一句话让你的OpenCode学会全局识图

前言

用 OpenCode 这类 AI agent 干活的朋友，多半遇到过这个尴尬：你让 AI 帮你看图、根据截图改东西，它却"看不见"。我之前已经让 OpenCode 学会了生成图片（参考那篇"一句话让 OpenCode 学会免费生成图片和视频"），但图片生成出来之后，它自己却没法"回看"这些图——每次想让它在图的基础上继续调整，就很别扭。

虽然通过切换模型（换成带视觉能力的模型）也能达到识图的目的，但那样很麻烦，操作也不顺畅：你要记住什么时候该切、切完还要切回来，体验很差。

这篇文章介绍一个一劳永逸的办法：给 OpenCode 装一个全局的"识图 Skill"，让它在任何项目、任何时候，只要遇到图片就先"看图说话"。装好之后，OpenCode 就像真正"长了眼睛"，看图、读截图、描述画面都不在话下，而且所有项目通用，不用每个项目配一遍。

原理：为什么要用 Skill 来解决

先说清思路。OpenCode 默认的文本模型本身没有视觉能力，所以看不到图片。但 OpenCode 有两大机制可以利用：

1. Skill（技能）：可以给 OpenCode 定义一套"遇到某种情况该怎么做"的规则和工具调用流程。

2. 全局配置（AGENTS.md）：放在用户级全局目录，对所有项目生效。

这个方法的巧妙之处在于：用一段话同时配置好 Skill + 全局规则，强制 OpenCode 一旦遇到附件、截图、本地图片或网络图片 URL，就先调用识图 Skill（底层用带视觉的 MiMo 模型），而不是傻乎乎地走 OCR 或别的本地图像处理。

创建 Skill

好在开源社区已经有人做过类似的东西，我们不用从零写，直接让 OpenCode 去改造一个现成的项目即可。

打开 OpenCode，新建一个对话，然后把下面这段话整段发给它：

请在 https://github.com/asuojun/claude-vision-skill  中搜索并完整阅读 asuojun/claude-vision-skill，把它改造成 opencode 的全局识图 Skill，安装到用户级全局 Skill 目录，名称使用 deepseek-vision，让所有项目都能调用。
不要只完成安装，还要加两层规则级强制：
一是更新 deepseek-vision 的 SKILL.md，明确任何任务出现附件、粘贴截图、本地图片路径或网络图片 URL 时，都必须先调用这个 Skill。
二是更新 opencode 用户级全局 AGENTS.md，明确遇到图片必须先调用 deepseek-vision，禁止用 OCR、Read、文件信息检查或其他本地图像处理代替。只有识图失败后，才允许 OCR 做补充诊断。不要只写进当前项目。
视觉模型固定使用opencode自带的 MiMo V2.5 Free 。
最后提醒我换到另一个项目，新建一个全新的 OpenCode 任务再贴图验证。不要使用当前旧任务作为最终验证，所有新项目任务遇到图片时，必须先调用 deepseek-vision，而不是 OCR。

这段话干了这么几件事，我帮你拆解一下（方便你知道它在做什么）：

1. 找到参考项目：让 OpenCode 去 GitHub 读 asuojun/claude-vision-skill（一个现成的识图 skill 实现），作为改造基础。

2. 改造成全局 Skill：把它改成 OpenCode 格式的"全局识图 Skill"，装到用户级全局目录，命名为 deepseek-vision，让所有项目都能调用。

3. 加两层强制规则：不光是装上，还要求 OpenCode 改两处配置——一是这个 Skill 自己的说明（遇到图就调用它）；二是全局 AGENTS.md（遇到图先走识图 Skill，禁止用 OCR/Read 等本地手段代替，只有识图失败才允许 OCR 兜底）。这一步是"一劳永逸"的关键，相当于立了规矩。

4. 指定视觉模型：固定用 OpenCode 自带的 MiMo V2.5 Free 视觉模型（免费，够用）。

5. 要求用全新项目验证：指令里特别提醒要换到另一个项目、开全新任务再贴图验证——因为它要验证的是"全局规则对所有项目生效"，不是只在当前这个项目里管用。

测试

Skill 配置好之后，就要验证它是不是真的"看见"了。

我用之前那张小猫的图片测试，让 AI 生成图片描述。这次 OpenCode 直接走了识图 Skill，而不是干瞪眼。

可以看到它把画面描述得很详细——颜色、动作、场景都能讲出来，说明识图链路真的通了。

如果你也在用，可以拿一张你手头的图（截图、照片都行）让它描述，看能不能说出画面细节。

验证要点：为什么必须开新项目测

这里强调一下指令里最后那步的意义。如果你只在当前项目里测试，测试的是"这个项目碰巧能用"，而不是"全局规则真的生效了"。所以要新建一个 OpenCode 项目、开全新的对话，再贴一张图过去——如果它在新项目里也能正确识图，才证明 deepseek-vision 已经装到了全局、对所有项目都生效了。

判断标准很简单：新项目里遇到图时，OpenCode 应该自动调用识图 Skill，而不是回退到 OCR 或告诉你看不了。

常见问题

1. 装了但 OpenCode 遇到图还是说"看不到"

• 大概率是全局 AGENTS.md 的规则没写对，或 Skill 装到了项目级而不是用户级全局目录。重新发指令，强调"用户级全局"。

• 检查是否真的用了新的/另一个项目测试（旧项目可能带着旧配置）。

2. 识图时调用的是 OCR 而不是视觉模型

• 说明"先识图、OCR 只做兜底"这条规则没生效。重新要求它改全局 AGENTS.md，明确禁止 OCR 优先。

3. 视觉模型不可用 / 报错

• 确认用的是 OpenCode 自带的 MiMo V2.5 视觉模型，检查模型是否在可用列表里。

4. 这个方法对其他 AI agent 有效吗？

• 有效。凡是支持 Skill + 全局规则机制的 AI agent，思路都一样——配一个全局视觉 skill，让所有项目遇到图都能看图。这也是它"简单粗暴一劳永逸"的原因。

我的结论

这套方案我实际用下来，最直观的感受就是省心：以前 OpenCode 看图要么切模型、要么干瞪眼，现在装一次，之后在任何项目里贴图它都能自己看懂，不用我再操心。

而且它不只是对图片生成有用——日常你让 AI 看截图排错、看 UI 图改样式、看报表图做分析，都能受益，因为 AI 终于"看见"了。整个过程就是发一段指令，剩下的交给 OpenCode 自己配置，非常适合小白。

如果你也在用 OpenCode（或其他 AI agent）却经常为"它看不见图"发愁，强烈建议按这个方法配一次，几分钟换一个真正"长了眼睛"的 AI 助手。