Adaptive Vision Skill — Development skill for Claude Code

Adaptive Vision

Claude Code 技能：以原生视觉优先、外部 VLM 回退的策略，分析理解本地或远程图片。

概述

Adaptive Vision 是一个 Claude Code 技能，让 Claude 能够理解图片内容——截图、图表、扫描页、照片等。它遵循 **native-vision-first** 策略：

1. auto（默认）：先尝试宿主（Claude）的原生视觉能力；仅在原生显式失败且授权外部传输后，才回退到外部 VLM。
2. native：仅使用原生视觉，绝不向外部服务发送图片。
3. fallback：跳过原生探测，直接使用外部 VLM（需授权）。

外部 VLM 通过 OpenAI 兼容的 `chat/completions` API 调用（默认适配阿里云 DashScope 通义千问）。

安装

前置条件

• Node.js ≥ 18
• Claude Code

安装技能

# 克隆仓库到 Claude Code 技能目录
mkdir -p ~/.claude/skills
git clone https://github.com/Cx330xu/adaptive-vision-skill.git ~/.claude/skills/adaptive-vision-skill

或者手动复制整个目录到 `~/.claude/skills/adaptive-vision-skill/`。

注册技能

在 Claude Code 设置中注册技能（如果未自动发现），或在 `.claude/settings.json` 中添加：

{
  "skills": {
    "adaptive-vision-skill": {
      "path": "~/.claude/skills/adaptive-vision-skill"
    }
  }
}

配置

复制 `.env.example` 为 `.env` 并按需修改：

cp .env.example .env

配置项

变量	必需	默认值	说明
VISION_MODE	否	auto	模式：auto / native / fallback
VISION_ALLOW_EXTERNAL	视模式而定	false	设为 true 允许自动回退到外部 VLM
VISION_BASE_URL	使用外部 VLM 时	—	OpenAI 兼容 API 地址
VISION_API_KEY	使用外部 VLM 时	—	API 密钥
VISION_MODEL	使用外部 VLM 时	—	模型名称
VISION_TIMEOUT_MS	否	45000	请求超时（毫秒）
VISION_MAX_TOKENS	否	2048	最大输出 token 数

兼容旧 DashScope 配置

如果你之前使用 DashScope 配置，以下变量也会被识别（优先级低于上方的 `VISION_*` 变量）：

• DASHSCOPE_BASE_URL
• DASHSCOPE_API_KEY
• DASHSCOPE_MODEL

使用

配置完成后，在 Claude Code 中直接发送图片或提及图片路径即可：

请分析这张截图中的错误信息

C:\Users\xxx\screenshot.png 这张图表说明了什么？

也可以通过 `/` 显式调用：

/adaptive-vision-skill 描述这张图片的布局和主要内容

模式选择

在对话中指定模式：

用 native 模式看这张图
用 fallback 模式分析这张照片

安全与隐私

• native 模式：图片仅发送给当前模型宿主，绝不外传。
• auto 模式：只有在原生能力显式失败、且 VISION_ALLOW_EXTERNAL=true 时，才会将图片发送到配置的外部服务。
• **`fallback