把「图片替代文本」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（图片与上下文），按什么顺序处理，交付什么（alt 文本），哪些事不能做。Skill 就是把这些写下来的载体。

一句话说明

「图片替代文本」技能让智能体为文章图片撰写替代文本。你提供图片与上下文，它按固定步骤处理，交付alt 文本。

项目说明
技能图片替代文本（image-alt-text）
作用为文章图片撰写替代文本
输入图片与上下文
输出alt 文本
形态纯提示词
风险低
适用人群内容与增长人员

它解决什么问题

没有技能时，内容与增长人员每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

  • 每次都按同样的顺序执行：描述图片内容→结合上下文→控制长度→避免堆砌关键词
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「不承诺排名，不堆砌关键词，以读者价值为先」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理图片与上下文、希望结果格式统一、愿意花十分钟把流程写清楚的内容与增长人员。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

  • Dify 工作流：Dify 是开源的大模型应用开发平台
  • 文心智能体平台：文心智能体平台是百度推出的智能体创建与分发平台
  • 飞书 aily：飞书 aily 是飞书推出的企业级智能伙伴开发平台
  • Claude Code Skill：Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。

想了解提示词层面的基础用法，可以先读站内的智能体技能与插件入门。

准备一份好范例

在技能的参考资料里放一份你认可的alt 文本范例，往往比多写十条规则更有效。好范例应当：

  • 来自真实工作，但已去除个人信息和敏感数据
  • 体现团队习惯的结构、措辞和详略程度
  • 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
  • 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

每一步要产出什么

把每一步的中间产出写清楚，智能体就不容易跳步，人也方便定位问题：

  1. 描述图片内容：产出一段简短的中间结果，并注明依据来自图片与上下文的哪一部分
  2. 结合上下文：产出一段简短的中间结果，并注明依据来自图片与上下文的哪一部分
  3. 控制长度：产出一段简短的中间结果，并注明依据来自图片与上下文的哪一部分
  4. 避免堆砌关键词：产出一段简短的中间结果，并注明依据来自图片与上下文的哪一部分

最后一步之后，再把这些中间结果汇总成alt 文本。中间结果可以折叠或省略展示，但在技能指令中要求智能体“先完成再汇总”，能明显减少遗漏。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。