glm-grounding
Skillby qijimrc
clawhub⭐ 06/10
利用GLM-4.7V多模态定位能力检测并定位图像中的物体或文本。当用户要求查找、定位、检测或ground特定目标时激活。
调用GLM-4.7V多模态grounding能力，对图像中的物体或文字进行精准检测定位，返回目标边界框坐标，适用于视觉搜索与自动标注场景。
📊 商业分析
商业模式
per_use
独特价值
基于GLM-4.7V原生视觉grounding，精准返回目标坐标框，国产模型合规可控
竞品
Google Cloud Vision API（生态更全但贵）、阿里云通义千问VL（国内生态强但定位精度一般）、GPT-4o视觉（综合能力强但grounding非专长）
🎯 应用场景
目标用户
电商运营与商品图审核人员工业质检与自动化开发者AI应用开发者与集成商
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 6/10
- 子分类
- 多模态视觉定位与目标检测
- 可商业化
- ✅ 是
AI 标签
视觉定位目标检测多模态AI图像理解OCR定位
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