青湖 AI 图像检测

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install qinghu-ai-image-detect
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 qinghu-ai-image-detect。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

青湖 AI 图像检测使用 Qinghu Data 的 image_moderation 工具，评估图像是否可能由 AI 生成。结果包含 data.confidence，数值越接近 1，表示图像由 AI 生成的可能性越高。它为 Openclaw Skills 提供了一种专门回答 AI 图像检测问题的方式，无需在主机环境中单独配置 MCP 服务器。
提供可公开访问的图像 URL，或以 Base64 格式提供图像。该工具支持大于 300 × 300 像素且不超过 10 MB 的 JPG、PNG 和 WebP 图像。此技能专用于检测 AI 生成的图像；它不会进行文本与图像联合分析，也不会评估其他平台的检测政策。

应用场景

检查用户提供的图像是否可能由 AI 生成。
使用置信度分数调查图像中可能存在的 AI 痕迹。
判断平台是否可能将图像归类为 AI 生成内容。
分析通过公开 URL 提供的图像，或转换为 Base64 的本地文件。

工作原理

确认图像符合支持的格式、尺寸和大小要求。
选择一种输入方式：可公开访问的 imageUrl，或本地图像的 imageBase64。
在会话中首次调用付费工具之前，向用户说明该工具及预期的 Qinghu 点数，并征得同意。
使用 qhkit mcp describe 检查最新的工具输入 schema，并使用 qhkit mcp estimate 获取当前基础点数估算值。
使用符合所述 schema 的参数调用 image_moderation；不要原样提交示例占位 URL。
读取 JSON 响应，并清楚说明置信度分数越高，表示图像由 AI 生成的可能性越大。适用时，报告调用响应中的实际点数。

配置指南

安装 Node.js 18 或更高版本，然后安装 @iqinghu/qhkit 包。mcp 命令要求 qhkit 版本为 0.14.0 或更高。配置 Qinghu API 密钥，并在调用工具前验证设置。
npm i -g @iqinghu/qhkit
qhkit config set --token --env prod
qhkit config show
从 Qinghu 工作台获取 API 密钥。也可以配置 QHKIT_TOKEN 环境变量。如果默认 npm 注册表速度较慢或无法访问，请使用 --registry=https://registry.npmmirror.com 重试安装。升级现有安装：
npm i -g @iqinghu/qhkit@latest
首次调用工具前，检查当前输入要求和价格估算。将示例图像 URL 替换为用户的实际图像 URL；本地图像则使用 Base64。
qhkit mcp describe '{"names":["image_moderation"]}'
qhkit mcp estimate '{"names":["image_moderation"]}'
qhkit mcp call '{"name":"image_moderation","params":{"imageUrl":"
"}}'
对于复杂参数，或包含引号及非 ASCII 文本的值，请将请求 JSON 写入文件，然后调用 qhkit mcp call @params.json。使用前确认用户同意付费调用；估算值可能变化，因此请采用最新估算值，并参考调用返回的 credits 值。

数据架构

必须至少提供以下图像输入之一；技能文档将它们描述为替代选项：
字段 类型 要求
imageUrl String 可公开访问的图像 URL。图像必须大于 300 × 300 像素、不超过 10 MB，且格式为 JPG、PNG 或 WebP。
imageBase64 String Base64 编码的图像内容，用于替代 imageUrl，包括本地图像。
以 qhkit mcp describe 返回的最新 inputSchema 作为权威参数定义。
输出和文件
成功调用会返回单行 JSON 对象，其中包含 ok: true、stage: "done"、工具 name、credits 和 data。检测置信度以 0–1 的数值范围报告在 data.confidence 中。
错误会返回 ok: false、一个 stage 和一个 message。验证阶段错误表示本地验证失败，请求尚未发送；请根据返回的 schema 详细信息更正输入。
较大的工具结果可能包含 large: true、包含完整 JSON 的本地 file 路径，以及 records、fields 或 preview 等摘要元数据。要获取完整结果，请读取文件，不要根据预览推断结果。
对于常规图像检测结果，技能未指定单独的输出文件；主要结果是 CLI JSON 响应。

高级特性

qhkit mcp describe
检查最新工具 schema，而不是仅依赖参数快照。
qhkit mcp estimate
在付费调用前检查当前基础点数估算值。
同时支持远程图像 URL 和 Base64 编码的本地图像。
通过使用
qhkit mcp call @params.json
传入 JSON 文件，处理复杂或非 ASCII 请求参数。
对付费调用执行同意确认，通过返回的
credits
字段报告实际用量，并将每轮响应中的付费调用限制为 10 次，除非用户批准新一轮调用。
将范围限定为仅检测图像是否由 AI 生成；文本与图像联合分析应由相关的青湖 AI 检测技能处理。

name: qinghu-ai-image-detect description: "青虎AI AI生成图片检测：检测图片是否由 AI 生成，返回 AI 生成置信度（0–1，越接近 1 越可能是 AI 图）。当用户说「这张图是不是 AI 生成的」「检测图片 AI 痕迹」「平台会不会判定 AI 图」或提出同类需求时必须触发。关键词：青虎AI、qhkit、青虎数据、AI图检测、AIGC检测、AI识别、鉴别AI图、AI生成图片检测。" user-invocable: true
homepage: https://www.npmjs.com/package/@iqinghu/qhkit