SuperMate-Ai quark-qwen-vision — 夸克浏览器专用视觉 Skill
用夸克浏览器内置的千问（qwen-vl）模型看图，全程网页操作，零本地算力、零 API Key。 本机视觉方案：
deepseek-eyes的替代通道（无 Ollama 时走这个）。
前置条件（使用前必须确认）
- 夸克浏览器以调试模式运行（推荐一键启动，自动查找夸克路径）：
该脚本自动：查找 quark.exe（常见目录 / PATH / 注册表）→ 若 9222 未监听则重启夸克 → 打开千问对话页。 手动方式（脚本找不到夸克时）：powershell -ExecutionPolicy Bypass -File "<skill 目录>\scripts\start-quark.ps1"# 先关掉所有 quark 进程，再用本机夸克路径带调试端口启动： Get-Process quark -ErrorAction SilentlyContinue | Stop-Process -Force Start-Process '<本机夸克安装路径>\quark.exe' -ArgumentList '--remote-debugging-port=9222' # 已知机型：台式机 C:\Program Files\Quark\quark.exe（或 7.1.0.949 子目录）｜笔记本 C:\Users\<用户名>\AppData\Local\Programs\Quark\quark.exe - 千问对话页已打开：访问
https://p.quark.cn/pcquark-chat/sidebar（或点夸克 AI 侧边栏）。- 验证：
http://127.0.0.1:9222/json/list返回 200 且列表中存在pcquark-chat页面。
- 验证：
调用方式
node "<skill 目录>\scripts\qwen-vision.js" <图片路径> ["问题"]
示例（<skill 目录> 按本机实际替换，不写死任何机型路径）：
# 通用写法（skill 目录 = DSH 用户级 skills 根：<DSH_HOME>/skills 或 ~/.dsh/skills）
node "<skill 目录>\scripts\qwen-vision.js" "<图片路径>" "这张图是什么？反推提示词"
文生图（Qwen-Image 2.0）
千问对话原生支持文生图（Qwen-Image 2.0 模型），已封装 gen-image.js：
node "<skill 目录>\scripts\gen-image.js" "英文提示词" [输出目录]
- 流程：发送提示词 → 千问调用 Qwen-Image 2.0 生成 → 脚本自动轮询抓取图片 URL → 下载保存到输出目录（默认当前工作目录下
generated/） - 千问会附带给出多条迭代建议（背景/构图/风格调整），可直接回传继续优化
- 实测：赛博朋克机械背包、新中式国学海报均生成成功（多张高清 + 预览图）
视频输入（不支持）
千问对话页仅接受图片输入——模拟粘贴 mp4 会被忽略（上传栏无反应）。视频分析需走 ffmpeg 抽帧后逐帧/拼图再喂给千问。
实战闭环（推荐工作流）
看图（qwen-vision.js）→ 反推提示词 → 千问优化 → 文生图（gen-image.js）/ 云端视频（RH 工作流）
脚本清单
| 脚本 | 用途 |
|---|---|
qwen-vision.js |
看图分析 / 反推提示词（主工具） |
gen-image.js |
文生图（Qwen-Image 2.0） |
cdp.js |
CDP 客户端库（其它脚本共用） |
start-quark.ps1 |
跨机器一键启动：自动找夸克 → 调试模式重启 → 打开千问对话页 |
工作原理（网页操作四步）
1. CDP 连接夸克千问对话页（p.quark.cn/pcquark-chat/sidebar）
2. 读取本地图片 → base64 → File → 构造 ClipboardEvent paste 模拟粘贴
3. 输入问题 → 点击 .submit-button 发送
4. 轮询页面文本直至回复稳定 → 输出千问回答
关键经验（踩坑记录）
- launcher 页不是对话页：
chrome://ai-desktop-plugin/launcher/只是快速输入入口；真正的对话页是https://p.quark.cn/pcquark-chat/sidebar，回复渲染在这里 - 发送按钮：
.submit-button（输入文字后激活为.submit-button.active）；模拟 Enter 键无效，必须点击按钮 - 图片上传：点 addButton 走 OS 原生文件对话框（CDP 无法操作）；正确姿势是模拟 paste 事件（ClipboardEvent + DataTransfer + File）
- 读取回复：轮询
document.body.innerText，连续 3-4 轮无变化视为回复完成 - 回复可能很长：输出截断至 8000 字符，必要时分段读
故障排查
| 现象 | 处理 |
|---|---|
| 脚本报"未找到千问对话页" | 夸克未带调试端口启动，或侧边栏未打开 → 按前置条件处理 |
| 发送后无回复 | 等待更久（流式输出）；检查千问页面是否有错误提示 |
| 图片没挂上 | 确认文件存在、格式为 png/jpg/webp；大图建议先压缩到 1080px 内 |
关联
- 工具脚本目录：
<skill 目录>\scripts\（cdp.js 客户端 / qwen-vision.js 看图 / gen-image.js 生图 / start-quark.ps1 启动器） - 跨机器通用性：脚本不依赖任何绝对路径——ws 自动解析（Node ≥ 22 内置 WebSocket 或 ws 包）、夸克路径自动探测、生图输出默认当前目录
generated/ - 本机视觉备选：
deepseek-eyesskill 的 openai 通道（需 DashScope Key，未配置）