核心用法
Skill Hub Gateway 是一个统一的异步执行网关，允许 AI Agent 调用多种计算机视觉和语音处理能力。核心工作流程分为执行和轮询两个阶段：
1. 执行阶段：通过 POST /skill/execute 提交任务，获取 run_id
2. 轮询阶段：通过 GET /skill/runs/:run_id 查询任务状态，直到进入终端状态（succeeded 或 failed）
认证方式：支持自动引导（通过 install_code 流程获取 api_key）或显式提供 API 密钥
支持的输入模式：
- 图像能力：
image_url（支持文件上传或直链URL） - 语音识别（ASR）：
audio_url - 文档转换：
file_url
主要能力清单
| 类别 | 能力ID |
|------|--------|
| 基础检测 | `human_detect`, `image_tagging`, `face-detect`, `person-detect`, `hand-detect` |
| 关键点与姿态 | `body-keypoints-2d`, `body-contour-63pt`, `face-keypoints-106pt`, `head-pose` |
| 人脸识别与属性 | `face-feature-classification`, `face-action-classification`, `face-emotion-recognition`, `face-physical-attributes`, `face-social-attributes` |
| 图像分割与抠图 | `person-instance-segmentation`, `concert-cutout`, `full-body-matting`, `head-matting`, `product-cutout` |
| NLP相关 | `embeddings`, `reranker`, `asr`, `tts_low_cost`, `markdown_convert` |
| 特殊识别 | `political-figure-recognition`, `designated-person-recognition`, `exhibit-image-recognition` |
---
显著优点
1. 统一接口设计
- 所有能力共享相同的执行/轮询模式，降低集成复杂度
- 自动版本检查协议（每日最多一次），支持热更新提醒
2. 多模态支持
- 图像、音频、文档统一处理，支持临时对象URL自动转换
- 覆盖CV全链路：检测 → 关键点 → 分割 → 抠图 → 属性分析
3. 开发者友好
- 提供完整的 Node.js 脚本工具链（
execute.mjs,poll.mjs,runtime-auth.mjs） - 包含 OpenAPI 规范与能力清单的JSON引用文件
- 中英双语文档
4. 灵活的认证机制
- 支持全自动引导流程（
install_code→bootstrap→api_key） - 允许显式覆盖，同时支持从工作区路径派生稳定默认值
---
潜在缺点与局限性
| 方面 | 说明 |
|------|------|
| **异步模型约束** | 必须实现轮询逻辑，不适合需要同步返回的低延迟场景 |
| **URL模式限制** | 必须使用直链URL（`Content-Type: image/*`），不支持网页URL或本地文件路径 |
| **终端状态设计** | 仅支持 `succeeded`/`failed` 两种终态，无内置重试或超时回调机制 |
| **版本检查依赖** | 版本检查失败静默继续，可能导致用户长期运行在过期版本 |
| **能力文档分散** | 具体能力的输入输出schema需查阅 `references/capabilities.json`，未在SKILL.md中详述 |
---
适合人群
- AI Agent开发者：需要标准化调用多厂商CV/NLP能力的中间层
- 低代码/自动化平台：需要统一封装异步AI工作流
- 企业集成团队：需要版本可控、带自动更新提醒的API网关
- 多模态应用构建者：快速组合图像检测、语音识别、文档转换能力
---
常规风险
1. API密钥安全
api_key通过引导流程获取后需安全存储，脚本参数传递存在命令历史泄露风险- 建议：优先使用环境变量或密钥管理服务，避免硬编码
2. 网络超时与幂等性
- 执行阶段网络中断可能导致任务状态未知，需客户端实现幂等重试
- 轮询频率未在文档中建议，高频轮询可能触发限流
3. 敏感能力合规风险
- 包含
political-figure-recognition、designated-person-recognition等敏感能力，使用前需确认合规性 face-emotion-recognition、face-social-attributes等涉及生物特征分析，存在隐私监管风险
4. 版本漂移
- "Remind me later" 选项按会话隔离，长会话场景下可能错过重要安全更新