vlm-grounding
Skillby qijimrc
clawhub⭐ 06/10
基于GLM-4.7V的多模态视觉定位工具,可精准检测和定位图像中的对象与文本,支持中文场景优化,适用于电商、文档、安防等领域。
📊 商业分析
商业模式
freemium
独特价值
专注中文场景的视觉定位,支持中文文本检测与对象关联,响应速度快
竞品
Google Vision API(功能全面但成本高),OpenAI Vision(通用但无专项优化),阿里云视觉智能(国内友好但定价复杂)
🎯 应用场景
目标用户
电商平台文档处理企业安防监控公司教育科技公司
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 6/10
- 子分类
- 多模态视觉理解与对象检测
- 可商业化
- ✅ 是
AI 标签
多模态AI视觉定位对象检测文本识别GLM模型
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