| name | ms-qwen-vl |
| description | 调用魔搭社区（ModelScope）Qwen3-VL 多模态 API 进行视觉解析。使用 OpenAI SDK 兼容方式调用，支持图片内容描述、OCR 文字提取、视觉问答、对象检测等功能。用户提到"魔搭"、"ModelScope"、"Qwen-VL"、"多模态视觉"、"解析图片"等关键词时应触发。 |
MS-Qwen-VL Skill
基于 ModelScope Qwen3-VL 系列模型的多模态视觉识别技能，使用 OpenAI SDK 兼容方式调用。
功能特点
- OpenAI SDK 兼容：使用标准 OpenAI SDK 调用 API
- 多种任务支持：图像描述、OCR、视觉问答、目标检测、图表解析
- 双模型模式：默认快速模型（30B）+ 精细高精度模型（235B）
- 灵活输入：支持本地图片和 URL
安装与配置
pip install -r requirements.txt
cp .env.example .env
编辑 .env 文件，填入从 https://modelscope.cn/my/myaccesstoken 获取的 API Key：
MODELSCOPE_API_KEY=your_api_key_here
Claude Code 使用方式
重要：处理本地图片
当用户提供本地图片路径时（如桌面截图），必须使用 Python 脚本处理：
python scripts/ms_qwen_vl.py "<图片路径>" --task <任务类型>
脚本会自动将本地文件转换为 ModelScope API 需要的 base64 格式。
处理 URL 图片
当用户提供网络 URL 时，同样使用上述命令，脚本会自动识别：
python scripts/ms_qwen_vl.py "<URL>" --task <任务类型>
Claude Code 对话示例
场景 1：分析桌面截图
用户: 请帮我描述这张图片 C:\Users\...\Desktop\screenshot.png
助手: [执行] python scripts/ms_qwen_vl.py "C:\Users\...\Desktop\screenshot.png"
场景 2：OCR 识别本地图片
用户: 识别这张图中的文字: D:\Documents\invoice.jpg
助手: [执行] python scripts/ms_qwen_vl.py "D:\Documents\invoice.jpg" --task ocr
场景 3：分析网络图片
用户: 分析这张图片 https://example.com/photo.jpg
助手: [执行] python scripts/ms_qwen_vl.py "https://example.com/photo.jpg" --task describe
场景 4：视觉问答
用户: 这张图里有几个人？C:\Users\...\Desktop\photo.png
助手: [执行] python scripts/ms_qwen_vl.py "C:\Users\...\Desktop\photo.png" --task ask --question "图片里有几个人？"
任务类型对照
| 用户需求 | --task 参数 |
|---|
| 描述图片内容 | describe |
| 识别文字/OCR | ocr |
| 回答关于图片的问题 | ask（需要 --question） |
| 检测物体 | detect |
| 解析图表 | chart |
快速使用
python scripts/ms_qwen_vl.py image.jpg
python scripts/ms_qwen_vl.py image.jpg --task ocr
python scripts/ms_qwen_vl.py image.jpg --task ask --question "图片里有什么？"
python scripts/ms_qwen_vl.py image.jpg --task describe --precise
Python 代码调用：
from scripts.ms_qwen_vl import analyze_image
result = analyze_image("image.jpg", task="ocr")
print(result)
任务类型
| 任务 | 参数 | 说明 |
|---|
| 图像描述 | describe | 详细描述图片内容（默认） |
| OCR 识别 | ocr | 识别图片中的文字 |
| 视觉问答 | ask | 回答关于图片的问题 |
| 目标检测 | detect | 检测图片中的物体 |
| 图表解析 | chart | 解析图表数据 |
环境变量
| 变量名 | 说明 |
|---|
MODELSCOPE_API_KEY | API 密钥（必需） |
MODELSCOPE_MODEL | 默认模型（可选） |
MODELSCOPE_MODEL_PRECISE | 精细模式模型（可选） |
Resources
scripts/
ms_qwen_vl.py - 核心解析脚本，提供 analyze_image() 统一接口
references/
api-guide.md - OpenAI SDK 兼容调用方式详细说明
models.md - Qwen3-VL 系列模型及推荐使用场景
