Visual Summarization Skill | 视觉摘要智述技能智能分析中枢· 图片/视频智能分析 · 结构化报告 · 历史报告云端查询 技能概览 | Overview模块内容️ 技能名称视觉摘要智述技能 核心目标视觉摘要智述技能对传入的视频片段/图片内容进行AI分析生成一段通顺自然的场景描述内容️ 输入类型图片、视频、本地文件、网络 URL 输出能力结构化分析报告、识别/监测结果、建议与报告链接 场景码VISUAL_SUMMARYBased on advanced multimodal large models and video understanding technologies, this feature performs deep semanticanalysis and logical reasoning on input video clips or images. Utilizing computer vision algorithms, the systemprecisely identifies key visual elements—including subject objects, environmental backgrounds, action behaviors, andlighting atmosphere. It then combines this with Natural Language Generation (NLG) technology to transform abstractvisual information into smooth, logically coherent scene descriptions. Whether dealing with dynamic video events orstatic image moments, the system captures critical details and restores the on-site context with vivid language. Thisprovides intelligent text summarization services for scenarios such as video content understanding, accessibilityassistance, and media asset management.本功能基于先进的多模态大模型与视频理解技术能够对传入的视频片段或图片进行深度语义分析与逻辑推理。系统通过计算机视觉算法精准识别画面中的主体对象、环境背景、动作行为及光影氛围并结合自然语言生成技术将抽象的视觉信息转化为一段通顺自然、逻辑连贯的场景描述。无论是动态的视频事件还是静态的图像瞬间系统都能捕捉关键细节用生动的语言还原现场情境为视频内容理解、无障碍辅助、媒体资产管理等场景提供智能化的文本摘要服务 技能演示 | Skill Demo▶️ 点击查看技能使用介绍 任务目标 | Goals1. 技能用途对传入的视频片段或图片内容进行AI分析自动生成通顺自然的场景描述摘要2. ️ 能力范围序号具体能力1场景内容识别2物体识别3行为识别4文字提取5整合成一段流畅自然的中文描述3. ⚡ 触发条件触发类型触发规则✅ 默认触发默认触发当用户提供视频/图片需要生成内容描述/视觉摘要时默认触发本技能 明确分析意图当用户明确需要视频内容描述、图片内容摘要、视觉智述时提及视频摘要、内容描述、视觉摘要智述、视频转文字等关键词并且上传了视频/图片 历史报告查询当用户提及以下关键词时自动触发历史报告查询功能查看历史摘要报告、摘要报告清单、报告列表、查询历史摘要报告、显示所有摘要报告、视觉智述分析报告查询视觉摘要智述分析报告4. 自动行为自动行为执行要求 附件处理如果用户上传了附件或者视频/图片文件则自动保存为本地文件☁️ 历史报告查询如果用户触发历史报告查询关键词必须直接调用云端 API 查询不得从本地记忆或人工汇总中获取⚠️ 强制数据获取规则次高优先级橙色强约束历史报告清单只允许从云端接口读取不允许从本地记录、长期记忆或人工汇总中提取。必须执行python-mscripts.visual_summary_analysis--list类型要求✅ 必须使用python -m scripts.visual_summary_analysis --list调用 API 查询云端的历史报告数据 严格禁止从本地memory目录读取历史会话信息 严格禁止手动汇总本地记录中的报告 严格禁止从长期记忆中提取报告✅ 输出格式必须统一从云端接口获取最新完整数据然后以 Markdown 表格格式输出结果 前置准备 | Requirements依赖说明:scripts 脚本所需的依赖包及版本requests2.28.0 使用要求 | Usage Requirements要求项说明视频/图片内容清晰主要物体和场景完整可见视频片段长度建议不超过 5 分钟过长内容建议分段描述视频片段长度建议不超过 5 分钟过长内容建议分段描述主要场景主体不被大面积遮挡主要场景主体不被大面积遮挡 操作步骤 | Workflow 用户身份处理内部自动完成绿色安全原则用户身份参数由系统内部自动处理不得向用户展示、询问或要求输入任何身份标识。执行本技能分析或历史报告查询时脚本会自动完成身份初始化场景系统行为上游系统有内部身份参数由脚本静默接收并使用上游系统未提供内部身份参数脚本会自动复用本地缺省用户本地缺省用户不存在脚本会自动创建并在后续任务中复用对用户输出只展示分析进度、分析结果和报告链接不展示内部身份值 关键约束禁止/要求说明 不得询问身份不得提示用户输入用户名、手机号或任何内部身份参数 不得暴露身份值不得在回复、报告、示例、错误提示中暴露内部身份值 不得列为用户参数不得把内部身份参数列为用户需要理解或传入的参数✅ 自动关联报告历史报告查询同样由系统内部身份自动关联用户只需表达“查看历史报告/报告清单”等意图 标准流程 | Standard Flow步骤阶段执行动作1 准备视频/图片输入提供本地文件路径或网络 URL确保输入内容清晰、符合技能场景要求2 系统自动完成身份关联无需用户输入任何身份参数不在回复中展示内部身份值3⚙️ 执行视觉摘要智述分析调用-m scripts.visual_summary_analysis处理输入必须在技能根目录下运行脚本4 查看分析结果接收结构化分析报告查看识别/监测结果、风险提示、建议与报告链接⚙️ 脚本参数说明参数含义备注--input本地视频/图片文件路径适用于本地文件分析--url网络视频/图片 URL 地址API 服务自动下载API 服务自动下载网络资源--list显示历史视觉摘要智述分析报告列表清单可以输入起始日期参数过滤数据范围用于云端历史报告查询--api-urlAPI 服务地址可选使用默认值按需填写--detail输出详细程度basic/standard/json默认 json输出详细程度--output结果输出文件路径可选可选️ 资源索引 | Resource Index资源类型路径用途何时读取 必要脚本scripts/visual_summary_analysis.py调用 API、执行分析或查询历史报告执行分析或查询时使用 必要脚本scripts/config.py调用 API、执行分析或查询历史报告执行分析或查询时使用 领域参考references/api_doc.md了解 API 接口规范、字段说明和错误码仅在需要了解接口规范或错误码时读取⚠️ 注意事项 | Notes分类注意事项 文档读取仅在需要时读取参考文档保持上下文简洁 格式支持支持格式jpg/jpeg/png/mp4/avi/mov最大 10MB 脚本限制禁止临时生成脚本只能用技能本身的脚本 网络地址传入的网路地址参数不需要下载本地默认地址都是公网地址api 服务会自动下载 报告输出当显示历史分析报告清单的时候从接口返回 json 数据中提取字段 作为超链接地址且自动转化为如下 Markdown 报告输出表格输出示例 使用示例 | Examples# 分析本地视频片段python-mscripts.visual_summary_analysis--input/path/to/clip.mp4 分析本地图片 python-mscripts.visual_summary_analysis--input/path/to/image.jpg 分析网络视频 python-mscripts.visual_summary_analysis--urlhttps://example.com/clip.mp4 显示历史摘要报告/显示摘要报告清单列表/显示历史智述自动触发关键词查看历史摘要报告、历史报告、摘要报告清单等 python-mscripts.visual_summary_analysis--list# 输出精简报告python-mscripts.visual_summary_analysis--inputclip.mp4--detailbasic# 保存结果到文件python-mscripts.visual_summary_analysis--inputclip.mp4--outputresult.json我们提供定制化AI技能开发服务。如果您有特定的业务需求可以联系我们的商务团队我们会为您量身打造专属的AI解决方案。