Claude Code视觉桥接方案：全程Agent自动化执行

在 Claude Code 中集成 DeepSeek 时，您会发现该模型并不具备图像识别能力。一旦遇到图片内容，它便会“失明”——无法解读错误截图，也无法分析设计稿。这在日常开发工作中无疑是一大痛点。 解决方案其实非常直接：利用 Kimi Vision API 作为“翻译官”搭建桥梁。当 DeepSeek 遇到图片时，它会触发一个脚本，将图片转化为文字描述，随后即可继续处理任务。成本方面，我使用的是 Kimi 的视觉模型，每张图片大约只需 0.012 元，性价比极高。 ## 背景 在 Claude Code 中接入 DeepSeek 模型时，该模型缺乏视觉识别功能。 一旦面对图片，它便无法理解报错界面或设计稿件，形成“视觉盲区”。 ## 解决思路 通过 Kimi Vision API 进行桥接，DeepSeek 在处理图片时按如下流程运作：触发脚本 → 获取文字描述 → 继续任务。 成本估算：使用 Kimi 视觉模型，每张图片约 0.012 元，经济实惠。 ## 第一步：部署脚本 将以下提示词提供给任意 AI Agent，由其自动生成脚本。请注意确认您使用的视觉模型厂商——本例以 Kimi 为例（提示词中已指定“查询 Kimi 的视觉模型”），若您选用其他厂商，请相应修改厂商名称。 ### 提示词 ``` 帮我写一个 Python 脚本：describe_image.py 功能： - 接收两个参数：图片路径、描述要求（文本） - 返回图片的文字描述 - 查询 Kimi 的视觉模型，调用它 API 来处理这个图片识别功能 要求： - 使用 uv run 执行，自动安装依赖 - API 调 OpenAI 兼容格式，base_url 是 https://api.moonshot.cn/v1 - 环境变量 MOONSHOT_API_KEY 读取 Key - 图片转 base64 嵌入请求 - 返回模型的回复内容 脚本保存到 ~/.claude/describe_image.py，并添加好执行权限 ``` ### 配置环境变量 在 `~/.zshrc` 文件中添加以下行： ``` export MOONSHOT_API_KEY="你的Kimi Key" ``` 执行 `source ~/.zshrc` 使配置立即生效。 ### 验证 执行以下命令进行测试： ``` ~/.claude/describe_image.py /tmp/screenshot.png "描述这张图" ``` ## 第二步：配置 CLAUDE.md 接着，将以下配置内容发送给 AI Agent： ``` 请在全局 `~/.claude/CLAUDE.md` 配置补充如下内容： ## 图片识别 如果你无法识别图片，立即调用： $ uv run ~/.claude/describe_image.py <图片路径> "描述要求" 例如：uv run ~/.claude/describe_image.py /tmp/image.png "描述一下这张图片，关注里面报错信息内容" 拿到描述后直接带入上下文继续工作，不需要告诉用户"我无法看图" ``` ## 第三步：授权该脚本免确认执行 最后，向 Agent 发送指令： ``` 请全局配置，后续调用该图片识别脚本时无需确认 ``` 完成上述配置后，DeepSeek 便具备了“看图”能力——当遇到视觉信息时，它会自动调用脚本将图片转换为文字描述，并继续执行任务，全程无需用户干预。该方案部署迅速、成本低廉，是目前非常实用的桥接解决方案。