Free Vision Skill 👁️

给没有视觉能力的模型，装上一双按需调用的眼睛。
A low-token visual evidence compiler for text-only coding agents.

🎯 为什么需要它？

问题： DeepSeek-V4-Flash、Claude Code CLI 等文本模型无法直接读取图片，但经常需要分析截图、UI、图表等视觉内容。

传统方案： 把图片交给视觉模型，生成 2000-5000 tokens 的长描述 → 主模型处理

• ❌ Token 消耗高
• ❌ 无关描述多
• ❌ 上下文污染
• ❌ 视觉模型越权推理

Free Vision Skill 的方案：

graph LR
    A[图片] --> B[视觉提取]
    B --> C[VEP/1 证据包]
    C --> D[主模型推理]
    style C fill:#7ee787,color:#07090c
    style D fill:#0d1116,color:#e6edf3

核心价值：

• ✅ 90-95% Token 节省（50-150 tokens vs 2000-5000）
• ✅ 视觉模型只负责看见，主模型继续负责思考
• ✅ 强制触发检测 — 模型无法读图时自动触发，不再误诊为"图片损坏"

⚡ 快速开始

安装

# 方式 1：推荐（npx + skills CLI）
npx skills add lora-sys/free-vision-skill

# 方式 2：npm 全局安装
npm install -g free-vision-skill

# 方式 3：克隆运行
git clone https://github.com/lora-sys/free-vision-skill.git
cd free-vision-skill && npm install

配置

# 中国用户
echo "ZHIPU_API_KEY=你的key" >> .env
echo "VISION_PROVIDER=auto" >> .env
echo "VISION_REGION=cn" >> .env

# 全球用户
echo "OPENROUTER_API_KEY=你的key" >> .env
echo "VISION_PROVIDER=auto" >> .env
echo "VISION_REGION=global" >> .env

详细配置： 配置指南

使用

# 基础用法
free-vision see --image ./error.png --question "只提取错误信息和行号"

# 指定 Provider
free-vision see --image ./chart.png --provider openrouter --question "返回图表标题和三个关键值"

# 自动裁剪（减少图片大小 50-90%）
free-vision see --image ./screenshot.png --auto-crop --question "提取 UI 问题"

# JSON 输出（用于解析）
free-vision see --image ./invoice.png --json --question "提取发票金额和日期"

更多用例： 使用场景指南

🎬 效果演示

Token 对比

VEP 输出示例

字段说明：

• src — Provider 和模型
• m — 任务模式（error / ocr / ui / chart）
• a — 直接答案
• t — OCR 文本
• e — 可见错误
• c — 置信度（0-1）

详细协议： VEP 规范

✨ 核心特性

详细文档： 核心特性详解

🌍 支持的 Provider

🇨🇳 中国优先

🌍 全球

完整列表： Provider 指南

🧪 测试状态

详细测试报告： 测试状态

📖 文档导航

🚀 快速上手

• 快速开始 — 5 分钟上手
• 安装指南 — 多种安装方式对比
• 配置指南 — API Key 配置

💡 核心文档

• VEP 协议 — Visual Evidence Packet 规范
• 架构设计 — 系统设计
• 使用场景 — 常见场景示例
• Token 经济学 — Token 对比分析
• 为什么需要它 — 解决的问题

🛠️ 集成

• Agent 集成 — Claude Code / Codex / OpenCode
• Provider 配置 — 13 个 Provider 对比
• Claude Code Hook — Hook 配置

🔒 安全与性能

• 安全策略 — 威胁模型和防护
• 性能优化 — 缓存 + 并发 + 降级
• FAQ — 常见问题

📋 开发

• 贡献指南 — 如何贡献
• 路线图 — 未来计划
• Changelog — 版本历史

🤝 贡献

欢迎提交：

• ✅ 新 Provider（需官方文档）
• ✅ VEP 压缩改进
• ✅ 本地模型支持（Ollama 等）
• ✅ Windows Keychain 支持

不接受：

• ❌ 匿名代理或逆向工程 API
• ❌ 无官方文档的 Provider

详见 贡献指南

📄 License

MIT © 2026 lora-sys

详见 LICENSE

🙏 致谢

感谢以下开源视觉模型和 API 提供商：
智谱 AI · 阿里 ModelScope · OpenRouter · Groq · Google Gemini · Mistral AI · Cohere · Cloudflare Workers AI · Ollama · SambaNova · NVIDIA NIM