qixingqixing/-skill-

1 stars 质量 52 趋势 9MIT

一个通用的多模态视觉识别技能模板，适用于Claude Code ，Codex ，Openclaw ，Reasonix Code等，专为解决接入DeepSeek时只能文字识图的短板，支持本地图片和 URL 识图，开箱即用。兼容 OpenAI 接口格式，可接入 GPT-4o、MiMo、Gemini 等任意视觉模型。

概览

让你的 AI 助手具备图片识别能力——支持本地图片路径和网络图片 URL，自动完成图片编码、API 调用、结果解析的全流程。底层基于统一的 scripts/vision_api.py 脚本，各平台仅 SKILL.md 包装层不同。 - ✅ — 自动 base64 编码并发送 - ✅ — 直接传 URL，无需下载 - ✅ — 首选失败自动换备选 - ✅ — 区分超时/鉴权/格式错误/模型不可用 - ✅ — 每次返回完整消耗报告 - ✅ — 超过 10MB 自动拦截 - ✅ — 支持 jpg/png/webp/bmp - ✅ — C:\path → C:\path - ✅ — 同一套逻辑，不同包装每个目录包含完整的 SKILL.md + scripts/ + references/ + templates/，独立可用。例如: https://token-plan-cn.xiaomimimo.com/v1/chat/completions` | A: 核心脚本 vision_api.py 完全一样，仅 SKILL.md 的 frontmatter 和字段因平台而异。按你用的平台选对应目录即可。

README

🖼️ 多模态识图 Skill

一套通用的视觉识别技能模板，适配 Reasonix / Claude Code / OpenClaw / Codex 四大 AI Agent 平台。

📖 简介

让你的 AI 助手具备图片识别能力——支持本地图片路径和网络图片 URL，自动完成图片编码、API 调用、结果解析的全流程。底层基于统一的 scripts/vision_api.py 脚本，各平台仅 SKILL.md 包装层不同。

核心能力

✅ 本地图片识别 — 自动 base64 编码并发送
✅ 网络图片识别 — 直接传 URL，无需下载
✅ 多模型回退 — 首选失败自动换备选
✅ 智能错误处理 — 区分超时/鉴权/格式错误/模型不可用
✅ Token 用量统计 — 每次返回完整消耗报告
✅ 图片大小预检 — 超过 10MB 自动拦截
✅ 格式验证 — 支持 jpg/png/webp/bmp
✅ 路径自动规范化 — C:\path → C:\\path
✅ 四平台适配 — 同一套逻辑，不同包装

📂 平台版本

目录	平台	安装路径	说明
`reasonix/`	Reasonix	`~/.reasonix/skills/vision.md`	run_skill 调用
`claude-code/`	Claude Code	`~/.claude/skills/vision/SKILL.md`	`/vision` 调用
`openclaw/`	OpenClaw	`~/.openclaw/workspace/skills/vision/SKILL.md`	`/vision` 调用
`codex/`	Codex	`~/.codex/skills/vision/SKILL.md`	`/vision` 调用

每个目录包含完整的 SKILL.md + scripts/ + references/ + templates/，独立可用。

🚀 快速开始

1. 选择平台

# Reasonix
cp -r reasonix/* ~/.reasonix/skills/vision/

# Claude Code
cp -r claude-code/* ~/.claude/skills/vision/

# OpenClaw
cp -r openclaw/* ~/.openclaw/workspace/skills/vision/

# Codex
cp -r codex/* ~/.codex/skills/vision/

2. 配置 API Key

export VISION_API_KEY="your-api-key-here"

3. 调用识图

各平台统一通过 /vision 或 run_skill 调用：

/vision /path/to/image.jpg  "这张图里有什么？"
/vision https://example.com/photo.png  "描述一下"

📂 文件结构

vision-skill/
├── README.md                  ← 本文件
├── reasonix/                  ← Reasonix 版
│   ├── SKILL.md               ← 核心指令（frontmatter + 工作流）
│   ├── scripts/               ← 执行引擎（vision_api.py）
│   ├── references/            ← 参考文档
│   ├── templates/             ← 输出模板
│   ├── examples/              ← 使用示例
│   └── tests/                 ← 测试脚本
├── claude-code/               ← Claude Code 版（同上结构）
│   └── SKILL.md
├── openclaw/                  ← OpenClaw 版（含 metadata gating）
│   └── SKILL.md
└── codex/                     ← Codex 版
    └── SKILL.md

🔧 支持的模型

兼容所有 OpenAI 接口协议的视觉模型：

模型	提供商	备注
GPT-4o / GPT-4o-mini	OpenAI	最流行的视觉模型
Gemini Pro Vision	Google	免费额度可观
Claude 3.5 Sonnet	Anthropic	需兼容端点
Qwen-VL	阿里通义	国内可用
其他	任意	OpenAI 兼容格式均可

⚙️ 配置参数

参数	环境变量	默认值
API Key	`VISION_API_KEY`	必需
API 地址	`VISION_API_URL`	`/v1/chat/completions

例如: https://token-plan-cn.xiaomimimo.com/v1/chat/completions` | | 首选模型 | VISION_MODEL | | | 备选模型 | `VISION_FALLBACK` | | | Temperature | VISION_TEMPERATURE | 0.3 | | 最大 Token | VISION_MAX_TOKENS | 3000 | | 超时秒数 | VISION_TIMEOUT | 120 |

❓ 常见问题

Q: 为什么提示 “图片格式不支持”？ A: 支持 jpg/png/webp/bmp。TIFF/HEIC 等请先转换。

Q: 为什么请求超时？ A: 大图（>10MB）或网络图片源站慢。建议大图优先用本地路径。

Q: 怎么知道我消耗了多少 Token？ A: 每次返回结果末尾会显示 Token 消耗统计。

Q: 四个版本有什么区别？ A: 核心脚本 vision_api.py 完全一样，仅 SKILL.md 的 frontmatter 和字段因平台而异。按你用的平台选对应目录即可。

📄 许可证

MIT License

在 GitHub 查看完整 README

安装

npx skillfish add qixingqixing/-skill-

新手？先看 mcpskill.org 教程 →