wangyang10/image-vision
让没有视觉能力的模型（如 DeepSeek 等纯文本模型）也能"看图"：自动调用 OpenAI 兼容的识图模型 API（OpenRouter、SiliconFlow、智谱、Kimi、通义千问、 本地 Ollama 等），完成图片描述、问答、OCR 等任务。
catalog 简介 / catalog descriptioncatalog description：—
安装Install
dsh plugin --profile web add dsh-image-vision把 wangyang10/image-vision 加入你的 DSH 配置（web profile）即可启用。
READMEREADME
image-vision
让没有视觉能力的模型（如 DeepSeek 等纯文本模型）也能"看图"：自动调用 OpenAI 兼容的识图模型 API（OpenRouter、SiliconFlow、智谱、Kimi、通义千问、 本地 Ollama 等），完成图片描述、问答、OCR 等任务。
一个仓库，多个 Agent 宿主：同一套技能逻辑分别以标准 skill 和宿主插件的形式 提供给 Codex、Claude Code、DeepSeek Harness（DSH）等使用。
支持的 Agent
| Agent | 接入物 | 推荐安装方式 | 调用方式 | 运行时依赖 |
|---|---|---|---|---|
| Codex | 标准 skill（skills/image-vision/） |
自动安装 / 一键脚本 TARGET=codex |
发图提问自动触发；或手动跑 python 脚本 | python3 + sips（macOS） |
| Claude Code | 标准 skill | 自动安装 / 一键脚本 TARGET=claude |
同上 | python3 + sips（macOS） |
| DeepSeek Harness (DSH) | 插件（dsh-image-vision/，推荐） |
一键脚本 / 手动 / 把仓库地址发给 DSH 自动装 | 模型直接调 vision_query 工具；输入框 /image-vision |
无（纯 Node 内置模块） |
| DeepSeek Harness (DSH) | 标准 skill（轻量方案） | 一键脚本 TARGET=dsh |
发图提问触发技能，模型跑 python 脚本 | python3 + sips（macOS） |
| 其他支持 SKILL.md 的宿主 | 标准 skill | 复制到对应技能目录 | 依宿主而定 | python3 |
仓库结构
image-vision/
├── skills/image-vision/ # 标准 skill：Codex / Claude Code / 其他 SKILL.md 宿主 / DSH 轻量接入
│ ├── SKILL.md # 技能说明（各宿主通用）
│ ├── scripts/vision_query.py
│ ├── agents/openai.yaml
│ └── references/providers.md
├── dsh-image-vision/ # DSH 插件：深度接入（Cordis 插件，独立可 publish）
│ ├── lib/*.js # vision_query 工具 + 运行时技能注册（零依赖 ESM）
│ ├── assets/SKILL.md # DSH 版技能正文（工具优先）
│ └── README.md
├── install.sh # 一键安装脚本（TARGET=codex / claude / both / dsh；DSH 深度接入加 DSH_PROFILE=web）
└── README.md
DSH 深度接入与技能版共享同一套配置语义与预处理策略：lib/ 是
vision_query.py 的 JS 移植，两边行为保持一致但互不依赖（插件不要求 python3）。
安装与使用
1. Codex
安装（任选其一）：
方式一：把技能地址发给 Codex，让它自动安装 —— 复制下面这句发给 Codex：
请安装这个技能：https://github.com/wangyang10/image-vision/tree/main/skills/image-vision
方式二：一键脚本
TARGET=codex bash <(curl -fsSL https://raw.githubusercontent.com/wangyang10/image-vision/main/install.sh)
方式三：手动
git clone https://github.com/wangyang10/image-vision.git
cp -r image-vision/skills/image-vision ~/.codex/skills/
配置：新建 ~/.codex/image-vision.env（见下方配置）。重启 Codex 后生效。
使用：在 Codex 中直接发送图片并提问即可自动触发；也可手动调用：
python3 ~/.codex/skills/image-vision/scripts/vision_query.py 图片.png --prompt "这张图里写了什么？"
python3 ~/.codex/skills/image-vision/scripts/vision_query.py a.png b.png --prompt "两张图有什么区别？"
python3 ~/.codex/skills/image-vision/scripts/vision_query.py 截图.png --prompt "完整提取图中文字" --json
2. Claude Code
安装（任选其一）：
方式一：把仓库地址发给 Claude Code —— 复制下面这句发给 Claude Code：
从 https://github.com/wangyang10/image-vision 安装 image-vision 技能到 ~/.claude/skills/ 目录
方式二：一键脚本
TARGET=claude bash <(curl -fsSL https://raw.githubusercontent.com/wangyang10/image-vision/main/install.sh)
方式三：手动
cp -r image-vision/skills/image-vision ~/.claude/skills/
配置 / 使用：与 Codex 相同（脚本固定读取 ~/.codex/image-vision.env，两个宿主共用一份配置）。
重启 Claude Code 后生效。
