qinghu-ai-detector git:20261012.a7bf4ceA

Immutable. This exact content never changes and is served at /api/v1/blob/97eeeccdb2db8cb8.

---
name: qinghu-ai-detector
description: 青虎AI AI生成内容检测：对文案、文章、商品描述等文本检测 AI 生成占比与分段明细，对商品图、海报、模特图等图片检测 AI 生成置信度，给出综合判定，并按需给出降低 AI 痕迹的建议。当用户要检测文本或图片是不是 AI 生成、查 AI 率、判断素材真伪、发布前自查 AI 痕迹、核验供应商或达人交付的素材时必须触发。关键词：青虎AI、AI检测、AIGC检测、AI率、AI生成文本检测、AI生成图片检测、真伪判定、降AI、AI味、内容审核。
user-invocable: true
metadata: {"openclaw":{"emoji":"🕵️"}}
---

# AI检测专家 | 青虎AI

对文字和图片做 **AI 生成内容识别**：文本给出 AI 占比与分段明细，图片给出 AI 生成置信度，最后汇总成一份看得懂的判定。

检测结果是**概率判断，不是鉴定结论**——任何检测模型都会误判，结论里要讲清这一点，不要把置信度说成「确定是 AI 写的 / 画的」。

## 何时触发

- 「这段文案是不是 AI 写的」「帮我测一下 AI 率」
- 「这张图是不是 AI 生成的」「这批商品图有没有 AI 痕迹」
- 「发布前帮我自查一下 AI 味」
- 「供应商给的图、达人交的稿是不是 AI 做的」

## 数据接口

本技能的数据全部来自**青虎数据接口**——一个普通的 HTTP 端点，用任何能发请求的方式调用即可（`curl`、`fetch`、`requests` 都行）。
如果当前环境已经把这些工具做成了可直接调用的工具，那就直接调，不必自己拼请求。

| 项 | 值 |
| --- | --- |
| 地址 | `POST https://www.iqinghu.com/api/desktop/qh/mcp` |
| 必需请求头 | `Authorization: Bearer <青虎密钥>`、`Content-Type: application/json` |
| 密钥来源 | 向用户索取，或读环境变量 `QINGHU_TOKEN` / `QHKIT_TOKEN`；用户先打开 https://www.iqinghu.com/workbench/login?type=1&urlCode=1788417527636 注册/登录，再到 https://www.iqinghu.com/workbench/dashboard/api-keys 生成 |

**HTTP 401 + 空响应体不一定是密钥的问题，按这个顺序排查**：
① **先原样重试一次**——2026-08-18 实测过同一把有效密钥间歇性返回 401 空体、隔一会儿再请求就正常，别一遇到 401 就下结论；
② 检查请求头是不是 `Authorization: Bearer <密钥>`（少了 `Bearer ` 前缀、或改用 `X-Api-Key` / `api-key` 一律 401）；
③ 持续 401 时，拿**同一个密钥**请求 `GET https://www.iqinghu.com/api/desktop/qh/workflow/page?pageNum=1&pageSize=5`（同一套鉴权）：
返回 200 说明密钥有效，问题在这个端点的账号权限——此时**不要再向用户索要密钥**，请他到青虎工作台开通数据接口权限。
返回一律是纯 JSON，不需要 `Accept: text/event-stream`。

### 1) 查工具入参

第一次用某个工具、或拿不准参数时先查一次，**不要猜参数**：

```json
{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}
```

`result.tools[]` 每项含 `name`（调用时用的名字）、`title`（中文名）、`description`、`inputSchema`（必填项与类型）、`outputSchema`、`free`（是否免费）。

### 2) 发起调用

工具名照 `tools/list` 返回的 `name` 原样填：

```json
{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"hot_douyin_rank","arguments":{}}}
```

### 3) 取业务数据：要解两层

**业务数据是被 JSON 字符串化塞在 `content[0].text` 里的**，直接读 `content` 拿不到值：

```json
{"jsonrpc":"2.0","id":2,"result":{
  "isError": false,
  "pointCost": 2000,
  "content": [{"type":"text","text":"{\"code\":200,\"data\":{...},\"success\":true}"}]
}}
```

