DeepSeek 没有图片识别功能？自己给它加一个

2026年8月10日·#AI使用DeepSeek/OpenCode/ClaudeCode/视觉识别/教程·1207 字 6 分钟

浏览量加载中...

AI 摘要

DeepSeek 是纯文本模型看不了图，用 OpenCode Go 订阅里支持视觉的 qwen3.6-plus 模型，写一个脚本 + 配一个 Skill，让 AI 编码工具自动获得图片识别能力。

写在前面#

用 DeepSeek 跑 Claude Code 写代码很爽，但有个尴尬：DeepSeek 是纯文本模型，看不了图片。

发一张报错截图过去，它只会说”请描述一下图片内容”——报错截图、设计稿、流程图全都识别不了。

其实不用换模型——给 DeepSeek 外挂一个视觉能力就行：用你订阅里支持视觉的模型做”眼睛”，DeepSeek 继续做”大脑”。

这篇文章分享我的完整方案：一个脚本 + 一个 Skill，让 Claude Code 自动获得图片识别能力（实测可用）。

原理#

DeepSeek 看不了图，但 OpenCode Go 订阅里有些模型支持视觉。实测结果：

模型	图片识别
qwen3.6-plus	✅ 支持（实测准确）
minimax-m3	✅ 支持
GLM-5.2 / MiMo / Hy3 / DeepSeek	❌ 在 Go 上是文本版

所以方案是：

1
用户发图片
2
    ↓
3
Claude Code 收到图片 → 自动加载 Skill → 知道用哪个脚本
4
    ↓
5
vision 脚本把图片转 base64，发给 qwen3.6-plus（OpenCode Go API）
6
    ↓
7
识别结果返回给 Claude Code，继续和 DeepSeek 配合干活

DeepSeek 还是主力模型，视觉识别交给 qwen3.6-plus——各干各的。

第一步：写视觉识别脚本#

创建一个 vision.mjs（放项目 scripts/ 目录）：

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）");

在 .env 里配置：

1
OPENCODE_API_KEY=你的 OpenCode Go API Key

第二步：测试脚本#

1
node scripts/vision.mjs 报错截图.png "提取这个截图里的所有错误信息"

能正常返回识别结果就成功了。

第三步：配置 Claude Code Skill（关键）#

让 Claude Code 自动用这个脚本——不需要每次手动告诉它。在全局 skills 目录创建 image-vision/SKILL.md：

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

重启 Claude Code 后，Skill 生效。之后：

1
你：发一张报错截图 + "看看这个"
2
Claude Code：自动识别 → 提取错误 → 结合代码给解决方案

实测效果#

我实际用下来：

✅ 发报错截图 → 自动提取错误信息 → 直接定位代码问题
✅ 发配置界面截图 → 自动读取配置内容 → 判断配置对错
✅ 发图片描述需求 → 准确识别内容
DeepSeek 继续负责写代码、推理——视觉和大脑分工明确

注意事项#

⚠️ API Key 别泄露：放 .env（gitignore），不要提交到仓库
⚠️ 模型选择：qwen3.6-plus 实测支持视觉；GLM-5.2/MiMo 在 OpenCode Go 上是文本版（模型本身支持视觉，但 Go 的中转没开图片输入）
⚠️ 图片格式：本地文件自动转 base64 最稳；图床 URL 可能被中转下载失败，优先用本地路径
💡 想换视觉模型：改脚本里 MODEL 或环境变量 OPENCODE_MODEL