant implicit network access without a clear, correct endpoint.

Install Mechanism

There is no formal install spec in the registry (instruction-only), but the repository includes Python source and a requirements.txt. Dependencies are normal for this kind of tool (requests, pillow, python-dotenv, etc.). No downloads from arbitrary URLs or extract/install steps are present. The lack of an install manifest is a usability issue but not itself high risk.

Credentials

Registry metadata lists no required environment variables, yet the code clearly expects an API key from environment (via os.getenv with empty key) and supports BASE_URL and other env vars in docs. The env var names are blank everywhere (README, .env examples, client.py), so required secrets are unspecified and not declared. This mismatch is a red flag: the skill will attempt to use credentials but provides no clear, safe way to configure them and may be misconfigured to send sensitive data to an unintended endpoint if the base_url is changed.

Persistence & Privilege

The skill does not request persistent elevated privileges. always is false and autonomous invocation is allowed by default (expected). The code creates local output directories and writes files only for normal CLI operations; it does not modify other skills or system-wide agent configs. There is no evidence of hidden persistent services.

What to consider before installing

This package shows many placeholder values (blank env var names, incomplete URLs like "https://api.", missing class/enum identifiers) which make it nonfunctional and potentially dangerous if you try to configure it incorrectly. Before installing or using it: 1) Do not paste any real API keys into the provided .env until the developer clarifies the exact environment variable names and the official endpoint. 2) Verify and correct the base_url to a legitimate, documented API host (compare links in SKILL.md vs. config.json). 3) Inspect all code paths that send image data (client._make_request) and confirm they POST to the official service and not to any personal or malformed endpoint. 4) Run static checks (flake8/mypy) to surface truncated/malformed identifiers and ensure code compiles; treat many blank identifiers as a sign the source was redacted or corrupted. 5) Prefer running this in a sandbox/container and monitor outbound network requests to confirm the destination before using with sensitive images. If you cannot get a clear, consistent set of configuration names and a verified official API endpoint from the maintainer, avoid using the skill. Additional information that would raise confidence: corrected env var names, valid base_url and documentation links, and a release from a known homepage or repository.

大模型工具

该 Skill 集成了 的 大模型，提供强大的多模态 AI 能力，包括图像理解、OCR 文字提取、智能文案创作等功能。

功能特性

• 图像分析与理解：深度理解图片内容、场景、物体和情感
• OCR 文字提取：从图片中精准提取文字、表格、文档内容
• 文案创作：根据图片或需求生成营销文案、描述文本、社交媒体内容
• 多模态对话：支持图像和文本的交互式智能对话
• 文档解析：解析复杂文档、图表、截图等内容
• 智能问答：基于图片内容的智能问答系统

触发词

当用户提到以下内容时，应触发此 Skill：

• "使用 分析图片"
• "用 分析"
• "文案创作"
• "图像理解"
• "提取图片文字"
• "分析照片内容"
• "生成营销文案"
• "多模态对话"
• "OCR 识别"

API 配置

获取 API Key

1. 访问 官网
2. 创建账户并登录
3. 在控制台中生成 API Key
4. 将 API Key 保存到环境变量：``

认证方式

所有 API 请求需要在 Authorization header 中包含 API Key：

Authorization: Bearer YOUR_API_KEY

可用模型

• ****: 基础模型，8K 上下文
• ****: 扩展模型，32K 上下文
• ****: 大上下文模型，128K 上下文（推荐用于长文档处理）

核心功能

1. 图像分析

分析图片内容，识别物体、场景、情感等。

功能特点：

• 精准��别图片中的物体和场景
• 理解图片的情感和氛围
• 提供详细的内容描述
• 支持多张图片的批量分析

2. OCR 文字提取

从图片中提取文字、表格、文档内容。

功能特点：

• 高精度文字识别
• 支持中英文混合识别
• 保留文档结构和格式
• 表格数据提取和结构化

3. 文案创作

根据图片或需求生成各类文案。

功能特点：

• 产品描述文案
• 营销广告文案
• 社交媒体内容
• 品牌故事创作

4. 多模态对话

支持图像和文本的交互式对话。

功能特点：

• 多轮对话上下文理解
• 图像+文本混合输入
• 智能问答和建议
• 个性化对话风格

使用示例

示例 1: 分析产品图片

from

client = (api_key="your_api_key")

# 分析产品图片
result = client.analyze_image(
    image_path="product.jpg",
    prompt="详细分析这张产品图片，包括产品特点、适用场景、目标用户群体等"
)
print(result)

示例 2: OCR 提取文档

# 提取文档文字
result = client.extract_text(
    image_path="document.png",
    output_format="structured"  # 可选: "text", "structured", "json"
)
print(result)

