Agnes Vision

Agnes Vision Skill

通过 Agnes 的 agnes-2.0-flash 多模态模型分析图片，把模型返回的文本拿来用。

何时使用

• 用户明确要求用 agnes / agnes-2.0-flash 处理图片
• 想用更便宜/更快的 flash 模型批量看图
• 需要与 app 中 agnes 模型保持一致的图片理解结果
• OCR、图片描述、物体识别等任务，且希望走 agnes 接口

注意：Claude Code 本身已能用 Read 工具直接看图。本 skill 仅在需要走 agnes 接口时使用，不要替代 Read 用于普通看图。

如何使用

在项目根目录运行 skill 脚本（工作目录默认就是项目根，用相对路径）：

python .claude/skills/agnes-vision/agnes_vision.py <图片路径> [<图片路径> ...] [-p "提示词"]

参数：

• 图片路径：至少一张图片，支持多张
• -p / --prompt：给模型的提示词（默认“请详细描述这张图片的内容。”）
• -m / --model：模型名（默认 agnes-2.0-flash）
• -k / --key：API key（也可用环境变量或 config.json）
• --max-tokens：最大输出 token（默认不设）

脚本的 stdout 就是模型的回答，错误信息走 stderr。直接读 stdout 即可。

API Key 配置

按优先级查找：

1. --key 参数
2. 环境变量 AGNES_API_KEY
3. skill 目录下 config.json：{"api_key": "...", "model": "...", "endpoint": "..."}

⚠️ 真实 key 不要写进 SKILL.md，不要提交到 git。推荐环境变量；用 config.json 的话已被 .gitignore 忽略。

工作流

1. 确认图片路径存在（必要时用 Glob/Read 找）
2. 根据任务构造合适的提示词（OCR 要“保持原文”、提取数据要“输出表格”等）
3. 运行脚本，读取 stdout 即模型回答
4. 把回答整合进给用户的回复；如需追问，带上图片再次调用

示例

# 描述一张图
python .claude/skills/agnes-vision/agnes_vision.py photo.jpg

# 自定义提示词：把图表数据提取成表格
python .claude/skills/agnes-vision/agnes_vision.py chart.png -p "把图表里的数据提取成 markdown 表格"

# 多张图对比
python .claude/skills/agnes-vision/agnes_vision.py a.png b.png -p "对比这两张图的差异"

# OCR
python .claude/skills/agnes-vision/agnes_vision.py receipt.jpg -p "识别图中所有文字，保持原文排版"

备注

• 脚本会把图片以 base64 data URL 形式发送到 https://apihub.agnes-ai.com/v1/chat/completions，属于把图片内容上传给第三方服务，敏感图片慎用。
• 脚本仅用 Python 标准库，无需 pip install。
• 首次运行若被沙箱拦截网络，需允许该次调用访问 apihub.agnes-ai.com。