xby-pic

在对话式 AI 工作流中处理图片，往往需要对接几十种格式各异的图像 API——认证方式、请求结构、返回字段互不兼容，逐一对接既费时又容易出错。xby-pic 将三十余种图像理解能力统一封装为 DeepSeek Harness 插件，开发者只需调用一个插件入口，即可在对话中直接完成从文字识别到复杂目标检测的全部任务，免去繁琐的胶水代码。

核心能力覆盖三个层次：第一层是结构化信息提取，包括通用与高精度 OCR、手写识别、车牌、身份证、护照、港澳通行证、银行卡、营业执照、驾驶证、行驶证等证件识别，均支持链接、base64 编码和本地文件路径三种输入方式；第二层是行业场景检测，涵盖火焰、手势、行人、车辆、电动自行车、安全帽、反光衣、香烟等安防与交通常见目标；第三层是通用视觉模型，提供 ImageNet 千类分类、COCO 80 类检测与实例分割、旋转目标检测、人体 17 关键点姿态估计，以及覆盖五万多类的万物识别，还有昆虫、植物、鸟类、菜品、宠物情绪等细粒度识别。

适合在 DSH 对话管线中需要批量处理图像的开发者、自动化工作流搭建者，以及希望在单一工具集中兼顾证件审核、安防监控和通用视觉分类的业务团队。所有能力通过小笨羊统一 API 驱动，一次配置密钥即可全局使用。