vlm-image-helper
Skillby testlbin
clawhub⭐ 14/10
用于VLM和OCR工作流的视觉检查辅助工具。当智能体需要帮助视觉模型在重新分析前更清晰地查看图像时使用：可旋转歪斜图像、调整对比度/亮度、裁剪关键区域等。
为VLM和OCR工作流提供图像预处理辅助，自动旋转纠偏、增强图像清晰度，帮助视觉模型更准确地识别和分析图像内容。
📊 商业分析
商业模式
free
独特价值
在VLM分析前自动纠偏图像方向提升OCR识别准确率
竞品
1. LlamaIndex Vision Pipeline（功能更完整，支持多模态链路）；2. LangChain Vision Tools（生态更成熟，集成度高）；3. GPT-4V原生调用（无需额外处理层，直接支持旋转/OCR）
🎯 应用场景
目标用户
AI视觉应用开发者OCR流程工程师多模态Agent构建者
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 1
- 价值评分
- 4/10
- 子分类
- 视觉模型辅助处理
- 可商业化
- ❌ 否
AI 标签
视觉模型图像预处理OCR增强图像旋转纠正VLM工作流
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