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
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
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：
node scripts/vision.js "<图片路径>" "用中文描述这张图片"
单张图片
# 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
# 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
{
"base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
"api_key": "你的API Key",
"model": "qwen3.5-omni-plus"
}
工作原理
- 读取图片文件 → 转换为 base64
- 调用视觉 API（OpenAI 兼容格式）
- 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