qwen-vision
Skillby perchouli
clawhub⭐ 06/10
利用通义千问视觉API（阿里云灵积）分析图像和视频，支持图像理解、OCR及视觉推理。
基于阿里云通义千问视觉API，提供图像理解、OCR文字识别、视频分析和视觉推理能力的封装调用工具。
📊 商业分析
商业模式
free
独特价值
国内合规可用的视觉大模型接口，免翻墙直连阿里云
竞品
GPT-4o Vision（多模态更强、生态更全）、Google Gemini Vision（多语言优势）、Claude Vision（推理能力突出）——本Skill仅为Qwen API薄封装，无独立竞争力
🎯 应用场景
目标用户
国内AI应用开发者需要OCR和图像分析的企业用户无法访问海外API的中国团队
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 6/10
- 子分类
- 多模态视觉理解
- 可商业化
- ❌ 否
AI 标签
图像理解OCR识别视觉推理多模态AI阿里云通义
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6