1. 纯文本模型在 Claude Code CLI 里为什么读不了图
你在 Claude Code CLI 里挂上 DeepSeek、GLM 这类模型之后，敲代码、改文件、跑命令都挺顺，但一旦把一张截图或者设计稿拖进对话，它就开始装傻：要么说看不到图片内容，要么干脆把图片路径当成普通文本处理。原因不复杂，这些模型本身是纯文本模型，输入通道里就没有图像编码这一环，CLI 把图片塞进去，模型侧接不住。
我一开始的做法也很原始：把图丢到某个视觉聊天页面，让它先描述一遍，再把描述复制回 CLI 里继续问。来回切窗口不说，遇到多张图或者需要反复追问细节的时候，上下文全乱。另一种办法是临时改配置切到带视觉的模型，问完再切回来，配置改来改去，容易把别的参数带崩。
这篇要解决的就是这个场景：同一个 Claude Code CLI 客户端，不切模型，也能让纯文本模型"看懂"图片。落点是 claude-vision-skill 这个 Skill，配合全局规则文件 CLAUDE.md 和脚本 vision.js，把识图这件事交给一个独立的视觉模型通道去跑，主模型只负责拿结果继续干活。适合已经在用 Claude Code CLI、手上有 DeepSeek 或 GLM 这类纯文本模型、又经常需要贴图的人。下面按"拿通道 Key → 配环境变量 → 放脚本 → 写全局规则 → 验证"的顺序走一遍。
2. 前置准备：用 TaoToken 给 Skill 提供模型通道和 Key
claude-vision-skill 本身不产生识图能力，它只是一个调度层：收到图片后，调用一个视觉模型接口，把返回的文字描述交回给主模型。所以你需要一个能调视觉模型的通道和一把 Key。这里用 TaoToken 来做这件事，它在这个方案里只负责提供模型通道和 Key，不参与识图逻辑本身。
先打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 注册账号，进控制台创建一把 API Key。创建入口在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite ，拿到那串 Key 之后先存好，后面填环境变量要用。
有一点必须说清楚，也是我自己踩过的坑：DASHSCOPE_BASE_URL 要填https://taotoken.net/api，不要加/v1，也不要写成官网首页。加/v1会让请求路径拼错，写成首页则根本不是接口地址，两种情况都会让 vision.js 报连接或 404 类错误。这个地址是给脚本发请求用的，和你在浏览器里打开的页面不是一回事。
如果你后面打算长期在 CLI 里跑编码和 Agent 任务，可以顺带看下 Coding Plan 页面 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite ，把常用模型和额度规划一下；只是先验证识图能不能跑通的话，拿一把 Key 就够了。
3. 可复制配置：三个环境变量 + vision.js + CLAUDE.md
这一节是全文的核心操作，照着填就行。整体分四步：配环境变量、放脚本、追加全局规则、回 CLI 验证。
3.1 配置三个环境变量
claude-vision-skill 靠三个环境变量找到通道、认证和模型，含义如下：
| 变量名 | 填什么 | 说明 |
|---|---|---|
| DASHSCOPE_BASE_URL | https://taotoken.net/api | 模型通道地址，不加 /v1，不写首页 |
| DASHSCOPE_API_KEY | 你在 TaoToken 创建的 Key | 用于认证，别外泄 |
| VISION_MODEL | 视觉模型名，如 minimax-m3、kimi-k3 | 按你账号可用的视觉模型填 |
Windows 下可以用系统"环境变量"面板添加，也可以在当前终端临时设置。临时设置适合先验证：
# Windows PowerShell 临时设置，仅当前窗口有效 $env:DASHSCOPE_BASE_URL = "https://taotoken.net/api" $env:DASHSCOPE_API_KEY = "你的TaoToken Key" $env:VISION_MODEL = "minimax-m3"macOS / Linux 下临时设置：
# macOS / Linux 临时设置，仅当前 shell 有效 export DASHSCOPE_BASE_URL="https://taotoken.net/api" export DASHSCOPE_API_KEY="你的TaoToken Key" export VISION_MODEL="minimax-m3"想长期生效就写进系统环境变量或 shell 配置文件（如~/.zshrc、~/.bashrc），改完重开终端。注意 Key 不要提交到 Git 仓库，也不要在截图里露出来。
3.2 放置 vision.js 脚本
把附件里的 vision.js 放到用户目录下的.claude/scripts/里，路径照原文不动：
