企业官网建设流程全解析

各位读者好。钱币收藏圈一直有个老问题：一枚光绪元宝或者袁大头放到网上，不同人看边齿、看包浆、看字口，往往能得出完全相反的结论。人工鉴定依赖的是长期经验，经验又很难复制到系统里。大模型出现之后，这类“看图 + 知识推理”的任务有了新的落地方式，也就是把多模态识别和 Agent 工具编排结合起来，做一个 AI 钱币鉴定助手。

今天这篇文章从一个可运行的工程视角出发，完整拆解一个 AI 钱币鉴定 Agent 的实现过程。整体技术组合是：Claude Agent 负责任务规划、工具调用与最终报告生成，智谱 GLM 大模型负责钱币图片的多模态特征识别。通过这个项目，你可以掌握 Agent 工具调用循环的基本写法，也能学会如何把商用大模型 API 组合成真实可用的业务应用。

无论你是刚接触大模型应用开发，还是已经写过一些 API 调用脚本，这篇文章都会给你一套能直接照搬的思路和代码骨架。

1. 背景：为什么大模型可以参与钱币鉴定

1.1 钱币鉴定的本质是什么

钱币鉴定不是简单地看“花纹清不清楚”，而是一个典型的“视觉特征提取 + 领域知识推理”任务。

专业鉴定师拿到一枚钱币，通常会做这样几件事：

1. 看文字与图案的压制效果，也就是字口是否挺拔、图案是否立体。
2. 看边齿形态，机制币的边齿有直齿、橄榄齿、鹰洋齿等不同种类，仿品往往做不出自然磨损。
3. 看包浆的层次感，真币包浆是长期氧化形成的，层次自然；假币包浆常浮于表面。
4. 对比已知版别，不同省份、不同年份、不同造币厂生产的同一面值钱币，细节差别很大。
5. 综合判断历史痕迹，比如磕碰、划痕、流通磨损是否符合年代特征。

这些判断步骤如果写成代码，过去几乎不可能。因为 “自然磨损” 和 “假币做旧” 之间没有固定公式，传统图像处理只能提取边缘、颜色、纹理等低层特征，很难做语义级别的判断。而多模态大模型正好擅长把图像内容“翻译”成文本描述，并且具备一定的版别知识，可以作为辅助鉴定工具。

1.2 从单次问答到 Agent 协作

如果我们只是把一张钱币图片发给一个大模型，让它直接判断真伪，会遇到两个问题。

第一是“幻觉”问题。模型可能没看清图中文字，却给出非常笃定的结论。第二是“一次调用”能力有限，模型只能基于自己的内部知识回答，无法分步思考，也无法在回答过程中调用外部工具去补充信息。

Agent 的思想是：大模型不再只做“输入一句话、输出一句话”的问答机器，而是成为一个“规划者”。它可以拆解任务、决定下一步调用什么工具、读取工具返回结果，再决定是否需要继续行动，最后生成结论。

在 AI 钱币鉴定场景下，这个思路非常合适。Claude Agent 可以扮演鉴定专家的“大脑”，先规划需要观察哪些特征，然后调用一个“钱币图片识别工具”，这个工具内部交给智谱 GLM 视觉大模型去完成多模态识别。拿到识别结果后，Claude Agent 再结合钱币学知识输出完整报告。

1.3 为什么选择 Claude Agent + 智谱 GLM 的组合

选择这个组合，更多是出于职责分工的考虑：

• Claude Agent 在工具调用和复杂指令遵循方面表现得比较稳定，适合承担 Agent 的规划、循环控制、报告聚合任务。
• 智谱 GLM 是多模态大模型，国内可以直接通过开放平台 API 调用，延迟相对可控，适合承担图片识别任务。
• 把“视觉识别”和“推理规划”分开，还能灵活替换模型：如果某个视觉模型效果不好，只需要改一个工具函数，不需要动 Agent 主流程。

当然，这并不是唯一方案。你也可以用其他支持视觉的大模型替换智谱 GLM，用其他支持工具调用的模型替换 Claude。本文的重点是把整个架构和代码流程讲清楚，你按需替换即可。

2. 系统架构与核心流程

2.1 整体架构设计

AI 钱币鉴定 Agent 的整体架构可以拆成四层：

用户输入（钱币图片 + 鉴定问题） | v +-----------------------+ | Claude Agent 规划层 | | - 理解用户需求 | | - 解析要调用什么工具 | | - 汇总工具结果 | +-----------------------+ | v +-----------------------+ | 工具调度层 | | - tool_use 解析 | | - 工具循环执行 | +-----------------------+ | v +-----------------------+ | 智谱 GLM 视觉识别层 | | - 图片预处理 | | - 多模态特征提取 | | - 结构文本描述 | +-----------------------+ | v +-----------------------+ | 最终鉴定报告 | | - 基本信息 | | - 特征观察 | | - 存疑点 | | - 参考结论 | +-----------------------+

从用户视角来看，整个调用过程像一个黑盒，用户输入图片路径和问题，最终收到一份结构化鉴定报告。从开发者视角来看，核心要掌握三个点：Agent 工具注册、工具调用循环、多模态图片编码。

2.2 Agent 工具调用循环的 4 个步骤

目前主流大模型 Agent 的工具调用一般都遵循以下循环：

1. 将用户问题发送给模型，同时在请求中声明可用的工具列表。
2. 模型分析问题后返回一个或多个工具调用请求，而不是普通文本。
3. 开发者解析工具调用，在本地真正执行对应函数，拿到结果。
4. 把工具执行结果返回给模型，模型继续生成结论，或者发起下一次工具调用。

这个循环会一直进行，直到模型认为不再需要调用工具，直接返回最终答案。为了防止程序无限循环，我们要设置最大迭代次数。

2.3 为什么图片识别要单独做成工具

如果你用过视觉大模型，可能会觉得奇怪：Claude 本身也支持图片输入，为什么还要绕一圈，把图片交给智谱 GLM 识别？

这里的关键是分工和替换成本。

实际项目中，钱币图片可能来自用户上传、扫描件、拍卖网站截图等不同渠道，图片质量参差不齐。如果把这些图片直接全部交给 Claude，会占用大量多模态 token，而且一旦图片质量差，Claude 需要反复重试。

更好的方式是单独做一个“图片分析工具”，内部统一完成图片压缩、格式转换、Base64 编码，再调用智谱 GLM 视觉模型输出结构化描述。这样做的好处是：

• 图片预处理逻辑与 Agent 主流程解耦。
• 可以针对钱币场景定制更详细的识别 prompt。
• 后续想换成其他视觉模型时，不需要改 Agent 调度逻辑。

所以本文的代码里，Claude Agent 并不会直接“看见”图片，它只能看到一个工具返回的文字识别结果。这种设计看起来多了一层，其实是更工程化的做法。

3. 环境准备与 API 配置

3.1 基础环境说明

本文代码使用 Python 编写，需要准备以下环境：

• Python 3.10 或更高版本。
• 一个智谱开放平台账号，用于获取智谱 GLM API Key。
• 一个 Anthropic 账号，用于获取 Claude API Key。
• 本地命令行工具和任意 IDE，本文示例使用 VS Code。

版本需要根据你的项目实际情况调整，本文示例以常见环境为例，重点演示配置思路。如果你使用的是 Python 3.9 或更低版本，代码中的str | None类型注解需要改成Optional[str]。

3.2 创建项目目录与虚拟环境

首先创建一个项目目录，并进入目录：

mkdir ai-coin-appraiser cd ai-coin-appraiser

然后创建 Python 虚拟环境并激活：

python -m venv venv

Windows 下激活命令是：

venv\Scripts\activate

macOS 或 Linux 下激活命令是：

source venv/bin/activate

3.3 安装依赖

项目需要以下几个 Python 包：

anthropic zhipuai Pillow python-dotenv

将这些依赖写入requirements.txt：

anthropic>=0.40.0 zhipuai>=2.1.0 Pillow>=10.0.0 python-dotenv>=1.0.0

然后安装：

pip install -r requirements.txt

说明一下每个包的作用：

• anthropic：Claude API 官方 SDK，用于调用 Claude Agent。
• zhipuai：智谱开放平台 SDK，用于调用 GLM 视觉模型。
• Pillow：Python 图像处理库，用于压缩和转换钱币图片。
• python-dotenv：用于读取.env环境变量文件，避免把密钥写死在代码里。

3.4 配置 API Key

在项目根目录创建.env文件：

ZHIPU_API_KEY=你的智谱APIKey ANTHROPIC_API_KEY=你的ClaudeAPIKey

需要注意的是，API Key 属于敏感信息，不要把.env文件提交到 Git 仓库。建议同时在项目根目录创建.gitignore，加入以下内容：

venv/ .env __pycache__/ *.pyc tmp_coin.jpg

申请 API Key 的具体入口以对应开放平台控制台为准，申请后建议开启调用权限限制，只给需要调用的接口授权。

3.5 项目文件结构

整个项目结构如下：

ai-coin-appraiser/ ├── .env ├── .gitignore ├── requirements.txt ├── main.py ├── agent/ │ ├── __init__.py │ ├── claude_planner.py │ ├── glm_vision.py │ └── tools.py └── images/ └── sample_coin.jpg

agent包存放 Agent 相关模块，images目录存放待鉴定的钱币图片。本文后面的代码均以此项目结构为准。

4. 核心代码实现

4.1 实现智谱 GLM 视觉识别模块

首先创建agent/glm_vision.py，这个文件负责调用智谱 GLM 视觉模型，输入是一张图片的本地路径，输出是模型对图片内容的文本描述。

# 文件路径：agent/glm_vision.py import base64 import os from PIL import Image from zhipuai import ZhipuAI class GlmVision: """基于智谱 GLM 视觉模型的钱币图片识别器。""" def __init__(self, api_key: str | None = None): self.client = ZhipuAI( api_key=api_key or os.getenv("ZHIPU_API_KEY") ) def preprocess_image(self, image_path: str, max_size: int = 1024) -> str: """ 对图片进行缩放、格式转换，并返回 Base64 字符串。 之所以先压缩图片，是因为大模型视觉接口对图片尺寸和大小有限制， 过大的原图会导致请求失败或增加不必要的 token 消耗。 """ with Image.open(image_path) as img: img.thumbnail((max_size, max_size)) img = img.convert("RGB") tmp_path = "tmp_coin.jpg" img.save(tmp_path, "JPEG", quality=85) with open(tmp_path, "rb") as f: return base64.b64encode(f.read()).decode() def analyze_coin(self, image_path: str, prompt: str) -> str: """ 将图片和提示词一起发送给 GLM 视觉模型。 注意：model 参数中的模型名以开放平台控制台实际可用的名称为准， 不同版本或不同账号可能看到不同的模型列表。 """ image_base64 = self.preprocess_image(image_path) response = self.client.chat.completions.create( model="glm-4v-plus", messages=[ { "role": "user", "content": [ {"type": "text", "text": prompt}, { "type": "image_url", "image_url": { "url": f"data:image/jpeg;base64,{image_base64}" }, }, ], } ], temperature=0.2, ) return response.choices[0].message.content

这个类做的事情很清晰：

• preprocess_image把图片统一压到最长边不超过 1024 像素，并转成 JPEG 格式，最后编码成 Base64 字符串。
• analyze_coin把提示词和图片发送给视觉模型，temperature设置为 0.2，让输出更稳定保守，减少随机发挥。
• 返回模型生成的文本内容。

有一点要强调：视觉模型接口的具体请求格式会随着官方 SDK 升级而变化，这里的代码作为一个参考写法。如果你运行时发现模型名或消息格式报错，优先去开放平台文档或 SDK 源码里核对。

