Vision d'Image (Modèles de Vision Alibaba)

VérifiéPrudence

Utilisez ce skill pour analyser des images avec les modèles de vision d'Alibaba Cloud. Envoyez le chemin de l'image pour obtenir une description en chinois.

Spar Skills Guide Bot
Data & IADébutant
22/07/2026
Claude Code
#image-analysis#vision-model#dashscope#multimodal#python-script

Recommandé pour

Synthèse automatique

Ce skill fait appel à un script Python (eyes.py) qui envoie une image aux modèles vision d'阿里云百炼 (DashScope) et renvoie une description textuelle en chinois, permettant à un modèle principal non multimodal de raisonner sur le contenu de l'image.

Points forts

  • Comble une lacune précise : permet à un modèle sans vision native de traiter des images via un modèle Qwen externe
  • Le passage de la question exacte de l'utilisateur en paramètre --prompt améliore nettement la pertinence de la description
  • Documentation honnête avec un tableau comparatif réel des trois modèles (détail, texte détecté, erreurs de couleur)
  • Le flag --high-res est activé par défaut pour maximiser la précision sur le texte et les détails

Limites

  • La description renvoyée est en chinois, ce qui peut nécessiter une reformulation pour un utilisateur francophone ou anglophone
  • Dépend d'une clé API DASHSCOPE_API_KEY et du paquet dashscope installés, ainsi que d'un accès réseau à DashScope
  • Analyse en un seul passage : pas d'itération interactive sur des zones précises de l'image, seulement du texte descriptive
Quand l'utiliser

À utiliser dès que l'utilisateur partage une image que le modèle courant ne peut pas afficher ou demande une description, une analyse ou une lecture de texte dans une image.

Quand l'éviter

À éviter si l'utilisateur a besoin d'une réponse en français ou en anglais directement issue de la vision, ou si aucune clé API DashScope n'est disponible.

Analyse de sécurité

Prudence
Score qualité72/100

The skill is a straightforward network wrapper: it runs a bundled Python script to send an image to DashScope's vision API and returns a text description. There are no destructive commands, no credential exfiltration beyond using the API key for its intended service, no obfuscated payloads, and no safety-disabling instructions. The main risks are inherent to its purpose — sending potentially sensitive image data to a third-party cloud API — and the fact that the underlying script is not auditable from this file, which warrants 'caution' rather than 'safe'.

Points d'attention
  • •Skill routes user-supplied images to a third-party cloud service (阿里云百炼/DashScope) via the network, so image contents leave the local machine — a privacy consideration users should be told about
  • •Requires a DASHSCOPE_API_KEY environment variable and depends on a bundled eyes.py script that is not included in the SKILL.md, so the actual code path (base64 encoding, request handling) cannot be verified from this document alone
  • •Instructs executing a local Python script with a user-controlled image path and prompt string (minor shell-injection/quoting surface if paths are unquoted, but invoked with explicit quoting in the example)
Comment cette analyse est faite

Exemples

Describe a shared image
I just pasted a screenshot but it shows as [Unsupported Image]. Can you tell me what's in it?
Read text from a diagram
Analyze ~/Downloads/architecture-diagram.png and list every label and arrow you can find.
Identify an artwork
What painting is in this image? Who is the artist and what year is it from?

name: deepseek-eyes description: "Use when the user shares an image that Claude can't natively see, or when the user asks to analyze/describe/understand an image. Route every image through this skill — send the image path to eyes.py, which calls a vision model (default qwen3-vl-plus) via 百炼 DashScope and returns a Chinese text description. Then answer the user's question based on that description."

Image Vision (阿里云百炼 Vision Models)

Overview

This skill bundles a Python script (eyes.py) that sends an image to 阿里云百炼 (DashScope)'s vision models and returns a detailed Chinese text description. Use this whenever the user wants help with an image.

Background: The current model (DeepSeek V4 Pro) cannot natively see images. This skill bridges that gap by routing images through Qwen series vision models — the vision model does the seeing, and the text description is fed back into the conversation so the main model can reason about the image content.

When to use

  • User sends an image that the current model can't display (shows as [Unsupported Image])
  • User asks "what's in this image?", "describe this picture", "analyze this screenshot"
  • User provides an image path and wants help understanding it

How to use

Step 1: Run the script

Always use qwen3-vl-plus --high-res. I can't see the image before running the model, so there's no way to "pick the right model" — just use the best one every time.

Always pass the user's exact question as --prompt:

python ~/.claude/skills/deepseek-eyes/eyes.py "<image_path>" \
  --prompt "<用户的具体问题>" \
  --model qwen3-vl-plus --high-res

Only switch to qwen3.6-flash if the user explicitly asks for speed over accuracy.

Step 2: Read the output and answer

The script prints the description to stdout. Read it directly from the command output and answer the user's question about the image based on that description.

Prerequisites

  • pip install dashscope (already installed globally)
  • DASHSCOPE_API_KEY environment variable must be set
  • New 百炼 users get free quota — no payment needed to try

Available Models

| Model | Use case | Precision | Speed | |-------|----------|-----------|-------| | qwen3-vl-plus (default) | Always use unless you need speed. Photos, diagrams, small text, detailed scenes. Identifies artworks, authors, hidden text. | ★★★ | ★★ | | qwen3.6-plus | Legacy flagship. Use when vl-plus is unavailable. | ★★ | ★★ | | qwen3.6-flash | When you just need a quick look. Simple photos, casual use. Not for precision work — can misidentify colors. | ★ | ★★★ |

Real test comparison (complex illustration, all with --high-res):

| | qwen3-vl-plus | qwen3.6-plus | qwen3.6-flash | |---|---|---|---| | Output detail | ~1200 words | ~500 words | ~400 words | | Text found | "LOVE" on balloon | none | none | | Artwork identified | WLOP "The Sky Garden" 2018 | no | no | | Color errors | none | none | rainbow slide → "yellow" |

Options

| Flag | Description | |------|-------------| | --model | Switch to qwen3.6-flash for speed, or qwen3.6-plus if vl-plus is unavailable | | --prompt | Always pass the user's exact question. Targeted questions dramatically outperform the generic default. | | --file-url | Use file:// URL instead of base64 | | --high-res | Always on for best results. Negligible speed cost, significant accuracy gain for text and detail. |

Notes

  • Always qwen3-vl-plus --high-res. I can't preview the image, so use the best model every time. Only switch to flash if the user asks for speed.
  • Description prints to stdout, read it directly from the command output.
  • Description prints to stdout, read it directly from the command output.

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/image-vision-alibaba-cloud-vision-mrwakfea/download' --output '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md.part' && mv '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md.part' '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Extrait original : Prerequisites
  • pip install dashscope (already installed globally)
  • DASHSCOPE_API_KEY environment variable must be set
  • New 百炼 users get free quota — no payment needed to try

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md' && test -s '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/deepseek-eyes' && cp -R '.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea' '.claude/skills/deepseek-eyes'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea'

openskills read 'image-vision-alibaba-cloud-vision-mrwakfea'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/image-vision-alibaba-cloud-vision-mrwakfea/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires