GPT-4 Vision图像识别

GPT-4 Vision图像识别是ONE社区收录的AI SKILL插件，利用GPT-4 Vision能力进行图像分析、OCR识别和内容理解。截至2026年，ONE社区已收录77+款AI SKILL插件，提供一键安装与部署支持。

功能介绍

GPT-4 Vision图像识别

描述

利用GPT-4 Vision能力进行图像分析、OCR识别和内容理解。支持多种图像格式和实时处理。

功能特点

• 支持JPEG、PNG、GIF、WebP格式
• 支持URL和Base64编码的图像
• 实时文字识别（OCR）
• 图像内容描述和分析
• 缺陷检测和质量评估

使用说明

1. 上传或提供图像URL 2. 配置识别类型（OCR、描述、分析等） 3. 调用Vision API 4. 获取并处理识别结果

示例代码

import base64
import requests
image_path = "image.jpg"
with open(image_path, "rb") as image_file:
    image_data = base64.b64encode(image_file.read()).decode("utf-8")
headers = {"Content-Type": "application/json"}
payload = {
    "model": "gpt-4-vision-preview",
    "messages": [{
        "role": "user",
        "content": [{"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_data}"}}]
    }]
}
response = requests.post("https://api.openai.com/v1/chat/completions", json=payload, headers=headers)
print(response.json())

安装方式

npx clawhub@latest install gpt4-vision-recognition

安装完成后，在 OpenClaw 中搜索「GPT-4 Vision图像识别」即可启用。