1 Deepseek 很给力，但有个缺陷
这次 Deepseek 很给力啊，价格便宜，加上这次 V4-Flash 正式版发布，性能又是一大提升。而且 据OpenCode 团队披露，Deepseek V4-Flash 在它这个平台单日 Token 消耗达到了8 万亿，创单日历史纪录。
但它有一个唯一的缺陷：它是一个纯文本的模型，不能识图。
但是对于编程开发、Bug 修改、UI 识别等情况下，识图就很重要了。毕竟在这些场景下通过纯文字描述去处理不是很方便，如果能直接通过截图，它能理解的话，那就方便快捷，效率能提升不少。
2 开源识图 Skill：Claude Vision
这里就介绍一个开源的识图 Skill——claude-vision-skill。不要看它本身是给 Claude 使用的，没关系，它可以安装到任何 Agent，Agent 会自动去适配。
https://github.com/asuojun/claude-vision-skill
— Skill 仓库页面
这个 Skill 主要是让没有识图能力的模型获得识图能力。
原理：通过把图片发给有识图能力的模型，然后用文字描述返回，接着 Deepseek 获取这个文字描述进行处理，所以需要配置一个识图的模型。
内置推荐千问（qwen3.5-omni-plus、qwen-vl-max）：阿里云百炼，因为新用户 100 万 Token 免费，约 0.02 元/次。
— 内置推荐千问模型
也可以用其他支持 OpenAI 兼容格式的识图模型。
3 如何安装与配置
如何安装？这个很简单，直接把仓库地址丢给 Codex就可以，它会帮你进行安装配置。
— 将仓库地址交给 Codex 自动安装
默认用的是阿里千问的识图模型（qwen3.5-omni-plus），新用户 100 万 Token，差不多可以用7000 次左右的识图。
获取阿里千问 API Key，进入阿里千问工作台，创建 API Key，复制输入即可。
https://platform.qianwenai.com/home/api-keys
— 阿里千问工作台创建 API Key
4 安装成功，实测效果
安装成功之后，就可以直接使用了。
— 安装成功即可使用
测试一下，我现在让它识别一下这张图里的内容。
— 测试识别的图片
效果如下，识别的内容完全对得上。
— 识别结果完全匹配
这下就给 Deepseek 装上了“眼睛”，让它也有了识图能力，效率又提升了一个档次。
总结
通过开源 Skill 给 Deepseek 补上识图能力，成本极低、效果立竿见影。从此编程、调试、UI 识别都能直接上图说话，让纯文本模型真正“看见”世界。