sunfmin claude-qwen-vision — 给盲模型补上视觉
会话模型看不到图片（盲，如 DeepSeek）时，用 mytokens 里的 qwen3.8-max 把图片转成
文本，模型基于文本继续回答——相当于给模型补上一只眼睛。在线服务不可用（额度耗尽、
断网、没配 mytokens）时，qwen_vision.py 自动回退到本地 Qwen3-VL（MLX，模型在
HuggingFace cache 里，离线可用），调用方无需区分。
分支：图从哪来
| 来源 | 处理 |
|---|---|
| prompt 里的图片路径（「图片在 /path/x.png」） | 直接跑 qwen_vision.py 转文本 |
粘贴进终端的图（[Image #N]） |
hook 已装 → 描述已注入（【claude-qwen-vision】…），直接用；未装 → 请用户把图存成文件给路径 |
| 拿不准模型是否盲 | check_vision.py 判定：VISION → 能看图，无需本 skill；NO_VISION_SILENT → 盲，用本 skill；NO_VISION_HARD → 图会让整轮失败，粘贴的图救不了，只能走路径 |
步骤
确认用户消息里有图，且模型是盲的（上面分支表）。
跑脚本把图转成文本——脚本是自包含的，从任意 cwd 都能跑，不需要 cd 进脚本目录：
uv run --no-project ~/.claude/skills/claude-qwen-vision/scripts/qwen_vision.py \ /path/to/image.png [更多路径...] \ --prompt "<用户真正想问的问题，例如：这张截图里的报错是什么？逐字读出报错信息>"多张图一次传入，输出按
图1：图2：分段。输出保证：成功时 stdout 一定有内容；qwen 返回空文本、响应被截断、文件或网络出错，脚本都 向 stderr 报错并以非零码退出——不会静默输出空行。遇到「没内容」的返回请按 stderr 的提示重试。
在线不可用时自动回退本地：mytokens 缺失 / 凭证失败 / 网络错误 / qwen 返回空文本 / 额度耗尽（429），脚本自动改跑本地 Qwen3-VL（stderr 有
改用本地模型提示，stdout 仍是 图片描述）。默认用 30b，--local-model 8b换更快的 8b；--no-local-fallback关闭回退。以 qwen 的文本输出为图片的真实内容，直接、完整地回答用户的问题。
完成标准：回答建立在 qwen 的文本输出之上（不再有「看不到图」这类话），用户的问题 被完整回答。
脚本（skills/claude-qwen-vision/scripts/）
| 脚本 | 作用 |
|---|---|
qwen_vision.py |
图片（路径或 --base64）→ qwen3.8-max → 文本；--account paygo 切换账号；在线不可用自动回退本地 |
qwen_vision_local.py |
离线回退：本地 Qwen3-VL（MLX，HF cache 直接加载，不发网络请求）；--model 30b|8b |
check_vision.py |
判定模型是否盲（已知模型走环境变量快速路径，未知模型探测一次并缓存） |
user_prompt_hook.py |
UserPromptSubmit hook：粘贴的图自动转文本注入（内部机制见脚本 docstring） |
install-hook.sh |
把 hook 合并进 settings.json（幂等，改前备份） |
本地模型
本地回退用的是 HF cache 里的 MLX 版 Qwen3-VL（~/.cache/huggingface/hub/）：
--local-model |
repo | 备注 |
|---|---|---|
30b（默认） |
mlx-community/Qwen3-VL-30B-A3B-Instruct-4bit | 质量最好，M4 Pro 实测加载 ~5s |
8b |
mlx-community/Qwen3-VL-8B-Instruct-8bit | 更省内存 |
模型在 cache 里缺失时自动退到另一个；两个都没有则明确报错并给出 repo。本地模型
由 uv run 按 PEP 723 声明装 mlx-vlm 后运行，依赖已在本地 uv 缓存。
限制
- NO_VISION_HARD 的模型：粘贴的图会让整轮 400 失败，只能走文件路径。
CLAUDE_CONFIG_DIR指向别处（如~/.csk）的会话：skill 和 hook 要分别装。- 凭证一律运行时从 mytokens 读取，脚本里不存任何 token。