4.2 封装图片分析工具

为了让 Claude Agent 能够调用图片识别功能，我们需要把GlmVision封装成一个工具函数。

创建agent/tools.py：

# 文件路径：agent/tools.py from .glm_vision import GlmVision # 在模块级别初始化视觉识别器，避免每次调用都重新建立连接 vision = GlmVision() # 针对钱币鉴定场景的专用提示词 COIN_ANALYSIS_PROMPT = """ 你是钱币鉴定助手。请仔细观察图片中的钱币，从以下维度输出信息： 1. 钱币面额与币种：例如“光绪元宝库平七钱二分”或“中华民国三年壹圆”。 2. 钱币文字与图案内容：正反面文字、龙纹、嘉禾纹、人像等。 3. 材质与包浆特征：颜色、包浆分布、是否有人工作旧痕迹。 4. 铸造工艺特征：边齿形态、文字压力感、图案立体感。 5. 瑕疵或异常点：划痕、磕碰、修补痕迹、铸缺、沙眼等。 请严格基于图片中能看到的信息回答，不要编造细节。 如果你对某个特征不确定，请直接写“无法确定”。 """ def analyze_coin_image(image_path: str, question: str = "") -> str: """ 供 Claude Agent 调用的工具函数。 参数： image_path: 钱币图片的本地路径。 question: 用户希望重点观察的鉴定问题。 返回： 智谱 GLM 视觉模型对图片的文本描述。 """ prompt = COIN_ANALYSIS_PROMPT if question: prompt += f"\n用户重点关注的问题：{question}" return vision.analyze_coin(image_path, prompt)

把提示词单独拿出来，是因为钱币鉴定的观察维度其实很固定。你可以在不改变工具函数结构的情况下，随时调整提示词，比如增加“请说明边齿类型”之类的专业要求。

4.3 实现 Claude Agent 规划器

接下来是 Agent 的核心，也就是工具调用循环。

创建agent/claude_planner.py：

# 文件路径：agent/claude_planner.py import json import os from anthropic import Anthropic from .tools import analyze_coin_image class ClaudePlanner: """ 基于 Claude 的 Agent 规划器。 职责：理解用户问题 -> 决定是否调用图片分析工具 -> 把工具结果交给 Claude 汇总 -> 输出最终报告。 """ def __init__(self, api_key: str | None = None): self.client = Anthropic( api_key=api_key or os.getenv("ANTHROPIC_API_KEY") ) self.tools = [ { "name": "analyze_coin_image", "description": "使用智谱GLM视觉大模型分析一张钱币图片，返回钱币的文字图案、工艺特征、包浆特征和瑕疵描述。", "input_schema": { "type": "object", "properties": { "image_path": { "type": "string", "description": "钱币图片的本地路径", }, "question": { "type": "string", "description": "用户希望重点鉴定的问题", }, }, "required": ["image_path"], }, } ] def run(self, user_input: str, image_path: str, max_iters: int = 3) -> str: """ 执行 Agent 工具调用循环。 max_iters 用于限制最多调用几轮工具，防止模型陷入重复调用。 """ messages = [ { "role": "user", "content": f"用户问题：{user_input}\n钱币图片路径：{image_path}", } ] for _ in range(max_iters): response = self.client.messages.create( model="claude-3-5-sonnet-latest", max_tokens=2048, system=( "你是一名古钱币鉴定专家。你需要通过图片分析工具采集钱币特征，" "再结合钱币学常识给出结构化鉴定报告。" "不要在没有工具结果时直接下最终结论。" ), tools=self.tools, messages=messages, ) tool_calls = [ block for block in response.content if block.type == "tool_use" ] # 如果没有工具调用请求，说明模型已经可以直接回答 if not tool_calls: texts = [ block.text for block in response.content if block.type == "text" ] return "\n".join(texts) # 把 assistant 返回内容追加到消息历史中 messages.append({"role": "assistant", "content": response.content}) # 依次执行模型请求的工具 for call in tool_calls: if call.name != "analyze_coin_image": continue args = ( call.input if isinstance(call.input, dict) else json.loads(call.input) ) result = analyze_coin_image( args["image_path"], args.get("question", ""), ) # 把工具执行结果返回给模型 messages.append( { "role": "user", "content": [ { "type": "tool_result", "tool_use_id": call.id, "content": result, } ], } ) return "已达到最大工具调用次数，无法生成最终结论。"