# 创建目录（已存在会提示，忽略即可） mkdir -p ~/.claude/scripts # 把 vision.js 复制进去，假设你下载在 Downloads cp ~/Downloads/vision.js ~/.claude/scripts/vision.js # 确认文件到位 ls -l ~/.claude/scripts/vision.jsWindows 下对应路径是C:\Users\你的用户名\.claude\scripts\vision.js，用资源管理器或 PowerShell 复制都行。这个脚本是识图请求的实际执行者，它读上面三个环境变量，把图片发给视觉模型，再把文字结果返回。
3.3 追加全局规则到 CLAUDE.md
把附件里的 CLAUDE.md 内容追加到~/.claude/CLAUDE.md。这个文件是 Claude Code CLI 的全局规则文件，写进去之后，每次对话都会先加载这些规则，命中"遇到图片就走 claude-vision-skill"这条逻辑。
# 追加规则（如果文件不存在会新建） cat ~/Downloads/CLAUDE.md >> ~/.claude/CLAUDE.md # 看一眼追加后的内容 tail -n 40 ~/.claude/CLAUDE.md追加而不是覆盖，是因为你可能已经在 CLAUDE.md 里写了别的全局偏好，覆盖会丢。追加完确认规则段落完整、没有和已有内容粘连在一起。
3.4 规则命中逻辑长什么样
全局规则的作用是让主模型在收到图片时，不去硬解图像，而是转交给 Skill。规则里通常会写明：当输入包含图片或图片路径时，调用~/.claude/scripts/vision.js，并把返回的描述作为上下文继续处理。这样主模型还是那个纯文本模型，但"看图"这一步被外包出去了。
4. 验证请求：回 CLI 贴一张图看是否跑通
配置完别急着写业务，先做最小验证。回到 Claude Code CLI，新开一个会话，贴一张图进去，比如一张报错截图或者一张简单的流程图。观察两件事：
第一，全局规则有没有命中 claude-vision-skill。如果命中，你会看到 CLI 侧触发了脚本调用，而不是直接对图片报"无法识别"。第二，识图请求能不能跑通，也就是 vision.js 有没有成功拿到视觉模型的返回。
如果一切正常，你会看到类似这样的过程：图片被交给 vision.js → 脚本用https://taotoken.net/api加你的 Key 发请求 → 视觉模型返回一段文字描述 → 主模型基于这段描述继续回答你的问题。跑通之后，同一个客户端不用切模型也能读图，这就是从 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 拿 Key 后能配通的场景。
想单独确认模型通道是否可用，也可以去模型对话页面 https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite 手动发一条带图或纯文本的请求，看通道和 Key 是否正常，排除是通道问题还是 Skill 配置问题。
5. 本篇常见错排查
配不通常见就下面几类，按顺序排：
报 404 或路径错误：八成是 DASHSCOPE_BASE_URL 写成了https://taotoken.net/api/v1或者写成了官网首页。改回https://taotoken.net/api，不加/v1，不加尾部斜杠。
报认证失败 / 401：检查 DASHSCOPE_API_KEY 是不是复制时带了空格或换行，或者 Key 已被删除。去 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 重新确认一把。
规则没命中，图片还是被当文本：检查 CLAUDE.md 是否追加到了~/.claude/CLAUDE.md，路径别写错；再确认追加的内容完整，没有被截断。改完重开 CLI 会话。
脚本找不到 / 权限问题：确认 vision.js 在~/.claude/scripts/vision.js，macOS / Linux 下可执行权限不够就chmod +x。Windows 下注意路径分隔符和用户目录是否正确。
VISION_MODEL 填了不存在的模型：换一个你账号下确实可用的视觉模型名，比如 minimax-m3、kimi-k3，填错会返回模型不存在类错误。
环境变量改了但没生效：临时设置只对当前终端有效，新开窗口就没了；长期生效要写进系统环境变量或 shell 配置，改完重开终端再试。
排障时如果拿不准是通道问题还是 Skill 问题，先单独用模型对话页面发一条请求，能通说明通道和 Key 没问题，问题在 Skill 侧；不通就先解决 Key 和地址。接入细节可以对照接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 核对参数格式。
6. 把识图能力固定进你的 CLI 工作流
配通之后，建议把三个环境变量写进系统级配置而不是每次临时 export，这样换终端、重启机器都不用重配。CLAUDE.md 里的规则也可以按你的习惯微调，比如限定只在特定目录下触发识图，或者规定返回描述的字数上限，避免视觉模型话太多把上下文撑满。
另外一个小经验：vision.js 返回的是文字描述，描述质量直接决定主模型后续回答的质量。如果发现识图结果太粗，可以换一个更强的视觉模型，或者在图本身清晰度上花点功夫，比反复追问更省事。整套流程里 TaoToken 只承担通道和 Key 的角色，识图逻辑、规则命中、脚本执行都在你本地这套 Skill 配置里，改起来也方便。
