四大 AI 編程工具全通用image-vision 開源發(fā)布附保姆級(jí)安裝教程現(xiàn)在很多人搭 AI 編程環(huán)境都是同一個(gè)思路強(qiáng) Harness 高性價(jià)比純文本模型。比如 Codex / opencode / Claude Code 配上 DeepSeek、GLM、Kimi 這類模型——編碼能力扎實(shí)、成本又低作為日常開發(fā)底座非常香。但這套組合有一個(gè)明顯短板這些模型沒有多模態(tài)能力看不了圖片。貼張報(bào)錯(cuò)截圖、設(shè)計(jì)稿過去模型只會(huì)回你抱歉我無法查看圖片。解決方式很簡單不用換模型裝一個(gè) Skill 就行。今天開源的image-vision在主模型之外掛一個(gè)視覺模型做眼睛圖片先交給視覺模型理解轉(zhuǎn)成文字描述回灌給主模型繼續(xù)推理——既保住編碼能力和性價(jià)比又補(bǔ)齊看圖短板。而且它不是只服務(wù)某一個(gè)工具一份 Skillopencode / Claude Code / Z.ai zcode / Codex 四大平臺(tái)全通用。 兩大買點(diǎn)1?? 四大平臺(tái)一次安裝全搞定opencode / Claude Code / Z.ai zcode / Codex 通吃混用多個(gè)工具也不用重復(fù)折騰。2?? 視覺模型提供商隨便換OpenAI gpt-4o、通義千問 Qwen-VL、智譜 GLM-4V、SiliconFlow、本地 vLLM / Ollama……只要接口兼容 OpenAI 就能接。換廠商只改配置三行代碼一行不動(dòng)。 工作原理一張圖看懂用戶上傳圖片 ↓ 主模型純文本看不到圖 ↓ 自動(dòng)運(yùn)行 vision.py零依賴 Python 腳本 圖片 base64 編碼 → OpenAI 兼容接口 → 視覺模型 ↓ 返回文字描述 → 回灌給主模型 → 整合后回答用戶全程對(duì)用戶透明——就像模型本來就能看圖。 安裝教程重點(diǎn)來了 最懶人的方式一句話讓 AI 自己裝不用看文檔、不用敲命令打開對(duì)話把這句話扔給 AI 就行按 https://github.com/wangxintai929/image-vision-skill 的 README 幫我配置識(shí)圖能力全局安裝AI 會(huì)自動(dòng)完成下載、安裝、寫配置并根據(jù)你的回答填入視覺模型參數(shù)看到配置檢查通過即完成。網(wǎng)絡(luò)不好訪問 GitHub也可以下載 ZIP 解壓到本地再裝在倉庫頁面點(diǎn)Code→Download ZIP解壓后對(duì) AI 說一句安裝 D:\Job\code\image-vision-skill-main把路徑換成你的實(shí)際解壓目錄即可后續(xù)步驟完全一樣。、 加不加全局安裝有區(qū)別不加只在當(dāng)前項(xiàng)目/會(huì)話生效加了之后所有會(huì)話都能用推薦全局。方式一opencode 遠(yuǎn)程加載一行配置在opencode.json全局~/.config/opencode/opencode.json或項(xiàng)目內(nèi)加入{ skills: { urls: [https://cdn.jsdelivr.net/gh/wangxintai929/image-vision-skillmain/] } }重啟 opencode自動(dòng)從 GitHub 拉取 Skill 和腳本連文件都不用復(fù)制。倉庫版本更新后重啟自動(dòng)拉取新版。方式二一鍵安裝腳本所有平臺(tái)通用git clone https://github.com/wangxintai929/image-vision-skill.git cd image-vision-skill ./install.sh # macOS / Linux # Windows: powershell -ExecutionPolicy Bypass -File install.ps1腳本自動(dòng)完成四件事復(fù)制腳本到統(tǒng)一目錄~/.config/image-vision/各平臺(tái)共用一份→ 生成config.json→ 把 Skill 裝到 opencode 和 Claude Code 的 skills 目錄 → 執(zhí)行配置檢查。方式三手動(dòng)安裝下載 ZIP 解壓后把SKILL.md復(fù)制到對(duì)應(yīng)平臺(tái)的 skills 目錄平臺(tái)安裝位置opencode~/.config/opencode/skills/image-vision/Claude Code~/.claude/skills/image-vision/SKILL.mdZ.ai zcode~/.zcode/skills/image-vision/SKILL.md注意zcode 不掃~/.claude/skills/Codex無 Skill 機(jī)制在~/.codex/AGENTS.md追加一段指令兜底照樣能用 配置視覺模型從哪來配置只需三項(xiàng)API 地址、API Key、模型名稱。不用打開任何配置文件直接在對(duì)話里告訴 AI它會(huì)自動(dòng)寫入并驗(yàn)證。還沒想好用哪家國內(nèi)用戶可以優(yōu)先考慮阿里云百煉——新用戶開通即送免費(fèi)調(diào)用額度視覺模型基本可以零成本先跑起來拿來體驗(yàn)整個(gè)識(shí)圖流程再合適不過打開百煉平臺(tái)大模型服務(wù)平臺(tái)百煉控制臺(tái)開通服務(wù)后在控制臺(tái)創(chuàng)建 API Keysk-...然后對(duì) AI 說一句視覺后端用百煉地址 https://dashscope.aliyuncs.com/compatible-mode/v1key 是 sk-xxxx模型 qwen-vl-max看到配置檢查通過接入完成用其他廠商同理把三項(xiàng)參數(shù)發(fā)給 AI 即可。已登錄 opencode-go 的用戶更省事key 現(xiàn)成可用mimo-v2.5等視覺模型按量計(jì)費(fèi)、開箱即用。? 實(shí)測驗(yàn)證裝好后發(fā)一張測試圖確認(rèn)鏈路打通python ~/.config/image-vision/vision.py test.png -q 圖片里有什么識(shí)別速度很快幾秒到十幾秒即可返回報(bào)錯(cuò)截圖、設(shè)計(jì)稿、多圖對(duì)比都能準(zhǔn)確識(shí)別。 進(jìn)階命令免確認(rèn)可選默認(rèn)模型執(zhí)行識(shí)別命令會(huì)彈一次確認(rèn)加一行配置放行其余命令仍保持確認(rèn)opencode / zcodeopencode.json中*vision.py*: allowClaude Codesettings.json中Bash(python:*vision.py*) 純 Python 標(biāo)準(zhǔn)庫實(shí)現(xiàn)零第三方依賴Python 3.7 就能跑。一套 Skill 打通四大平臺(tái) 所有 OpenAI 兼容視覺模型給你的高性價(jià)比編程組合補(bǔ)上最后一塊拼圖。歡迎試用、提 Issue、點(diǎn) Star ? GitHubhttps://github.com/wangxintai929/image-vision-skill