图片解析 Skill(image-inspector)

概述

解析图片的两条腿:

1. 看不到的信息 — 由脚本提取:精确尺寸、格式、EXIF 拍摄参数、GPS 坐标、主色值、动图帧数。
2. 看得到的内容 — 由你(Claude)用 Read 工具直接读图理解:画面内容、场景、对象、图表趋势、UI 结构。

脚本不做图像识别,它负责的是元数据与预处理。图片的语义理解一律由你直接读图完成。

何时使用

使用场景:

• 用户让你"看看这张图/这张图是什么/描述一下这张图"
• 需要图片的拍摄信息、地理位置、分辨率、主色
• 图片过大或是长截图,直接读取会因缩放丢失细节
• 分析图表、示意图、UI 截图、照片内容

不要用于:

• 图中文字提取为主的需求(截图提字、扫描件、表格识别)→ 用 image-ocr skill
• 非图片文件(PDF/Word/Excel)→ 用 document-reader skill
• 随手看一张普通图片(只问"这是什么",不需要 EXIF/主色)→ 直接用 Read 工具读图,见下方成本说明

成本:只问"这是什么"时,直接读图更省

加载本 SKILL.md 约需 1500 token,而 Read 一张图最多约 1600 token(最长边超 1568px 会被自动缩放,形成天花板)。加载 skill 的成本 ≈ 直接看一整张大图。

实测(362×270 logo):直接读图仅 130 token;本 skill 输出 166 token 加上加载成本共 1644 token,贵了 12 倍。

判断很简单 —— 看脚本能否提供读图拿不到的东西:

⚠️ --prep 建议不必盲从:脚本仅按宽高比与边长判定,未考虑绝对尺寸。小尺寸长条图(如 1125×192)虽触发提示,但直接读图无损且更省;信息密度高的截图压缩反而丢细节。

使用方式

步骤 1:先取元信息,拿到处理建议

python ~/.claude/skills/image-inspector/scripts/image_inspector.py 图片路径

输出里的 处理建议 一节会告诉你是否需要预处理。判定规则:

• 最长边 > 1568px,或文件 > 5MB → 需要压缩
• 宽高比超过 2.5:1(长截图)→ 需要切分
• 动图 → 只有首帧能被静态读取

步骤 2:按需预处理

尺寸正常的图片跳过这步,直接进入步骤 3。

# 压缩 / 切分,产出文件路径会打印出来
python ~/.claude/skills/image-inspector/scripts/image_inspector.py 图片路径 --prep

长图会切成 xxx_part01.jpg、xxx_part02.jpg……相邻片有 10% 重叠,避免正好切断一行内容。

步骤 3:用 Read 工具读图理解内容

对原图(或步骤 2 产出的文件)调用 Read 工具,图片会作为视觉输入呈现给你,然后据此回答用户。长图的多个分片要逐个 Read,再综合成一个完整回答。

这一步是必须的 —— 脚本永远不会告诉你图里画了什么。

选项

支持多个文件一次传入:image_inspector.py a.jpg b.png c.webp

输出示例

=== photo.jpg ===
路径: D:\pics\photo.jpg
格式: JPEG  模式: RGB  大小: 3.42MB
尺寸: 4032 x 3024 px  (12.19 MP, 宽高比 1.3333)
DPI: 72.0 x 72.0

-- 拍摄信息 --
  拍摄时间: 2026:03:15 14:22:08
  相机品牌: Apple
  相机型号: iPhone 15 Pro
  光圈: 1.78
  快门(秒): 0.001
  ISO: 64
  焦距(mm): 6.765

-- 地理位置 --
  纬度 31.230416, 经度 121.473701

-- 主色 --
  #8FA9C4  rgb(143, 169, 196)  占比 34.2%
  #3D4A52  rgb(61, 74, 82)  占比 21.7%

-- 处理建议 --
  ! 尺寸超过 1568px,建议先用 --prep 压缩后再读取

典型流程

用户:"这张图是什么?"

1. 跑脚本 → 看是否有处理建议
2. 有建议就 --prep,没有就跳过
3. Read 图片 → 描述内容
4. 若 EXIF 里有拍摄时间/地点等值得一提的信息,补充进回答

用户:"这照片什么时候在哪拍的?" 只跑脚本即可,拍摄信息 + 地理位置 就是答案,不需要 Read 图片。

用户:"分析这张长截图"

1. --prep 切分
2. 逐片 Read
3. 综合成一个连贯回答,不要按分片罗列

依赖

pip install pillow

已确认当前环境:Pillow 12.0.0 可用。

常见问题

手机照片方向是躺着的 --prep 会按 EXIF Orientation 自动摆正。直接 Read 原图则可能是旋转的。

GPS 字段为空 多数截图、微信传输、社交平台下载的图片会被抹除 EXIF,属正常现象。

主色和视觉感受不符 主色基于像素占比统计,大面积背景会占据高比例。视觉主体的颜色请直接读图判断。

动图只能看到第一帧 脚本会标注总帧数。需要看特定帧请说明,可另行拆帧。

文件位置

• 主脚本:~/.claude/skills/image-inspector/scripts/image_inspector.py
• 依赖清单:~/.claude/skills/image-inspector/requirements.txt