Linkfox Multimodal Recognize Image

This is a multimodal image recognition tool that takes a public image URL and returns AI-generated analysis of what's in the picture. You can ask it to do general descriptions, extract text (OCR), identify products, or answer specific questions about visual content by passing a natural language requirement parameter. It supports common formats like JPG, PNG, GIF, and WebP. The documentation is thorough, with clear examples for e-commerce use cases like analyzing Amazon product listings or A+ content. One limitation: it only accepts public URLs, so local images need to be uploaded first using their included Python script. The large response handling pattern they document is overkill for most use cases, but the core functionality is straightforward and well explained.

skills.sh installs: 1.2K
GitHub stars: 119
last updated: Aug 21, 2026

View on GitHub

Install

$ npx -y skills add linkfox-ai/linkfox-skills --skill linkfox-multimodal-recognize-image --agent claude-code

Installs into .claude/skills of the current project.

Files

图片识别与分析

适用范围

适用

根据图片及用户意图返回文本描述或分析。用户提供图片并询问视觉内容时使用，无需明确提到图片识别。

场景速查

用户表达	查询场景
这张图片里有什么	通用图片描述。
分析这张商品主图展示的卖点	商品视觉分析。
读出截图中的文字	OCR / 可见文字提取。
描述这张 A+ 页面图片传达的内容	电商内容与品牌表达分析。
这张截图显示了什么	截图解读。
列出照片中的物体和颜色	物体识别与特征描述。
产品与包装有哪些不同	同一图片内的细节比较。

接口清单

接口	端点	对应脚本	说明
图片识别	POST `/multimodal/recognizeImage`	`scripts/multimodal_recognize_image.py`	根据图片与用户意图返回文本分析。
获取上传预签名地址	POST `/oss/file/presignedPut`	`scripts/upload_image.py`	取得预签名地址后，将本地文件上传到 OSS 并输出公开地址。

前置条件

准备图片及要解决的问题。本地文件先通过上传脚本取得公开地址，再执行识别；已有公开图片可直接识别。格式、可访问性、上传有效期及 CLI 差异见 references/api.md。

图片分析流程

确认图片来源及用户希望了解的内容，区分通用描述、商品特征、文字提取、A+ 内容或细节比较。
本地文件先运行 scripts/upload_image.py 完成预签名与上传，再使用返回的公开地址；不能把本地路径直接交给识别服务。具体命令见 references/api.md。
按用户目标组织识别要求并调用识别脚本；通用描述可使用服务默认要求。先查看摘要，按需读取已保存的结果。
用易读的段落或列表展示实际返回的文本；发生错误时按接口参考解释原因并给出修正方向，后续调用遵守成本约束。

SKILL.md on GitHub