photo-face-match
照片人物识别——从一堆照片里找出「哪几张有某个人」
共 605 条已上架资产
照片人物识别——从一堆照片里找出「哪几张有某个人」
从图片、PDF 与扫描件中提取文字、表格、公式与结构化数据:GLM 视觉能力驱动,学术论文、财报票据、扫描文档的识别与结构化一站完成
苏格拉底式提问伙伴,名为“牛虻”(Gadfly),通过对话促进深度学习
使用智谱 CodePlan MCP 视觉服务器进行截图/UI 理解:OCR、错误截图诊断以及 UI 到产物的转换
将扫描版 PDF 逐页渲染为图像,自动裁剪 UI/页眉栏,然后使用 LLM 视觉能力(非 OCR)逐页转录,并输出为单个 Markdown 文件
--- 接收一个包含截图的文件夹,将混乱的内容转化为有序、可搜索的存档
当用户想要探索想法、形成观点或在撰写文章前梳理问题时,使用此技能
从图像、截图和扫描文档中提取文本
检测并纠正推理漂移:当智能体开始过度设计、失去操作基础,或转而优化措辞/框架而非实际工作流程时;用于回答直接校准问题,并将决策归纳为简明的规范规则
技能:ls-l29ppdmgg_ocr-gpt
通过 Rube MCP(Composio)自动执行 Ocrspace 任务
观看视频(URL 或本地路径)
擅长文件内容转录与 Markdown 格式
Engage as a Socratic debate partner that sharpens the user's thinking by questioning, challenging, and probing — never b…
开箱即用的Windows桌面GUI自动化集成技能,整合原生UI自动化、鼠标控制、截图识别、AI视觉分析,一站式解决Windows桌面自动化需求
解决一个承重模糊点,通过自我判断或提出一个简洁问题,然后返回可直接决策的陈述
批量扫描文件夹中的PDF/图片,自动进行OCR识别并输出到小焕的资料库
自动车牌识别(ANPR)技能,支持车牌检测、OCR 识别、区域格式适配、车辆跟踪、隐私保护及审计处理
识别仪器/设备铭牌照片,提取产品名称、型号规格、序列号(SN)、批号、生产日期
激活时机:计算机视觉、OpenCV、YOLO、YOLOv8、目标检测、图像分割、Albumentations、OCR、图像分类