这段代码需要解释几个关键点：

• system提示词里明确要求“不要在没有工具结果时直接下最终结论”，这能有效降低模型幻觉概率。
• run方法使用for循环实现有限次工具调用，循环内部先判断模型有没有返回tool_use，没有就直接返回文本。
• 每次工具调用的结果都会通过tool_result消息回传给 Claude，让模型能够“看到”图片识别结果。
• 如果模型连续多次都要调用工具，max_iters会强制停止，避免 Agent 死循环和 API 费用失控。

4.4 编写主程序入口

最后创建main.py，把整个流程串起来。

# 文件路径：main.py import argparse from agent.claude_planner import ClaudePlanner def main(): parser = argparse.ArgumentParser(description="AI 钱币鉴定 Agent") parser.add_argument("--image", required=True, help="钱币图片的本地路径") parser.add_argument( "--question", default="请帮我看看这枚钱币的基本信息和存疑点。", help="用户希望重点鉴定的问题", ) args = parser.parse_args() planner = ClaudePlanner() report = planner.run(args.question, args.image) print("=== AI 钱币鉴定报告 ===") print(report) if __name__ == "__main__": main()

把图片路径和问题都做成命令行参数，方便测试。如果你后续要接 Web 后端，只需要把这段逻辑封装成一个服务函数，不再走命令行即可。

4.5 运行与验证

先确认.env文件里的两个 API Key 都已经配置好，然后在项目根目录执行：

python main.py \ --image images/sample_coin.jpg \ --question "这枚光绪元宝的大致版本特征是什么？有无明显的存疑点？"

注意，\换行写法适合 macOS 和 Linux；Windows 命令行建议直接写在一行：

python main.py --image images\sample_coin.jpg --question "这枚光绪元宝的大致版本特征是什么？有无明显的存疑点？"

如果一切正常，程序会先调用 Claude Agent 生成工具调用请求，然后调用智谱 GLM 分析钱币图片，最后 Claude 汇总生成一份类似下面的报告：

=== AI 钱币鉴定报告 === 基于钱币图片的工具分析结果，整理如下： 一、基本信息 - 币种：机制铜元/银元，图中可见“光绪元宝”字样，具体面额需结合尺寸判断。 - 版式：正面中央为“光绪元宝”，上方或左右有铸造省份字样。 二、特征观察 - 文字压力感：字口较为清晰，部分笔画边缘存在自然流通磨损。 - 包浆状态：表面包浆分布不均匀，局部颜色偏深，未发现明显浮于表面的涂料感。 - 边齿情况：图中可见边缘齿形，但由于拍摄角度限制，无法精确判断齿型类别。 三、存疑点 - 图片分辨率不足以判断币面是否存在砂眼或修补痕迹。 - 无法通过单张图片准确判断材质比重与金属成分。 四、参考结论 该币在现有图片条件下呈现一定自然磨损特征，但建议结合边齿微距图、重量和尺寸数据做进一步判断。

这只是一个预期输出示例，实际运行时的具体内容以模型识别结果为准。不要把示例输出当成真实鉴定结论。

5. 常见问题与排查思路

在实际运行过程中，大概率会遇到下面这些问题。

如果你遇到“Claude 返回空文本”，一个常见原因是模型在一次回复中只生成了工具调用，没有生成文本内容。这在工具调用循环里是正常现象，因为后续拿到工具结果后模型才会继续输出。如果所有迭代都用完了仍然没有文本，可以适当调高max_tokens，并检查工具返回结果是否太长，导致后续上下文空间不足。

