一个可安装到多种 coding-agent 的多档位读图 / OCR skill。它在当前模型无法原生看图或原生视觉失败时,调用 scripts/see_image.py,通过 OpenAI-compatible vision API、可选本地 VLM,或 Windows OCR 获取图像证据。
ocr:完整抄录可见文字;表格尽量输出为 Markdown 表格describe:结构化描述场景、布局、UI 状态和图中文字ask:带具体问题进行读图问答- 四档:
max/high/medium/low - 同一档候选 1–9 自动故障转移
low支持本地 VLM;Windows 支持系统 OCR 兜底- 本地图片转 base64 data URL;单文件上限 20 MB
--dry-run只预览请求,不发远程请求
将本仓库推送到 GitHub 后,可按仓库地址安装:
npx skills add Dithob/Youcansee --skill youcansee -g -y如果仓库根目录就是这个 skill,也可以直接安装仓库:
npx skills add Dithob/Youcansee -g -y安装到指定 agent 的示例:
npx skills add Dithob/Youcansee --skill youcansee -a codex -a claude-code -ynpx skills add . --list
npx skills add . --skill youcansee --copy -y
npx skills add支持仓库、仓库子路径和本地 skill 路径。以下示例中的Dithob/Youcansee即本仓库地址。
复制示例配置到用户目录,再填写自己的网关与模型:
mkdir -p ~/.config
cp youcansee.env.example ~/.config/youcansee.env
chmod 600 ~/.config/youcansee.env环境变量优先于配置文件。按档位配置候选:
YOUCANSEE_MAX_API_KEY=sk-your-key
YOUCANSEE_MAX_BASE_URL=https://your-gateway.example.com/v1
YOUCANSEE_MAX_MODEL=your-vision-model
# 可选备用候选
# YOUCANSEE_MAX_2_API_KEY=sk-backup-key
# YOUCANSEE_MAX_2_BASE_URL=https://backup.example.com/v1
# YOUCANSEE_MAX_2_MODEL=backup-vision-model可选的全局配置:
YOUCANSEE_DEFAULT_TIER=max|high|medium|lowYOUCANSEE_LOW_MODE=auto|vlm|ocrYOUCANSEE_FORCE_JPEG=1YOUCANSEE_TIMEOUT=180YOUCANSEE_MAX_TOKENS=4000
旧版变量 YOUCANSEE_API_KEY、YOUCANSEE_BASE_URL、YOUCANSEE_MODEL 仍作为 max 档第一个候选兼容读取。不要把真实 Key 写入仓库、issue、日志或聊天。
python scripts/see_image.py /path/to/image.png
python scripts/see_image.py /path/to/image.png --mode describe --tier high
python scripts/see_image.py /path/to/image.png --ask "表格金额合计是多少?" --tier max
python scripts/see_image.py /path/to/image.png --tier low
python scripts/see_image.py /path/to/image.png --dry-run成功时 stdout 输出单行 JSON,例如:
{"ok": true, "text": "...", "error": null, "tier": "max", "model": "...", "attempts": [], "seconds": 1.2}失败时查看 error 和 attempts。静态检查、dry-run 或本地 OCR 只能证明对应路径被执行,不能证明远程付费 API 调用成功。
youcansee/
├── SKILL.md
├── README.en.md
├── agents/openai.yaml
├── scripts/see_image.py
├── scripts/ocr_windows.ps1
├── youcansee.env.example
├── LICENSE
├── README.md
├── CHANGELOG.md
└── tests/test_see_image.py
不需要网络或真实 API Key:
python3 scripts/verify_skill.py
python3 -m unittest discover -s tests -v验证会检查 frontmatter、公开文件中的疑似密钥、Python 编译、CLI 参数解析、dry-run,以及本地图片大小/路径错误分支。
- 在公开 Git 仓库中保留
SKILL.md及脚本资源。 - 确认仓库没有真实 Key、私有配置、缓存或本地输出。
- 推送后用
npx skills add Dithob/Youcansee --list检查能发现youcansee。 - 用
npx skills add Dithob/Youcansee --skill youcansee --copy -y做一次干净安装验证。 - 可选:在
skills.sh或目标 agent 中确认安装后能触发;不要把测试 Key 写入提交。
MIT,见 LICENSE。