AI 智能体技能、规则与提示词工具包

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求，变成一份完成的设计：发布动画、可点击的应用原型、可编辑的幻灯片、信息图，或一组小红书图片。可在多种智能体中使用。

upscaler

uwg · 工具包

收录来自 OpenModelDB 社区的一组图像放大模型，适合想在自己电脑上用 AI 放大低分辨率图片的人。

Pixel Art XL

nerijs · 工具包

一个用于 Stable Diffusion XL 的像素画风格附加模型，把文字提示词变成像素风图片，并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。

Qwen-Image-Layered

Qwen · 工具包

把一张图片拆成几个透明的 RGBA 图层，这样你可以重新上色、缩放、移动或替换其中一块，而不影响其他部分。适合有 CUDA 显卡的设计师和开发者。

Moss-Image-Edit LoRA for ComfyUI

PedroMarinhoDev · 工具包

根据文字指令编辑一张图片，或合成最多四张，使用适配 ComfyUI 的 Moss-Image-Edit LoRA。适合使用 MOSS-Image 模型的 ComfyUI 用户。

Licon MSR for LTX-2.5

LiconStudio · 工具包

给模型最多五张参考图，让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA，还可以为两位说话者添加音频参考。

VGGT-1B

facebook · 工具包

一次前向计算就能从一张、几张或上百张图片推断出场景的 3D 结构，包括相机参数和深度图。适合计算机视觉开发者和研究人员。

Ornith-1.5-9B-GGUF

AtomicChat · 工具包

Ornith 1.5 9B 的 GGUF 版本，这是一个能读图像和文字的模型，文件大小从 2.81 GB 到 17.9 GB，另有视觉投影文件。选一个适合你显存的文件，在本地运行。

Idol-ComfyUI

PedroMarinhoDev · 工具包

在 ComfyUI 里把一张物体图片变成完整的 3D 高斯点云，适合想用单张图片得到 3D 的美术人员和开发者。

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题，使用 Sentinel-2 的全部 12 个波段，为每个选项返回概率，不生成文字。这是 Qwen3.5-0.8B 的微调版本，适合地球观测研究者。

MOSS-Image-IDM-2-Steps

akhaliq · 工具包

用两步、不带引导的方式从文字生成图片，是 MOSS-Image-SFT 的一个小适配器，另有第二个适配器可做轻度图片编辑。适合在本地运行图像生成的人。

GLM-Image

zai-org · 工具包

根据文字和参考图片生成与编辑图像，图片里的文字渲染很准确，采用自回归加扩散的设计。适合需要在图片里写准确文字的创作者和开发者。

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点，论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

controlnet-openpose-sdxl-1.0

xinsir · 工具包

用人体姿势骨架图来控制 Stable Diffusion XL 图像中人物的姿势。适合想让人物按自己的设想站立或动作的画师和开发者。

MiMo-V2.6-Pro-MOPD

XiaomiMiMo · 工具包

用 1T 参数的混合专家模型处理文本、图像、视频和音频，并经过调教，在智能体工作中更少重复调用工具。适合能托管超大模型的团队。

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型，适合要把阿拉伯语手写内容数字化的人。

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段，最高 720P、每秒 24 帧，Diffusers 格式，适合单块消费级 GPU。

d3-turbo

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题，并为每个答案给出概率。适合构建路由或视觉检查的人。

d3-nano

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题，并为每个答案给出概率。适合做路由和分诊的工程师使用的 2B 决策模型。

d3-edge

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题，并为每个答案返回概率。适合做路由和分诊的工程师使用的小型决策模型。

Qwen3.6-27B-GGUF

unsloth · 工具包

在本地处理智能体编码和图文任务，是 Unsloth 提供的 Qwen3.6-27B 的 GGUF 文件，支持思考保留和长上下文。适合运行本地编码智能体的开发者。

gemma-3-27b-it-GGUF

unsloth · 工具包

用 Google 的 Gemma 3 27B 指令微调模型回答关于文本和图像的问题，提供 Unsloth 制作的 GGUF 文件，可在你自己的电脑上运行。支持 128K 词元上下文。

gemma-3-12b-it-GGUF

unsloth · 工具包

用 Google Gemma 3 12B 指令模型的 GGUF 文件回答问题、总结文本并读图，适合想在自己电脑上运行它的人。

Laya Vision

thaitea · 工具包

针对一张图像，以选项、是非概率或评分等级的形式一次性回答问题，还能根据屏幕像素玩简单的游戏，有 201M 参数。适合构建图像分诊的开发者。

Stable Diffusion v1-5

stable-diffusion-v1-5 · 工具包

这个 860M 参数的潜在扩散模型根据文字提示词生成图像，可用于 diffusers、ComfyUI 等工具。适合想用经典开源 Stable Diffusion 检查点的研究人员和开发者。

stable-diffusion-inpainting

stable-diffusion-v1-5 · 工具包

用带额外遮罩输入的 Stable Diffusion 根据文字生成写实图像，并填充图片中被遮罩的区域，可用于 diffusers 或 AUTOMATIC1111。适合设计师、编辑和开发者。

TripoSR

stabilityai · 工具包

一次前向计算就能从单张图片生成 3D 模型，由 Stability AI 和 Tripo AI 制作，适合想从图片快速得到 3D 的开发者、美术人员和研究人员。

MAGI-2 Preview

sand-ai · 工具包

大型音视频生成模型，可根据文字提示词，或提示词加一张静态图，生成带声音的 10 秒视频，并提升到 1080p。适合拥有八块 Hopper GPU 服务器的研究者。