**必须对 `content[0].text` 再做一次 JSON 解析**，才拿得到里面的 `data`。

### 4) 判断成没成功：三层都要看

**HTTP 状态码永远是 200，`isError` 也可能骗人**，按顺序检查：

| 检查 | 含义 |
| --- | --- |
| 顶层有 `error` 对象（此时没有 `result`） | 协议层失败，如工具名写错会返回「工具不存在: xxx」 |
| `result.isError` 为 `true` | 调用出错 |
| 解析内层后 `code == 200` 且 `success == true` | **只有这样才算真成功** |

实测缺必填参数时返回的是 `isError: false` 但内层 `code:500`、`success:false`——**光看 `isError` 或 HTTP 200 会把失败当成功**。
参数出错时的提示只有一句「API调用成功判断失败」，既不说缺哪个参数也不说哪个值非法，所以**调用前对着 `inputSchema` 的 `required` 自查**，不要靠试错。

调用失败时 `pointCost` 为 0，不扣费。

拿不到数据就停下来说明卡在哪（缺密钥 / 工具名不存在 / 参数不对），**不要用名字相似的工具替代**，也不要改用浏览器抓网页——
商品、货源、榜单、达人、关键词、市场数据类需求一律优先走这些接口。

下表是本技能要用的工具，写的是 `name` 原值；表里只补 `inputSchema` 里看不出来的取值来源与前置步骤。

| 工具 | 中文名 | 用在哪一步 |
| --- | --- | --- |
| `text_moderation` | AI生成文本检测 | 文本：整体 AI 置信度、疑似 AI 占比、各类型占比与分段明细 |
| `image_moderation` | AI生成图片检测 | 图片：AI 生成置信度（0–1，越接近 1 越可能是 AI 生成） |

> `text_moderation`：`text` 必填；`is_merge` 默认 `false`，保留分段明细，方便定位哪几段像 AI。返回里 `labels_ratio` 的类型编号 `0`=人工、`1`=AI、`2`=疑似 AI。
> `image_moderation`：`imageUrl`（公网可访问）与 `imageBase64` 二选一。图片要求**大于 300×300 像素、不超过 10MB、格式为 jpg / png / webp**，不满足就先告诉用户，不要硬调。用户给的是本地文件时，读成 Base64 传 `imageBase64`。
> 文本和图片是两个独立的付费工具：一条内容同时有图有文时，分别检测、分别计费，**每张图、每段文本各算一次调用**。

## 工作流程

### 1) 分拣内容

- 文本（文案、文章、商品描述、评论）→ `text_moderation`；
- 图片（商品图、海报、模特图、头像）→ `image_moderation`；
- Word / PDF 等文档 → 先提取正文，再按文本检测；
- 视频、音频 → 不在支持范围。用户愿意的话可以截几帧按图片检测，但要说明**只代表这几帧**，不代表整条视频。

### 2) 文本检测

整段提交，保留分段明细，用分段结果定位「像 AI」的具体段落。
超长文本（整本手册、几十篇文章）先问用户要检测哪部分，或按章节分段检测——**分几段就是几次付费调用**，开工前把次数说清楚。

### 3) 图片检测

逐张检测。图片多于本轮调用上限时，先挑用户最关心的几张，其余征得同意后下一轮继续。

### 4) 综合判定

每条内容报原始数值（文本报 AI 占比与置信度，图片报置信度），再配一句定性表述（如「高度疑似 AI」「存疑」「倾向人工」）。
**不要自己定一条硬阈值来下「是 / 不是」的结论**；用户有明确标准时（例如平台或甲方要求 AI 率低于某个比例），按用户的标准对照。

### 5) 降 AI 痕迹建议（用户需要时）

- **文本**：针对被判为 AI / 疑似 AI 的段落给改写方向——补具体细节和真实经历、换成口语化表达、打破整齐的排比与对仗、删掉空泛的总结句。用户要的话可以直接改写，改完再测一次（**复测同样计费**，先说明）。
- **图片**：去 AI 感属于修图，转交 LinkPix「高清写实去AI感」技能。

## 输出

- **判定总览**：每条内容一行——类型、AI 置信度 / 占比、定性表述。
- **文本明细**：被判为 AI / 疑似 AI 的段落（引用段落开头定位）与各类型占比。
- **说明**：检测是概率判断，存在误判可能。
- **建议**（用户需要时）：降低 AI 痕迹的改写或修图方向。