示例 3: 生成营销文案

# 根据产品图片生成文案
copywriting = client.generate_copywriting(
    image_path="product.jpg",
    style="inspiring",  # 可选: "professional", "casual", "creative", "inspiring"
    platform="wechat"   # 可选: "wechat", "weibo", "xiaohongshu", "douyin"
)
print(copywriting)

示例 4: 多轮对话

# 开始多模态对话
conversation = client.create_conversation()

# 第一轮：发送图片
response1 = conversation.chat(
    message="请分析这张图片",
    image="screenshot.jpg"
)

# 第二轮：追问
response2 = conversation.chat(
    message="基于上面的分析，给出优化建议"
)

API 参数说明

图像分析参数

• image_path (string): 图片文件路径
• prompt (string): 分析提示词
• model (string, 可选): 使用的模型，默认 ""
• temperature (float, 可选): 创造性程度，0-1，默认 0.7
• max_tokens (int, 可选): 最大输出长度，默认 1024

OCR 参数

• image_path (string): 图片文件路径
• output_format (string, 可选): 输出格式，"text"/"structured"/"json"
• language (string, 可选): 语言设置，"auto"/"zh"/"en"

文案创作参数

• image_path (string): 图片文件路径（可选）
• prompt (string): 创作要求
• style (string): 文案风格
• platform (string): 目标平台
• length (string): 文案长度，"short"/"medium"/"long"

最佳实践

提示词编写

图像分析提示词：

"请详细分析这张图片，包括：
1. 主要内容和主题
2. 视觉元素和构图
3. 色彩搭配和风格
4. 情感氛围和传达的信息
5. 适用场景和目标受众"

OCR 提示词：

"请提取图片中的所有文字内容，并保持原有的结构和格式。
如果是表格，请用 Markdown 表格格式输出。"

文案创作提示词：

"根据这张产品图片，创作一段吸引人的营销文案。
要求：简洁有力，突出产品卖点，适合在微信朋友圈发布。
目标用户：25-35岁的都市白领。"

错误处理

• 检查 API Key 是否有效
• 验证图片文件格式和大小
• 处理网络超时和重试逻辑
• 监控 API 配额使用情况

性能优化

• 图片预处理：压缩和格式转换
• 批量请求合并处理
• 结果缓存机制
• 异步任务处理

定价信息

• 免费试用: 新用户赠送免费额度
• 按量付费: 根据实际使用量计费
• 套餐包: 多种套餐包可选
• 企业定制: 企业级解决方案

具体价格请参考官网：https://platform./pricing

支持与资源

• 官方文档: 文档
• API 参考: API Reference
• Python SDK: GitHub 仓库
• 技术支持: support@
• 开发者社区: 官方开发者论坛

常见问题

Q: 支持哪些图片格式？ A: 支持 PNG、JPG、JPEG、WEBP 等常见格式。建议使用 PNG 或 JPG 格式以获得最佳效果。

Q: 图片大小限制？ A: 单张图片建议不超过 10MB。对于高清图片，建议先进行压缩。

Q: OCR 识别准确率如何？ A: 在中文识别方面表现优秀，准确率可达 95% 以上。手写文字识别需要图片清晰度较高。

Q: 可以同时处理多张图片吗？ A: 支持多图输入，最多可同时处理 10 张图片。

Q: 文案创作支持哪些风格？ A: 支持多种风格：专业、轻松、创意、激励等，也可以自定义风格。

Q: 如何处理敏感内容？ A: 系统会自动过滤敏感内容，请确保输入内容符合法律法规和平台规范。

注意事项

⚠️ 安全提醒:

• 永远不要在客户端代码中暴露 API Key
• 使用环境变量或配置文件管理密钥
• 定期轮换 API Key
• 监控 API 使用情况

📋 使用限制:

• 遵守 服务条款
• 尊重知识产权和版权
• 不得用于非法用途
• 不得生成虚假或误导性内容

🔒 隐私保护:

• 图片内容不会被用于模型训练
• 传输过程采用加密
• 数据不会存储在服务器上

技术架构

┌─────────────────┐
│   用户界面      │
│  (CLI/SDK/API)  │
└────────┬────────┘
         │
┌────────▼────────┐
│  │
│   核心处理层    │
└────────┬────────┘
         │
┌────────▼────────┐
│  │
│   多模态模型    │
└─────────────────┘

更新日志

v1.0.0 (2025-03-25)

• 初始版本发布
• 支持图像分析、OCR、文案创作
• 交互式对话功能
• Python SDK 集成

贡献指南

欢迎提交问题和改进建议！

1. Fork 项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建 Pull Request

许可证

MIT License