添加視覺理解能力 - Alibaba Cloud Model Studio

百鍊 Coding Plan 中的部分模型（如 qwen3.5-plus、kimi-k2.5）原生支援視覺理解，可直接處理圖片輸入。對於 glm-5、MiniMax-M2.5 等純文字模型，可通過添加本地 Skill 使其獲得視覺能力。

說明

運行圖片理解 Skill 會消耗 Coding Plan 額度，無其他收費項。

前提條件

已訂閱 Coding Plan，詳情請參見快速開始。
已在 Coding Plan 工具中完成接入配置，且能正常對話，詳情請參見接入AI工具。

視覺支援情況

模型	是否支援視覺	說明
qwen3.5-plus kimi-k2.5	是	無需額外配置，可直接傳入圖片
qwen3-max-2026-01-23 qwen3-coder-next qwen3-coder-plus glm-5 glm-4.7 MiniMax-M2.5	否	需通過 Skill 或 Agent 輔助模型獲得視覺能力

方法 1：直接使用視覺模型（推薦）

qwen3.5-plus 和 kimi-k2.5 具備視覺理解能力。如果經常需要處理圖片，直接切換到這些模型是最簡單、推薦的做法。

工具	模型切換方式
Claude Code	`/model qwen3.5-plus`或 `/model kimi-k2.5`
OpenCode	`/models`→ 搜尋並選擇`qwen3.5-plus`或`kimi-k2.5`
Qwen Code	`/model`→ 選擇`qwen3.5-plus`或`kimi-k2.5`

更多編程工具中的模型切換方式請參考接入AI工具。切換後可直接在對話中引用圖片路徑，或拖拽/粘貼圖片。

方法 2：通過 Skill 或 Agent 添加視覺能力

如需使用 glm-5、MiniMax-M2.5 等不支援視覺的模型處理圖片，可通過配置 Skill 或 Agent 實現。

Claude Code

添加 Skill

在專案目錄下的 .claude 檔案夾中建立 skills/image-analyzer 目錄：

mkdir -p .claude/skills/image-analyzer

在該目錄下建立 SKILL.md 檔案，並寫入以下內容：

---
name: image-analyzer
description: 協助沒有視覺能力的模型進行映像理解。當需要分析映像內容、提取圖片中的資訊、文字、介面元素，或理解截圖、圖表、架構圖等任何視覺內容時，使用此技能，傳入圖片路徑即可獲得描述資訊。
model: qwen3.5-plus
---
qwen3.5-plus具有視覺理解能力，請直接使用qwen3.5-plus模型進行圖片理解。

建立完成後的目錄結構如下：

.claude/
└── skills/
    └── image-analyzer/
        └── SKILL.md

開始使用
1. 在專案目錄下運行claude啟動 Claude Code，並運行/model glm-5切換到glm-5模型。
2. 下載alibabacloud.png到專案目錄下，並提問：Load image-analyzer skill and describe the information displayed at the alibabacloud.png banner location.可收到如下回複：

OpenCode

添加 Agent

在專案目錄下的 .opencode 檔案夾中建立 agents 目錄：

mkdir -p .opencode/agents

在該目錄下建立image-analyzer.md檔案，並寫入以下內容：

說明

model 欄位必須使用 OpenCode 設定檔中定義的 provider 和模型名稱。參考 OpenCode 文檔的配置樣本，應為bailian-coding-plan/qwen3.5-plus。

---
description: Analyzes images using a vision-capable model. Use this agent when the user needs to understand image content, extract information from screenshots, diagrams, UI mockups, or any visual content. Invoke with @image-analyzer followed by the image path and your question.
mode: subagent
model: bailian-coding-plan/qwen3.5-plus
tools:
  write: false
  edit: false
---
You have vision capabilities. Analyze the provided image and return a clear, structured description focused on what the user is asking about.

建立完成後的目錄結構如下：

.opencode/
└── agents/
    └── image-analyzer.md

開始使用
1. 在專案目錄下運行opencode啟動 OpenCode，並切換到glm-5模型。
2. 下載alibabacloud.png到專案目錄下，通過@喚起image-analyzer並提問：@image-analyzer describe the information displayed at the alibabacloud.png banner location.可收到如下回複：

常見問題

OpenCode + qwen3.5-plus 為什麼無法理解圖片？

原因：OpenCode 預設不啟用模型的視覺能力，需要在設定檔中顯式聲明 modalities 參數。

解決方案：在 OpenCode 設定檔的模型定義中添加 modalities 欄位，將 input 設為 ["text", "image"]，如下所示：

將sk-sp-xxx替換為Coding Plan API Key。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "bailian-coding-plan-test": {
      "npm": "@ai-sdk/anthropic",
      "name": "Model Studio Coding Plan",
      "options": {
        "baseURL": "https://coding-intl.dashscope.aliyuncs.com/apps/anthropic/v1",
        "apiKey": "sk-sp-xxx"
      },
      "models": {
        "qwen3.5-plus": {
          "name": "Qwen3.5 Plus",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        },
        "kimi-k2.5": {
          "name": "Kimi K2.5",
          "modalities": {
            "input": [
              "text",
              "image"
            ],
            "output": [
              "text"
            ]
          },
          "options": {
            "thinking": {
              "type": "enabled",
              "budgetTokens": 1024
            }
          }
        }
      }
    }
  }
}

OpenClaw + qwen3.5-plus 為什麼無法理解圖片？

原因：OpenClaw 需要通過設定檔中的 input 欄位來判斷模型是否支援視覺能力。

解決方案：

在~/.openclaw/openclaw.json設定檔中，確保模型定義包含"input": ["text", "image"]欄位。

{
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://coding-intl.dashscope.aliyuncs.com/v1",
        "apiKey": "YOUR_API_KEY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-plus",
            "name": "qwen3.5-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 32768
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.5-plus"
      },
      "models": {
        "bailian/qwen3.5-plus": {},
        "bailian/kimi-k2.5": {}
      }
    }
  },
  "gateway": {
    "mode": "local"
  }
}

修改配置後，需要清除 OpenClaw 的模型緩衝並重啟，否則舊的配置仍會生效。
```
rm ~/.openclaw/agents/main/agent/models.json
openclaw gateway restart
```