vision

name	vision
description	让无视觉能力的模型（如 deepseek-v4-flash）也能看图：把用户提供的图片发给视觉模型 API（默认 mimo-v2.5-free），返回文字描述。用户发送图片/截图或询问图像内容时使用。

Vision（识图技能）

本技能解决：主模型（如 deepseek-v4-flash）没有视觉输入能力，无法直接"看"图片。

何时使用

• 用户发送图片文件、截图、或粘贴的图片
• 用户问"这张图里是什么 / 帮我看看这个截图 / 这个 UI 怎么样"
• 任何需要理解图像内容的场景

怎么用

运行（需要 node）：

node "<本 SKILL.md 所在目录>/vision.mjs" <图片路径或文件名> [更多...] [--prompt "具体问题"] [--model mimo-v2.5-free]

把脚本返回的文字描述当作"看到的画面"，整合进你的回答。

识别粘贴的图片（重要）：主模型收不到用户粘贴的图片，但各 AI 工作台都会把图片以 base64 data URL 存到本地。脚本按「磁盘文件 → opencode → codex → reasonix」自动探测（可用 --source 指定），找到后直接复用数据库里的 base64 发请求，不落盘、不恢复成文件：

工作台	图片存储位置	匹配
opencode	~/.local/share/opencode/opencode.db 的 part 表（type:"file", mime:"image/*"）	可按文件名精确匹配
codex	~/.codex/sessions/.../rollout-*.jsonl（input_image/image_url data URL）	最近一张
reasonix	%AppData%\reasonix（Win）/ ~/.config/reasonix（Linux,macOS）/ ~/.reasonix（旧版）的会话 jsonl	最近一张

WSL 环境自动兼容 /mnt/c/Users/<用户> 下的对应目录。找不到时脚本会给出明确警告。

自动清理：

• opencode：识别成功后默认自动删除数据库里的图片记录（减少占用，但该条会话回放会丢失图片）；--keep-db 可保留
• codex / reasonix：会话为 jsonl 行式记录，删除会破坏回放，故只读不删

默认配置

• 自动降级阶梯（默认免费优先，限流/失败依次降级，最后 go 套餐兜底）：

  1. mimo-v2.5-free @ https://opencode.ai/zen/v1（免费）
  2. mimo-v2.5 @ https://opencode.ai/zen/go/v1（go 套餐兜底）

  任一步返回非 200 或网络错误会自动尝试下一步，直到成功或耗尽。--model/--api 指定后作为阶梯起点（其后默认项自动补全）；环境变量 VISION_LADDER="model@api,model@api,..." 可完全自定义阶梯。

  免费线路识图模型实测（2026-08-14 复核）：免费线路真正能识图的模型只有 mimo-v2.5-free 一个。hy3-free 虽返回 200 但会静默忽略图片（回复"没有收到图片附件"），nemotron/laguna/deepseek 系列免费模型直接 400 不支持图片输入——均不可用于识图，已从阶梯移除。

• API Key 来源（自动，按优先级）：

  1. 环境变量 VISION_API_KEY
  2. 环境变量 OPENCODE_API_KEY
  3. 回退读取 opencode 登录态的 auth.json（~/.local/share/opencode/auth.json 中的 opencode-go key）

同一把 opencode key 即可访问 Zen 免费线路（已验证 opencode-go 的 key 可直接用于 https://opencode.ai/zen/v1）。

安全规则（不可违反）

• 只把用户明确给出的图片发往视觉 API，绝不扫描、上传无关文件
• 脚本零依赖，只做"取图片 base64 + 一个 HTTP POST + 打印结果"
• 查库默认只读；仅识别成功后按上面的清理策略删除（opencode 记录），--keep-db 可保留
• 不打印、不写盘、不展示 API Key
• 图片超过 8MB 会提示，但可继续

常用可选模型（--model 覆盖）

• mimo-v2.5-free（默认，免费）
• mimo-v2-omni（还支持 audio/pdf）
• qwen3.7-plus / qwen3.6-plus / qwen3.5-plus（阿里系多模态）
• kimi-k2.5 / kimi-k2.6 / kimi-k3（Kimi 多模态）
• 更换 API 可用 --api <URL>（OpenAI 兼容端点）

示例

node "...\vision.mjs" image.png --prompt "这个界面是什么软件？指出所有按钮和报错信息"     # 自动定位粘贴图，opencode 记录识别后删除
node "...\vision.mjs" image.png --keep-db                                                # 保留 opencode 数据库记录
node "...\vision.mjs" image.png --source opencode                                         # 只从 opencode 找
node "...\vision.mjs" C:\Users\me\Pictures\截图1.png --prompt "描述这张图"               # 读取磁盘文件
node "...\vision.mjs" a.png b.png --prompt "对比这两张图的差异"