AI 模型与 LLM 精选AI Agent技能库
AI 模型与 LLM分类下的高质量技能
腾讯云 FaceID 人脸检测
一款专业级的人脸检测技能，利用腾讯云 IAI API 从图像中提取精确的人脸坐标、属性和质量指标。
MiniMax
一个用于编排 MiniMax 多模态 API 的专业集成技能，涵盖文本、语音、视频和音乐生成，并具备高级模型路由功能。
Ollama Vision Skill
一种本地视觉分析技能，使 AI 智能体能够在不依赖云端的情况下，使用 Ollama 模型执行 OCR 和图像描述。
GLM-4.6V Connector
智谱 AI GLM-4.6V 多模态模型的专业集成，支持先进的视觉理解和长文档分析。
Video Editing AI Gemini
一款基于云端的 AI 视频编辑器，使用 Gemini AI 和远程 GPU 渲染自动完成剪辑、转场和字幕制作。
计算机视觉专家
一位专注于利用 2026 年最先进模型进行实时检测、可提示分割和 3D 空间推理的高级视觉系统架构师。
火15漫画剧本与分镜生成器
一个专门的 AI 代理技能，可将单句主题转换为用于专业制作的全面、结构化 JSON 漫画剧本和分镜。
Minimax Vision Skill
一个基于 CLI 的技能，旨在赋能 AI Agent，使其能够利用 MiniMax 平台执行高级图像分析和视觉理解任务。
MMX: MiniMax 多模态 CLI
一个全面的多模态接口，可通过 MiniMax CLI 生成和分析文本、图像、视频、语音和音乐。
MiniMax MMX-CLI
一个全面的命令行界面，供 AI 智能体访问 MiniMax 的全套多模态功能，包括视频、音频和图像生成。
Volcengine AI
一款全面的多模态 AI 技能，提供字节跳动 Volcengine Ark 能力，用于生成和理解图像与视频。
Vision Analyzer
一款先进的视觉智能工具，利用 Kimi K2.5 多模态能力，通过 Ollama Cloud API 对图像进行描述和解读。
MiniMax 音乐生成
一个强大的 AI 技能，通过 MiniMax music-2.6 模型生成自定义器乐和人声歌曲。
AI 算命师
一款智能玄学助手，结合了中国传统八字分析、塔罗占卜与先进的 AI 可视化技术。
Oatda Vision Analysis
一个统一的接口，用于使用 GPT-4o、Claude 和 Gemini 等最先进的视觉模型进行图像分析和 OCR。
OneABC AI 模型访问
一个通用的 skill，用于通过 OneABC API 访问广泛的 AI 模型，包括聊天、图像、视频和音乐生成。
Aliyun Qwen VL
一个专业级多模态技能，使 AI 智能体能够使用阿里巴巴云 Qwen VL 模型分析图像、读取图表并执行结构化视觉数据提取。
阿里云通义千问 OCR
一种专为 AI 智能体设计的 OCR 技能，利用阿里云通义千问模型执行高精度文档解析、表格提取和多语言文本识别。
阿里云 QVQ 视觉推理
一种使用阿里云 QVQ 模型执行复杂视觉推理和多步问题求解的专业技能。
Step3-VL-10B 微调技能
一种在 GPU 集群上使用 LoRA 或全参数方法对 Step3-VL-10B 视觉语言模型进行微调的技术工作流。