Vision

让没有原生 vision 能力的模型获得识图能力。当用户发送图片、分享图片路径、或要求分析/描述/识别图片内容时，必须使用此 skill。 触发场景（必须使用）：用户说"看这张图"、"帮我识别这个图片"、"描述一下这张图"、"分析这个截图"、"比较这些图片"、发送图片文件路径、消息中出现图片附件、或要求识别图片中的文字/内容时。 多图支持：当用户一次发送多张图片或要求比较/对比图片时，使用多图模式。 不触发场景：用户只是讨论图片处理技术、询问图片格式、要求生成图片、或编写图片处理代码时，不要使用此 skill。

Vision Skill

让没有原生识图能力的模型（如 DeepSeek）也能"看图"——通过调用外部视觉 API 获取图片的文字描述。

快速配置

bash

node scripts/vision.js --setup

按提示输入 API Key、API 地址、模型名称。

查看当前配置

bash

node scripts/vision.js --config

使用方法

自动触发（推荐）

当用户发送图片或要求分析图片时，自动调用：

bash

node scripts/vision.js "<图片路径>" "用中文描述这张图片"

单张图片

bash

# 本地图片
node scripts/vision.js /path/to/image.jpg "描述图片内容"

# 网络图片
node scripts/vision.js --url https://example.com/image.png "这是什么？"

多张图片

bash

# 多张本地图片
node scripts/vision.js image1.jpg image2.jpg image3.jpg "比较这些图片的异同"

# 混合本地和网络图片
node scripts/vision.js local.jpg --url https://example.com/online.png "这两张图有什么关系？"

支持的图片格式

jpg, jpeg, png, gif, webp, bmp

支持的视觉服务

服务	模型	备注
阿里云百炼（推荐）	qwen3.5-omni-plus	新用户 100 万 token 免费
阿里云百炼	qwen-vl-max	同上
OpenAI	gpt-4o-mini	需海外支付
其他	任何 OpenAI 兼容格式	改 BASE_URL 和模型名即可

配置文件说明

配置文件：~/.claude/skills/vision/config.json

json

{
  "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "api_key": "你的API Key",
  "model": "qwen3.5-omni-plus"
}

工作原理

1. 读取图片文件 → 转换为 base64
2. 调用视觉 API（OpenAI 兼容格式）
3. 返回文字描述

注意事项

• 需要 Node.js 环境
• 首次使用需配置 API Key
• 网络图片需要能访问对应 URL