智能体视觉工具箱
wangyang10/image-vision · 技能
image-vision 让没有视觉能力的模型（如 DeepSeek 等纯文本模型）也能"看图"：自动调用 OpenAI 兼容的识图模型 API（OpenRouter、SiliconFlow、智谱、Kimi、通义千问、 本地 Ollama 等），完成图片描述、问答、OCR 等任务。
★ 8GitHub 星标
0分支
2026-08-14最近更新
JavaScript开发语言
MIT许可证
主要功能
- 当前模型不具备视觉能力时，自动调用识图 API 读取图片
- 一个仓库，多个 Agent 宿主同一套技能逻辑分别以标准 skill 和宿主插件的形式 提供给 Codex、Claude Code、DeepSeek Harness（DSH）等使用。
- skills/image-vision/scripts/vision_query.py（Python）与 dsh-image-vision/lib/（JS 移植）是同一套逻辑的两份实现，改动预处理/API 行为时需同步两边。
- 支持本地图片、http(s) URL、data URL
- 支持多图对比
安装命令
dsh plugin --profile web add github:wangyang10/image-vision