{
  "markdown": "# vision —— 给无视觉模型补充\"看图\"能力的 Claude Code Skill\n\n不用装 MCP、不用 clone、不用 npm/build。一个 `SKILL.md` + 一个纯标准库 Python 脚本，\n把图片交给**任意 OpenAI 兼容的视觉模型**去看，再把文字结果返回给当前模型。\n\n适用场景：在 Claude Code 里用的模型本身没有视觉能力（如部分 GLM、Qwen 文本版等），\n但你需要它读截图、做 OCR、看图表/UI/报错截图。\n\n## 安装\n\n把整个 `vision/` 目录放到 Claude Code 的 skills 目录下：\n\n- 用户级（全局生效）：`~/.claude/skills/vision/`\n- 项目级（仅当前项目）：`<项目>/.claude/skills/vision/`\n\n例如：\n\n```bash\nmkdir -p ~/.claude/skills\ncp -r vision ~/.claude/skills/\n```\n\n目录结构应为：\n\n```\n~/.claude/skills/vision/\n├── SKILL.md\n├── README.md\n└── scripts/\n    └── see.py\n```\n\n## 配置（只需一次）\n\n脚本通过环境变量读取配置，变量名和 vision-mcp-server 一致，方便迁移：\n\n```bash\nexport VISION_BASE_URL=http://localhost:1234/v1/chat/completions   # 必填，要写完整的 /v1/chat/completions\nexport VISION_MODEL=Qwen3-VL-32B                                   # 必填，任意视觉模型名\nexport VISION_API_KEY=sk-xxx                                       # 本地模型可不填或填占位符\n```\n\n把这几行加到 `~/.zshrc` / `~/.bashrc`，或在启动 Claude Code 前 export 即可。\n常用可选项：`VISION_MAX_TOKENS`、`VISION_TEMPERATURE`、`VISION_DETAIL`(auto/low/high)、`VISION_TIMEOUT`。\n\n> 任意 OpenAI 兼容服务都行：vLLM、Ollama、LM Studio、LMDeploy，或云端 GPT-4o / GLM-4V / 通义千问-VL 等。\n\n## 使用\n\n装好后，模型会在需要看图时自动触发这个 skill。也可手动验证：\n\n```bash\n# OCR\npython3 ~/.claude/skills/vision/scripts/see.py ./shot.png \"把图里所有文字原样转写出来\"\n\n# 看报错截图\npython3 ~/.claude/skills/vision/scripts/see.py ./error.png \"这个报错是什么？可能的原因？\"\n\n# 把图表读成表格\npython3 ~/.claude/skills/vision/scripts/see.py ./chart.png \"把每个标签和数值提取成 markdown 表格\"\n\n# 远程图片\npython3 ~/.claude/skills/vision/scripts/see.py \"https://example.com/a.png\" \"描述这张图\"\n```\n\n## 排错\n\n- 提示缺少环境变量 → 按上面把 `VISION_BASE_URL` / `VISION_MODEL` 配上。\n- 连不上 endpoint → 确认服务在跑、URL 写了完整的 `/v1/chat/completions`。\n- 想只看请求不发送 → 加 `--dry-run`：\n  `python3 scripts/see.py --dry-run img.png \"test\"`\n- 本地文件会自动转成 base64 data URL；http(s) 链接直接透传。\n\n## 为什么用 skill 而不是那个 MCP\n\n- 不依赖 clone / npm install / tsc 编译，没有 `npx github:` 冷启动超时或 `dist/index.js` 缺失的问题。\n- skill 就是几个文件，拷进目录即用，分发简单。\n- 纯 Python 标准库，无需 `pip install`。\n",
  "bytes": 1945,
  "sha": "d7f1b1bf1efa1b7c27c4a11834e928f93f10aacce0ec7413c4af28fb1d332337",
  "repo_slug": "kotot/vision",
  "fonte": "repo",
  "truncated": false,
  "api": "https://agentalog.com/api/listings/skl_kotot_vision_vision_3b92f567/readme"
}