我用一个 skill 把视觉活外包了
内容提要
作者介绍了一种解决AI模型不支持多模态图片识别的方法：通过skill调用外部多模态模型API，将识别结果返回给当前会话模型。整个流程对用户无感，代码包含SKILL.md和analyze_image.py两个文件，兼容OpenAI和Anthropic格式，搭配阿里百炼qwen3.7-plus效果良好，并已开源在GitHub上。
延伸解读
Skill 的本质与局限
作者指出，skill 本质上是一份 Markdown 说明书，本身不会运行在其他模型上，真正执行的是当前模型。这意味着 skill 的能力受限于当前模型能否调用外部工具（如 Python 脚本）来访问 API。因此，设计 skill 时需确保当前模型能理解并执行调用外部多模态模型的步骤，否则无法实现图片识别。
架构设计：无感桥接
该方案通过 skill 调用外部多模态模型 API，将识别结果返回给当前会话模型，整个过程对用户无感。这种桥接方式允许在不更换当前模型的情况下扩展其能力，适用于模型不支持多模态但需要图片识别的场景。实现上仅需两个文件（SKILL.md 和 analyze_image.py）及配置文件，降低了集成门槛。
兼容性与实践建议
代码兼容 OpenAI 和 Anthropic 两种 API 格式，增加了适用性。作者推荐搭配阿里百炼的 qwen3.7-plus，效果良好。对于有类似需求的用户，可参考开源代码进行部署。但需注意，实际效果可能因所选多模态模型和 API 配置而异，建议根据自身需求调整。
Q&A
如何在不更换当前AI模型的情况下实现图片识别？
通过创建一个skill，调用外部多模态模型的API来识别图片，并将识别结果返回给当前会话模型。这样当前模型无需支持多模态，也能完成图片识别任务。
deepseek-v4-flash模型支持图片识别吗？
deepseek-v4-flash模型本身不支持多模态图片识别，但可以通过调用外部多模态模型API来间接实现。
这个图片识别方案需要哪些文件？
需要两个文件：SKILL.md（告诉模型何时使用及如何使用）和analyze_image.py（负责调用API），配置放在config.json中。
这个方案兼容哪些API格式？
兼容OpenAI格式和Anthropic格式的API。
作者推荐搭配哪个多模态模型使用？
作者推荐搭配阿里百炼的qwen3.7-plus，效果非常不错。
这个图片识别方案的开源代码在哪里可以找到？
代码已开源在GitHub上，地址为：https://github.com/anghunk/image-analysis-fallback，也可以通过指令git clone https://github.com/anghunk/image-analysis-fallback.git ~/.zcode/skills/image-analysis-fallback下载。