Juggernaut XI v11

RunDiffusion · 工具包

RunDiffusion 推出的文生图模型，属于 Juggernaut SDXL 系列，擅长照片风格图像，手部、面部和提示词遵循都有改进。适合用 ComfyUI、Forge 等工具的图像创作者。

Qwen3.8-27B-NVFP4

RadixArk · 工具包

Qwen3.8-27B 的预量化 NVFP4 版本，能读取文字、图片和视频并用文字回答，通过 SGLang 在 NVIDIA Blackwell 显卡上提供服务。适合在该硬件上运行智能体、聊天机器人和 RAG 的开发者。

Qwen3.5-122B-A10B

Qwen · 工具包

这个模型同时读图像和文字并用文字回答，是总参数 122B、激活参数 10B 的混合专家模型。适合有大型 GPU 服务器、想用开源视觉语言模型做推理、编程和智能体的团队。

Qwen-Image-Bench

Qwen · 工具包

名为 Q-Judger 的评审模型，对照提示词给 AI 生成的图像打分，涵盖五组标准，并以 JSON 回复。适合测试文生图模型的人。

Qwen-Image-2512

Qwen · 工具包

根据英文或中文提示词生成图片，在人物真实感、自然细节和图中文字上比八月的 Qwen-Image 更好。适合使用 diffusers 的开发者和设计师。

Gender-Classifier-Mini

prithivMLmods · 工具包

用微调后的 SigLIP 2 图像模型把照片分成女性或男性两类。适合想要一个小型 Python 分类器来处理照片集的开发者和研究人员。

pplx-embed-v2-context-9b

perplexity-ai · 工具包

把文本、图像和文档页面转成用于搜索的向量，还能在嵌入每个分块时参考它所在的整篇文档。适合为长文档做检索的开发者。

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项，比如哪个团队应该处理一条请求，并给出每个选项的概率，适合构建分流和审核工作流的开发者。

pplx-decider-flash-gguf-v1.2

perplexity-ai · 工具包

根据你设定的选项给请求分类，支持文本和图像，使用小型决策模型的 Q8_0 GGUF 副本。适合能运行协议 v3 运行时的开发者。

PP-OCRv6_small_rec

PaddlePaddle · 工具包

能读出图片里的英文和中文文字，是 PaddleOCR 的 PP-OCRv6 系列里的小型模型。适合想在自己机器上用轻量 OCR 的开发者。

Primal VAE

ostris · 工具包

提供小型图像自编码器，把图片压成一两个潜变量通道，不需要缩放系数，再通过分块拼成 Flux 或 Stable Diffusion 的潜变量形状。适合搭建扩散模型的人。

RealVisXL V5.0 GGUF

off-grid-ai · 工具包

用 stable-diffusion.cpp 加上 RealVisXL V5.0 的 GGUF 副本，在你自己的电脑上根据文字生成图片。适合想在本地生成图片、并在更轻或更高质量的文件之间选择的人。

Juggernaut XL v9 GGUF

off-grid-ai · 工具包

用 stable-diffusion.cpp 加上 Juggernaut XL v9 的 GGUF 副本，在你自己的电脑上根据文字生成图片。适合想在本地生成图片、并在更轻或更高质量的文件之间选择的人。

DeepSeek-V4.1-Flash-NVFP4

nvidia · 工具包

读取文本和图像并输出文本，是 NVIDIA 制作的 DeepSeek-V4.1-Flash 的 NVFP4 精简版本。适合在 NVIDIA Blackwell GPU 上部署智能体、聊天机器人和检索系统的开发者。

NuExtract3

numind · 工具包

以文本或图像读取文档，按你要的字段填写 JSON 模板，或把页面转成 Markdown。这是一个 4B 模型，适合处理扫描件、表单和发票的团队。

AIRealNet-2

Modotte · 工具包

一个小型图像分类器，区分 AI 生成的图片和人类拍摄的照片，针对不同质量的社交媒体图片做了调整。适合筛查图片的审核员、研究者和事实核查人员。

Qwen3.6-35B-A3B-4bit

mlx-community · 工具包

Qwen3.6-35B-A3B 的 4-bit MLX 转换版，可在 Apple Silicon Mac 上回答文本和图片提示词。适合想用 mlx-vlm 在本地运行这个 Qwen 模型的人。

Leanstral 1.5 119B A6B

mistralai · 工具包

Mistral 为 Lean 4 证明助手推出的开源代码智能体模型。它能证明定理、修复 Lean 代码，支持文本和图像，可通过 Mistral API 或你自己的 vLLM 服务器运行。

TRELLIS-image-large

microsoft · 工具包

用微软的大型图像条件 TRELLIS 模型，从一张图片生成 3D 资产。适合想从图片获得 3D 内容的开发者、游戏美术和研究人员。

Phi-4-multimodal-instruct

microsoft · 工具包

紧凑的 56 亿参数模型，接收文字、图像和音频并用文字回复，上下文 128K token。适合想用一个小模型同时处理语音、视觉和文字的开发者。

Florence-2-large

microsoft · 工具包

把图片和一条简短的任务提示词配对，就能给图片写说明、找出物体、读出图中文字。适合用 transformers 在 Python 里跑视觉任务的开发者和研究人员。

Muse Glimmer 30B GGUF

meta-models · 工具包

一个 300 亿参数智能体模型的 GGUF 版本，供 llama.cpp 使用，附带可选的图像编码器和推测解码草稿模型。适合在 24 GB 显卡上本地运行模型的人。