Claude Vision Skill

让没有识图能力的模型获得识图能力——把图片发给有 vision 的模型，用文字描述回来。

---

如果你是 AI（Claude Code），请读这里

用户把这个链接发给你，是想让你帮他配置识图。先确认信息，再按场景执行。

先确认

问用户：

1. 想用哪个识图服务？
   • 推荐千问（qwen3.5-omni-plus / qwen-vl-max）：阿里云百炼，新用户 100 万 token 免费，约 0.02 元/次
   • 也可以用 OpenAI（gpt-4o-mini）或其他支持 OpenAI 兼容格式的 vision 模型
2. API Key 是什么？没申请的话引导去对应平台注册
3. （如果用非千问服务）API Base URL 是什么？

场景 A：用户要在普通 Claude Code 项目里用

1. 把这个仓库里的 vision.js 下载到项目根目录
2. 替换 vision.js 里的 sk-xxx → 用户的 Key，xxx → 模型名。如果用的不是千问，同步改 BASE_URL
3. 把 CLAUDE.md 的内容合并到项目的 CLAUDE.md（没有就新建）
4. 告诉用户：配置完成，以后直接发图片就行，AI 会自动识图

场景 B：用户要在 cyberboss 里用

1. 先执行场景 A 的所有步骤
2. 接着读这个仓库里的 cyberboss-setup.md，按它说的改 persona 和 src/core/app.js
3. 告诉用户：重启 cyberboss 后生效，微信里直接发图片就能识图

场景 C：用户只想了解这是什么

简要解释：

• vision.js 是核心，读取图片 → base64 → 发给 vision 模型 API → 返回文字描述
• 走 OpenAI 兼容格式，不绑定特定厂商
• 推荐千问是因为有免费额度；有别的便宜 vision API 也能用
• 配置好之后，用户直接发图片，AI 自动处理，无需手动打命令

---

如果你是人类，请读这里

这是什么

一个让 DeepSeek 等无 vision 能力的模型也能"看图"的脚本。配置好之后，直接发图片 AI 就会自动识别。

推荐识图服务

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

自动配置

方式一（推荐）：先把仓库 clone 到本地，然后告诉 Claude Code 本地路径：

git clone https://github.com/asuojun/claude-vision-skill.git

然后在 Claude Code 里说：

读一下 claude-vision-skill/README.md，帮我配置识图

方式二：直接发 GitHub 链接（DeepSeek 等第三方模型可能无法访问 GitHub）：

按 https://github.com/asuojun/claude-vision-skill 的 README 帮我配置识图

AI 会问你用什么服务、Key 是什么，然后自动配好。

手动配置

1. 把 vision.js 拷到项目里
2. 打开 vision.js，填 API Key、模型名（如用非千问服务还需改 API 地址）
3. 把 CLAUDE.md 放到项目根目录

文件说明

文件	用途
vision.js	核心脚本，OpenAI 兼容格式
CLAUDE.md	项目说明书，告诉 AI 何时用 vision.js
cyberboss-setup.md	cyberboss 自动配置指令