1
// 视觉识别脚本：调用 OpenCode Go 的 qwen3.6-plus 视觉模型
2
// 用法：node scripts/vision.mjs <图片路径或URL> [问题]
3
import { readFileSync, existsSync } from "node:fs";
4
import { basename, extname, join } from "node:path";
5

6
// 自动从项目 .env 读取配置
7
function loadEnv() {
8
  const envPath = join(process.cwd(), ".env");
9
  if (!existsSync(envPath)) return;
10
  for (const line of readFileSync(envPath, "utf8").split("\n")) {
11
    const m = line.match(/^([A-Z_]+)=(.*)$/);
12
    if (m && !process.env[m[1]]) process.env[m[1]] = m[2];
13
  }
14
}
15
loadEnv();
16

17
const API_KEY = process.env.OPENCODE_API_KEY;
18
const BASE_URL = "https://opencode.ai/zen/go/v1";
19
const MODEL = process.env.OPENCODE_MODEL || "qwen3.6-plus";
20

21
const args = process.argv.slice(2);
22
const imageInput = args[0];
23
const question = args[1] || "请识别这张图片的内容，并尽可能详细地描述。";
24

25
// 图片转 base64 data URL
26
async function buildImageContent(input) {
27
  if (/^https?:\/\//.test(input)) {
28
    return { type: "image_url", image_url: { url: input } };
29
  }
30
  const ext = extname(input).toLowerCase().replace(".", "");
31
  const mime = ext === "jpg" || ext === "jpeg" ? "image/jpeg"
32
    : ext === "webp" ? "image/webp" : "image/png";
33
  const b64 = readFileSync(input).toString("base64");
34
  return { type: "image_url", image_url: { url: `data:${mime};base64,${b64}` } };
35
}
36

37
const imageContent = await buildImageContent(imageInput);
38
const res = await fetch(`${BASE_URL}/chat/completions`, {
39
  method: "POST",
40
  headers: { "Content-Type": "application/json", Authorization: `Bearer ${API_KEY}` },
41
  body: JSON.stringify({
42
    model: MODEL,
43
    max_tokens: 2048,
44
    messages: [{
45
      role: "user",
46
      content: [
47
        { type: "text", text: question },
48
        imageContent,
49
      ],
50
    }],
51
  }),
52
});
53
const data = await res.json();
54
console.log(data.choices?.[0]?.message?.content || "（无输出）");

1
---
2
name: image-vision
3
description: 图片识别。当用户发送图片、提到图片/截图/照片内容、
4
需要读取图片中的文字（OCR）、识别报错截图、或消息中图片显示为
5
[Unsupported Image] 时使用。自动定位图片路径并调用视觉模型识别。
6
---
7

8
# 图片识别（视觉模型）
9

10
## 何时使用
11
用户发送图片/需要识别图片内容时自动触发。
12

13
## 调用方式（脚本位置固定，无需每次询问用户）
14
node scripts/vision.mjs <图片路径> "<要识别的内容/问题>"
15

16
## 图片路径获取
17
1. 消息里 [Image: source: <路径>] 给出的路径
18
2. Claude 的 image-cache 目录（最近接收的图片）
19
3. 用户明确给出的路径
20
4. 询问用户