6. 工程化与安全建议

6.1 图片预处理要放在工具内部

很多初学者会把图片压缩逻辑写在主流程里，这会导致 Agent 每次循环都重复处理图片。更合理的做法是像本文一样，把图片预处理放到GlmVision类内部，对上层 Agent 完全透明。这样未来如果图片来自 URL、PDF 或本地文件，只需要改一个模块。

6.2 提示词是“防幻觉”的第一道防线

钱币鉴定这类领域，模型很容易一本正经地胡说八道。建议在 prompt 中做三层约束：

• 系统层：明确告诉模型“先调用工具，再下结论”。
• 工具层：要求视觉模型“只描述图中可见信息”。
• 输出层：要求最终报告区分“确定项”“存疑项”“无法判断项”。

这样即使模型判断错了，用户至少能看出哪些结论是推测，不会把推测当确定结果。

6.3 不要把 AI 鉴定结果当作最终交易依据

需要特别提醒：大模型鉴定本质上是辅助工具，不能替代专业评级机构的结果。尤其是涉及真伪判断时，应该把 AI 输出定位为“参考意见”，并给用户明确提示。如果你的应用涉及交易金额，最好在界面上加一句免责声明，说明 AI 结论不构成交易或投资建议。

6.4 安全与合规边界

钱币图片本身不算敏感数据，但如果你的应用面向普通用户，要注意以下几点：

• 用户上传的图片可能包含个人信息，比如拍摄背景里的桌面文件、地址单据，建议服务端对图片做自动脱敏和定期清理。
• API Key 不要放在前端，也不要提交到公开仓库。
• 给 API Key 配置最小权限，只允许调用需要的接口，避免一个 Key 拥有全部模型权限。
• 调用外部大模型 API 前，明确用户是否授权，尤其是商业场景下需要遵循平台服务条款。

6.5 成本控制与性能优化

多模态识别和大模型 Agent 的 token 消耗都不低。生产环境可以考虑这些优化：

• 对同一张图片的识别结果做缓存，例如计算图片的 MD5，如果已经识别过就直接复用结果。
• 压缩图片后再传输，既能降低请求耗时，也能减少 token。
• 控制 Agent 工具调用次数，比如只允许最多两轮工具调用。
• 给不同环节使用不同模型规格，区分高精度和低成本场景。

6.6 日志与可观测性

Agent 应用比普通 API 调用更难排查问题，因为每一步都会消耗 token。建议每次工具调用都记录日志，至少包含：

• 用户原始问题。
• 模型返回了几次工具调用。
• 每条工具调用的参数和耗时。
• 工具返回的内容摘要。
• 最终报告文本。
• 总 token 消耗和费用估算。

有了这些日志，你才能在模型回答异常时回溯是哪一步出了问题。

7. 总结与下一步扩展

本文从零实现了一个 AI 钱币鉴定 Agent，整体来看你只需要掌握四个关键点：

1. 多模态模型负责“看图”：通过智谱 GLM 视觉模型提取钱币文字、图案、工艺、包浆等特征。
2. Agent 负责“规划”：Claude Agent 根据用户问题决定是否调用图片分析工具。
3. 工具调用循环是 Agent 的核心机制：模型返回工具调用请求，代码执行工具并返回结果，模型再生成最终报告。
4. 工程化重点是“解耦”：图片预处理、工具函数、Agent 规划器各自独立，便于后续替换模型或扩展功能。

你可以基于这套骨架继续扩展的方向有很多。比如把最终报告接入 Web 页面，做成一个上传图片即可鉴定的在线小工具；也可以增加一个钱币版别知识库，让 Agent 在拿到视觉识别结果后，再去检索数据库中相似的版别信息，做更精确的对比判断；还可以增加多图输入能力，引导用户拍摄边齿、正面、反面多张图片，提升判断准确率。

如果你在实际开发中遇到报错，建议优先检查 API Key 是否生效、模型名是否与账号权限匹配、图片格式是否被支持这三个因素，大部分问题都出在这三处。希望这篇教程对你有所帮助，可以先收藏备用，也可以根据自己的场景替换模型和提示词，做出更符合实际需求的 AI 鉴定工具。