3. DeepSeek Harness（DSH）
安装（任选其一；推荐深度接入，模型可直接调用 vision_query 工具）：
方式一：把仓库地址发给 DSH，让它自动安装 —— 复制下面这句发给 DSH：
安装这个插件：https://github.com/wangyang10/image-vision （插件在 dsh-image-vision 子目录，已发布 npm，装到 web profile，装完验证可用）
方式二：一键脚本（自动安装插件并写入装载条目）
TARGET=dsh DSH_PROFILE=web bash <(curl -fsSL https://raw.githubusercontent.com/wangyang10/image-vision/main/install.sh)
方式三：手动
dsh plugin --profile web add dsh-image-vision
# 然后在 ~/.dsh/profiles/web/cordis.patch.yml 追加：
# - insert:
# - id: image-vision
# name: dsh-image-vision
# config:
# maxEdge: 2048
# maxBytes: 10485760
使用：直接发图提问（模型自动调 vision_query）；或在聊天输入框输入 /image-vision 唤起技能。
装载后一般热加载生效；未生效时重启 dsh web。配置与详细说明见
dsh-image-vision/README.md。
轻量接入（不想装插件时）：只装技能目录，模型通过 python 脚本识图（需 python3）：
TARGET=dsh bash <(curl -fsSL https://raw.githubusercontent.com/wangyang10/image-vision/main/install.sh)
# 或手动：cp -r image-vision/skills/image-vision ~/.dsh/skills/
4. 其他支持 SKILL.md 的宿主
把 skills/image-vision/ 复制到对应技能目录（如 ~/.claude/skills、~/.agents/skills 等），
配置与使用同 Codex。
配置
所有宿主共用三个变量，读取优先级均为：环境变量 > 配置文件 > 内置默认。
新建配置文件（Codex / Claude Code 用 ~/.codex/image-vision.env；DSH 建议
~/.dsh/image-vision.env，脚本与插件都会回退读取 ~/.codex/image-vision.env）：
VISION_API_KEY=你的识图平台密钥
VISION_API_BASE=https://openrouter.ai/api/v1
VISION_MODEL=qwen/qwen3-vl-32b-instruct
- 环境变量名：
VISION_API_KEY（未设置时回退OPENAI_API_KEY）、VISION_API_BASE、VISION_MODEL - DSH 插件额外支持把 key 存进 DSH 凭据体系（
~/.dsh/.credentials.yaml/ 设置页） - 其他平台（SiliconFlow / 智谱 / Kimi / 通义千问 / 本地 Ollama）示例见 references/providers.md
- 修改配置后直接生效，无需重开会话（每次调用都会重新读取）
⚠️ 配置文件包含你的密钥（权限 600），永远不要提交到任何仓库。
特性
- 当前模型不具备视觉能力时，自动调用识图 API 读取图片
- 支持本地图片、http(s) URL、data URL；支持多图对比
- 自动预处理（macOS）：HEIC/HEIF/AVIF → JPEG、TIFF/BMP → PNG，
长边超 2048px 自动缩放，超过 10MB 自动压缩（可用
--no-preprocess关闭） - OCR 提取文字、
--json结构化输出
维护说明
skills/image-vision/scripts/vision_query.py（Python）与dsh-image-vision/lib/（JS 移植）是同一套逻辑的两份实现，改动预处理/API 行为时需同步两边。assets/SKILL.md（插件内嵌）与skills/image-vision/SKILL.md保持内容同步。
License
MIT
相关推荐Related
- deepseek-ai/deepseek-harness DeepSeek Harness: Everything is a Plugin.
- deepseek-ai/deepseek-harness DeepSeek Harness (dsh) — 由 DeepSeek AI 开发的开源 agent harness（智能体框架）。一切皆插件：核心 + 插件 + 技能 = 可热插拔的 AI 编程工作台。DeepSeek Harness: …
-
nexu-io/open-design
🎨 Best DeepSeek Harness Design Plugin. The open-source Claude Design alternative. 🖥️ Local-first desktop app. 🖼️ Your…
-
ruvnet/ruflo
🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build c…
-
amruthpillai/reactive-resume
A one-of-a-kind resume builder that keeps your privacy in mind. Completely secure, customizable, portable, open-source a…
-
volcengine/OpenViking
Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
-
Molunerfinn/PicGo
:rocket: The Ultimate Image Uploader for Efficient Creators. Supports Obsidian, Typora, VS Code etc. and 60+ image hosti…
-
titanwings/colleague-skill
将冰冷的离别化为温暖的 Skill，欢迎加入数字生命1.0！Transforming cold farewells into warm skills? It's giving rebirth era. Welcome to Digital …