🖼️ Vision Skill

English · 中文

---

English

Give image recognition ability to models without native vision support (like DeepSeek) — by calling an external visual API.

Quick Install

npx skills add guorui999/vision

Setup

node ~/.claude/skills/vision/scripts/vision.js --setup

Enter your API Key, API URL, and model name when prompted.

Or edit config directly: ~/.claude/skills/vision/config.json

{
  "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "api_key": "your-api-key",
  "model": "qwen3.5-omni-plus"
}

Usage

After setup, send an image or say "look at this image" — Claude will auto-trigger the skill.

# Local image
node scripts/vision.js photo.jpg "Describe this image"

# Remote image
node scripts/vision.js --url https://example.com/img.png "What is this?"

# Multiple images
node scripts/vision.js img1.jpg img2.jpg "Compare these two"

# With cache (skip API call if same image + prompt analyzed before)
node scripts/vision.js --cache photo.jpg "Describe this image"

Supported Formats

jpg, jpeg, png, gif, webp, bmp

Supported Services

Service	Model	Notes
Alibaba Cloud Bailian	qwen3.5-omni-plus	1M free tokens for new users
Alibaba Cloud Bailian	qwen-vl-max	Same as above
OpenAI	gpt-4o-mini	Requires overseas payment
Others	Any OpenAI-compatible	Change BASE_URL + model name

How It Works

1. Read image → base64 encode
2. Call visual API (OpenAI-compatible format)
3. Return text description

Docs

• SKILL.md — Full documentation (CN/EN)
• install.sh — One-click install script

---

Chinese / 中文

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。

一键安装

npx skills add guorui999/vision

配置

node ~/.claude/skills/vision/scripts/vision.js --setup

按提示输入 API Key、API 地址、模型名称。

或直接编辑配置文件：~/.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"
}

使用

配置完成后，直接发送图片或说"看这张图"即可自动识别。

# 本地图片
node scripts/vision.js photo.jpg "描述这张图片"

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

# 多张图片
node scripts/vision.js img1.jpg img2.jpg "比较这两张图"

# 缓存模式（同一图片+prompt 避免重复调用 API）
node scripts/vision.js --cache photo.jpg "描述这张图片"

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

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

文档

• SKILL.md — 完整使用说明（中英双语）
• install.sh — 一键安装脚本