My Image Vision

对用户指定的图片进行预处理（可选），然后调用 DeepSeek V4 Vision API 返回文本描述。 厂商自动检测：当前配置为 DeepSeek 时走原生 Vision API，否则 fallback 到 Anthropic 原生路径。

执行步骤

1. 解析意图：提取图片路径（相对/绝对路径均可）和预处理需求——用户可能说

"压一下再识别"、"灰度后看"、"把这张图模糊掉再 OCR"等。图片路径不存在时 用 AskUserQuestion（单选）确认，选项为邻近的候选图片路径。

1. 确认预处理计划：列出拟执行的操作清单（0~N 个，需复合处理时标明合并为一张图），

用 AskUserQuestion（单选）确认——"按此预处理并识别"（推荐）、 "调整预处理（在 Other 描述）"、"不做预处理，直接识别"。

1. 执行预处理（如需）：

• 单图 1+ 操作：~/.claude/skills/my-image-vision/scripts/preprocess.py

--op1 ... --opN -o

• 单图多处预处理后需合并 → 多次 preprocess.py 后

~/.claude/skills/my-image-vision/scripts/composite.py ... --labels "标签1,标签2" -o 操作语法详见 Read references/preprocessing.md（条件触发，仅此步读）。

1. 发送识图：~/.claude/skills/my-image-vision/scripts/describe.py

[--prompt "指令"] [--max-tokens N]。 脚本自动从 ~/.claude/settings.json 读取 API key，默认走 DeepSeek Vision API。 按退出码分支处理：

• 退出码 0 → stdout 为识别文本，直接进入步骤 5；
• 退出码 23 → 当前配置非 DeepSeek，Read references/anthropic-vision.md

按其中规范处理；

• 退出码 其他 → 错误，stdout/stderr 为错误信息，不尝试替代路径。

若需补充前置上下文（之前讨论的结构体定义、变量含义等），经 --prompt 传入 ——脚本为无状态单轮接口，skill 负责从对话中提取上下文组织提示词。

1. 输出结果：将描述嵌入对话上下文。如涉及预处理操作链，简要标注（如

"（经灰度+二值化后识别）"）。

约束

• API key 从 ~/.claude/settings.json 的 env.ANTHROPIC_AUTH_TOKEN 读取，

不传参数、不硬编码到脚本或 skill 正文。

• 图片仅送 DeepSeek Vision API（与当前对话模型同一供应商），不送第三方。
• --prompt 中不包含敏感信息（凭证、token 等）。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: yanqd0
• Source: yanqd0/my-claude
• License: MIT

Install and usage instructions live in the source repository linked above.