## 数据交付

- **工具返回的记录数组 ≥ 10 条时默认导出表格文件**（装了 `qinghu-excel-export` 技能就用它），不管用户有没有提「表格 / 导出」。**不要**把大数据集铺成聊天里的 markdown 表格，也**不要**反问「需要我导出吗」——先导出、给链接才是正确姿势。
- 工具返回里出现「完整数据已缓存到本机文件: ...」时，后续筛选、导出一律用那个文件路径，**绝对不要逐行抄写数据**。
- 导出后的回复保持精简：交付链接 + 一句话说明 + 不超过 5 行关键预览。
- **结论先行**：先给判断和建议（能不能做、怎么做、风险在哪），再给支撑数据；不要把原始字段直接倒给用户。
- 数字要标口径：站点 / 账期 / 周期 / 样本量。跨站点或跨周期的数字不要混在一张表里比。

## 计费与授权

- **所有工具统一在发起调用前先经用户确认**，不必按 `free` 字段区分收费与否，按下面的规则征求授权。
- **不要轻信描述里的「免费」文案**——有的工具描述写着「免费」实际照样扣积分（1688 那几个就是）；没实测过 `pointCost` 就说「费用以实际扣费为准」，不要替工具打包票。
- **实扣多少看返回信封里的 `pointCost`**（在 `result` 层，与 `isError` 同级）。这个值**要换算**：`pointCost ÷ 10000 = 青虎积分`（实测 10000 = 1 积分，16000 = 1.6 积分）。
- **只认信封层的 `pointCost`，绝不去业务数据里翻积分字段**——工具返回的业务文本里常带 `charge_points` / `points_balance` 或「消耗 8 积分，剩余 1952 积分」之类的话，那是**上游数据源自己的积分体系**，和青虎积分不是一回事（实测同一条响应 `pointCost=16000`＝青虎 1.6 积分，而业务文本写「消耗 8 积分」）。照抄业务文本会把用户的账算错。
- 信封里没有 `pointCost` 时按 0 报，或直接说这次拿不到消耗数据，**不要拿业务文本里的数字顶替，也不要自己估算**。
- **事前预估同样只能报换算后的青虎积分，绝不报原始点数**——征求授权时给用户估费用，依据只能是本会话内同一工具实测到的 `pointCost` 换算值（`pointCost=20000` 要说「约 2 积分」；照抄原始数字说成「约 2 万积分」等于把账算错一万倍）。没实测过就写「费用以实际扣费为准」，不要编数字，也不要照抄工具描述里出现的任何点数。
- **消耗写在回复的最末尾，单独一行，格式固定**：

  ```
  本次共消耗 9.6 青虎积分
  ```

  数值是本轮**所有**付费调用的 `pointCost` 累加后 ÷ 10000（例：16000 + 96000 = 112000 → `本次共消耗 11.2 青虎积分`）。小数按实际写，不补零也不四舍五入到整数。
  这一行必须**另起一行、独占一行、放在正文全部结束之后**，前面空一行隔开。**不要把积分数字混写进正文段落**（写成「共返回 60 条笔记，实扣 96000 pointCost = 9.6 青虎积分」这种是错的）。
  本轮一次付费调用都没有时，不输出这一行。
- **本会话首次调用工具前**：一次性列清本次要用的**全部**工具，说明准备用它们做什么、会消耗青虎积分，征求**一次**同意，然后结束本轮。不要逐个询问把对话拖长。
- 用户明确同意后，这些工具在**本会话内持续有效**，不再重复询问；新会话需要重新征求。
- 用户拒绝、只授权其中一部分或答非所问时，**未获同意的工具一律不调用**。
- **同一轮回复内工具最多调 10 次**。达到上限就用已有数据作答，还需要更多数据时先说明还差什么、要再调几次，征得同意后下一轮继续。参数写错先想清楚正确参数再重试，不要连续试错——每次失败同样可能扣费。
- 同一个数据需求既有免费工具又有付费工具时，优先用免费的。

## 能力边界

- 只覆盖**文本与图片**；视频、音频不支持。
- 检测结果是概率判断，**不能作为版权、学术诚信或法律纠纷的鉴定依据**，结论里不要替用户下定论。
- 图片的修图、去 AI 感不在本技能内完成，转交 LinkPix 系列技能。

## 相关技能

同系列的其他「青虎AI」技能（按需转交，不要在本技能里硬做）：

- **AI生成文本检测 / AI生成图片检测**（单项技能）：只测一种内容时
- **LinkPix 系列技能**（如「高清写实去AI感」）：图片去 AI 感与重新出图